کتاب حریم خصوصی و امنیت داده در سیستم‌های هوش مصنوعی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره حریم خصوصی و امنیت داده در سیستم‌های هوش مصنوعی

موضوع کلی: برنامه نویسی کامپیوتری

موضوع میانی: مبانی AI governance revisited

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر حریم خصوصی و امنیت داده در هوش مصنوعی
• 2. مفاهیم کلیدی حریم خصوصی داده
• 3. استانداردهای امنیت داده
• 4. تحلیل ریسک حریم خصوصی در سیستم‌های هوش مصنوعی
• 5. تهدیدات امنیتی رایج در سیستم‌های هوش مصنوعی
• 6. حملات مبتنی بر حریم خصوصی (Privacy Attacks)
• 7. حملات استنتاجی (Inference Attacks)
• 8. حملات عضویت (Membership Inference Attacks)
• 9. حملات بازسازی داده (Data Reconstruction Attacks)
• 10. حملات مدل وارون (Model Inversion Attacks)
• 11. تکنیک‌های حفظ حریم خصوصی: مروری کلی
• 12. حریم خصوصی تفاضلی (Differential Privacy)
• 13. حریم خصوصی همومورفیک (Homomorphic Encryption)
• 14. محاسبات چند طرفه امن (Secure Multi-Party Computation)
• 15. یادگیری فدرال (Federated Learning)
• 16. ناشناس‌سازی داده‌ها (Data Anonymization)
• 17. تعمیم داده‌ها (Data Generalization)
• 18. حذف شناسه‌ها (Identifier Removal)
• 19. کدگذاری داده‌ها (Data Masking)
• 20. تکنیک‌های افزایش امنیت داده در هوش مصنوعی
• 21. رمزنگاری داده‌ها (Data Encryption)
• 22. کنترل دسترسی مبتنی بر نقش (Role-Based Access Control)
• 23. احراز هویت و مجوز (Authentication and Authorization)
• 24. مانیتورینگ و ثبت وقایع (Monitoring and Logging)
• 25. امنیت زنجیره تامین داده (Data Supply Chain Security)
• 26. مدیریت آسیب‌پذیری‌ها (Vulnerability Management)
• 27. ارزیابی و تست نفوذ (Penetration Testing)
• 28. چارچوب‌های قانونی و مقرراتی حریم خصوصی
• 29. GDPR و تاثیر آن بر هوش مصنوعی
• 30. قانون CCPA و سایر قوانین ایالتی
• 31. استانداردهای ISO 27001 و NIST Cybersecurity Framework
• 32. ملاحظات اخلاقی در استفاده از داده‌ها در هوش مصنوعی
• 33. مسئولیت‌پذیری و شفافیت در سیستم‌های هوش مصنوعی
• 34. سوگیری و تبعیض در الگوریتم‌های هوش مصنوعی
• 35. حریم خصوصی در داده‌های زیستی و اطلاعات سلامت
• 36. حریم خصوصی در سیستم‌های تشخیص چهره
• 37. حریم خصوصی در سیستم‌های پردازش زبان طبیعی
• 38. حریم خصوصی در سیستم‌های توصیه‌گر
• 39. حریم خصوصی در داده‌های موقعیت مکانی
• 40. امنیت مدل‌های یادگیری ماشین
• 41. حملات خصمانه (Adversarial Attacks)
• 42. دفاع در برابر حملات خصمانه
• 43. تفسیرپذیری مدل (Model Interpretability) و تاثیر آن بر حریم خصوصی
• 44. حریم خصوصی در لبه (Edge Privacy) و دستگاه‌های اینترنت اشیا
• 45. حریم خصوصی و امنیت در یادگیری تقویتی
• 46. حریم خصوصی و امنیت در شبکه‌های عصبی گراف
• 47. چالش‌ها و آینده حریم خصوصی و امنیت داده در هوش مصنوعی
• 48. ابزارهای متن‌باز برای حفظ حریم خصوصی و امنیت داده
• 49. بهترین روش‌ها برای توسعه امن سیستم‌های هوش مصنوعی