01
AI安全全景
为什么需要AI安全？与传统网络安全的区别，核心目标与挑战。
全景基础
02
威胁建模入门
AI系统攻击面分析（数据投毒、模型窃取、对抗样本、提示注入），STRIDE模型应用。
威胁STRIDE
03
数据安全策略
训练数据脱敏与匿名化，RBAC/ABAC访问控制，数据血缘追踪与审计。
数据隐私
04
模型安全策略
模型加密与混淆，签名与完整性校验，版本管理与回滚机制。
模型加密
05
运行时安全策略
输入过滤与清洗，输出合规检查，速率限制与异常检测。
运行时防护
06
对抗攻击防御
对抗样本检测（统计检测、降噪、对抗训练），防御蒸馏技术。
对抗鲁棒性
07
提示注入防护
提示词边界界定，角色隔离策略，敏感操作二次确认机制。
LLM注入
08
模型窃取防御
API访问频率限制，模型水印技术，查询日志分析与异常告警。
窃取水印
09
数据投毒防御
数据源验证，异常样本检测，联邦学习中的安全聚合。
投毒联邦
10
隐私保护技术
差分隐私（DP）原理与实现，联邦学习（FL）架构与安全考量。
隐私DP
11
安全策略自动化
策略即代码（Policy as Code），OPA在AI场景的集成。
自动化OPA
12
安全监控与告警
AI系统日志规范，关键安全指标（KPI），实时告警规则设计。
监控告警
13
安全测试与红蓝对抗
AI安全测试方法论，对抗样本工具（ART、CleverHans），红蓝演练流程。
测试红蓝
14
合规与治理
GDPR、AI法案解读，NIST AI RMF框架，合规检查清单。
合规治理
15
供应链安全
第三方模型评估，开源组件漏洞扫描，模型供应链SBOM管理。
供应链SBOM
16
大语言模型（LLM）安全
LLM特有风险（幻觉、越狱、偏见），RLHF安全对齐技术。
LLM对齐
17
多模态模型安全
图像、音频、视频模型安全挑战，跨模态攻击与防御。
多模态跨模态
18
边缘AI安全
边缘设备安全启动，模型加密与隔离，TEE（可信执行环境）应用。
边缘TEE
19
云原生AI安全
Kubernetes AI工作负载安全，服务网格安全，容器镜像扫描。
云原生K8s
20
安全策略生命周期管理
策略制定、评审、测试、部署、监控、优化闭环流程。
生命周期闭环
21
安全策略效果评估
评估指标体系（检出率、误报率、性能开销），A/B测试方法。
评估A/B
22
安全策略优化技术
基于反馈的自动调优，强化学习在策略优化中的应用。
优化强化学习
23
安全运营中心（SOC）与AI
AI辅助安全分析，SOAR（安全编排自动化与响应）集成。
SOCSOAR
24
事件响应与取证
AI安全事件分类分级，应急响应流程，模型取证分析技术。
响应取证
25
安全文化建设
团队安全意识培训，SSDLC融入，安全评审机制。
文化SSDLC
26
开源安全工具链
AI安全开源工具盘点（FATE、TF Encrypted、PySyft），工具选型指南。
开源工具
27
行业案例剖析
金融、医疗、自动驾驶AI安全落地案例，经验与教训。
案例行业
28
未来趋势与挑战
AI安全前沿技术（可解释AI、因果推理），量子计算潜在影响。
趋势前沿
29
实战项目
构建端到端AI安全防护系统（从威胁建模到策略部署）。
实战项目
30
课程总结与认证
核心知识回顾，常见面试题解析，安全认证路径建议（CISSP、CCSP、AI安全专项）。
总结认证