Bezpieczne praktyki programistyczne
Bezpieczeństwo AI i zarządzanie ryzykiem
Angeline Corvaglia
Founder and Digital Transformation Expert
Jak przeciwdziałać podatnościom AI
Pochodzenie i identyfikowalność danych
- Pochodzenie danych: skąd dane pochodzą
- Identyfikowalność: śledzenie ich drogi
Jak to wspiera bezpieczeństwo
- Ataki zatruwania danych
- Uszkodzenie danych
Walidacja i oczyszczanie danych
- Weryfikacja danych
- Oczyszczanie danych
Zapewnia, że dane są:
- dokładne
- odpowiednie
- wolne od złośliwej ingerencji
Minimalizacja danych
- Ograniczenie ilości zbieranych i przetwarzanych danych
- Tylko to, co bezwzględnie niezbędne
Pomaga zmniejszyć ryzyko:
- naruszenia prywatności
- kradzieży danych
Szyfrowanie i anonimizacja
- Szyfrowanie: przekształca wrażliwe dane w bezpieczny format
- Anonimizacja: usuwa dane osobowe umożliwiające identyfikację
Jak wspierają bezpieczeństwo:
- Ataki ukierunkowane na wyłudzanie wrażliwych danych
Bezpieczne praktyki kodowania
- Ograniczanie podatności w kodzie
- Regularne przeglądy kodu
- Skanowanie w poszukiwaniu podatności
- Przestrzeganie standardów kodowania
Jak wspiera bezpieczeństwo
- Ataki na infrastrukturę
Kontrola dostępu
- Ograniczanie dostępu do systemu
- Tylko zaufane i zweryfikowane osoby lub podmioty
Jak wspiera bezpieczeństwo
- Ataki zewnętrzne wykorzystujące podatności
Bezpieczna infrastruktura
- Ochrona sprzętu i oprogramowania
- Zapory sieciowe
- Systemy wykrywania intruzów
- Bezpieczne usługi chmurowe
Jak wspiera bezpieczeństwo
- Zagrożenia wymierzone w infrastrukturę
Bezpieczeństwo to nie tylko zadanie zespołu technicznego
Wspólne działanie zapewnia, że systemy AI są bezpieczne, godne zaufania i niezawodne.
