تواجه منصات نماذج الذكاء الاصطناعي مسارات إساءة استخدام متباينة، بدءاً من مواد التدريب المسمومة والمحفزات الخفية، ووصولاً إلى محاكاة السلوك وتسريب البيانات الخاصة. وتعمل هذه الدورة على تنمية قدرات دفاعية متقدمة لربط تلك المخاطر بأهداف الرقابة، وتعزيز تدابير حماية البيانات والخدمات، وإعداد خطة مُثبَتة لتعزيز أمن خدمة نموذج فعلي.
تغطي الدورة التدريبية مساحات الهجوم على النماذج، وهجمات التسميم (poisoning) أثناء التدريب والضبط الدقيق (fine-tuning)، وتقييم الأبواب الخلفية (backdoors)، ومقاومة استخلاص البيانات عبر واجهات برمجة التطبيقات (API)، ومخاطر الخصوصية الناجمة عن هجمات عكس النموذج (inversion) واستنتاج العضوية (membership inference). كما تتناول الدورة جوانب تتبع المصدر (provenance)، وآليات التحكم في التدفق (gating)، والمراقبة، وتقييد المعدل (throttling)، وتشكيل الاستجابة، وتعزيز أمان المخرجات، وضوابط الوصول، وعناصر التحقق.