Seguridad de IA Móvil: Protegiendo Modelos de Machine Learning en Dispositivos

A medida que los modelos de machine learning se trasladan de entornos de nube seguros directamente a los dispositivos móviles, se vuelven vulnerables a nuevas amenazas de seguridad. Proteger estos modelos en dispositivos es fundamental para mantener la privacidad del usuario y salvaguardar la propiedad intelectual propietaria. En este curso de solo texto, aprenderás los fundamentos de la seguridad de IA móvil, enseñándote a identificar vulnerabilidades e implementar defensas robustas para modelos que se ejecutan localmente. Comenzarás con la terminología clave, definiciones fundamentales y conceptos básicos de implementación en el borde (edge) antes de pasar a medidas de seguridad prácticas. Lo que aprenderás: * Comprender los conceptos fundamentales de IA móvil, incluida la cuantización de modelos y la implementación en el borde; * Identificar amenazas de seguridad comunes como ataques adversarios, extracción de modelos e ingeniería inversa; * Proteger modelos locales utilizando cifrado y entornos de ejecución seguros como Core ML y TensorFlow Lite; * Aplicar técnicas básicas de modelado de amenazas específicamente diseñadas para machine learning en dispositivos; * Implementar estrategias defensivas para detectar y mitigar entradas adversarias en aplicaciones móviles. El flujo del curso comienza con los conceptos centrales de los frameworks de ML móvil, transita hacia la identificación de amenazas y concluye con patrones defensivos prácticos explicados a través de guías escritas y fragmentos de código. Este curso está diseñado para principiantes, desarrolladores móviles y entusiastas de la seguridad, sin requerir conocimientos avanzados de criptografía o machine learning. Comienza a construir aplicaciones de IA móvil más seguras y resilientes hoy mismo.