Eğitimin Amacı ve Kapsamı
Birçok kurumda üretim uygulamaları sıkı CI/CD ve DevSecOps kontrollerinden geçerken, veri bilimi ortamları aşırı yetkili Jupyter notebook'lar, kimlik doğrulamasız MLflow/Kubeflow panelleri ve imzasız model dosyalarıyla doğrudan üretime bağlanır. Eğitim, klasik DevSecOps pratiklerini makine öğrenmesi yaşam döngüsüne (MLSecOps) uyarlayarak veri kaynağından model sunumuna kadar kesintisiz bir güven zinciri kurmayı öğretir.
Katılımcılar MLflow/Kubeflow sıkılaştırması, CI/CD içinde otomatik ModelScan ve bağımlılık taraması, Sigstore/Cosign ile model ve container imzalama ve Kubernetes/KServe üzerinde en az yetkili çıkarım dağıtımını uygulamalı olarak yapılandırır.
Kimler Katılmalı?
- MLOps, LLMOps, DevOps ve platform mühendisleri
- DevSecOps, bulut güvenliği ve altyapı güvenliği ekipleri
- Modellerini üretim ortamına taşıyan makine öğrenmesi mühendisleri
- Ön koşul: Docker, Kubernetes, CI/CD ve temel MLOps araçlarına aşinalık
Kazanımlar
- Jupyter, feature store, eğitim kümesi ve model registry bileşenlerindeki yetki ve sızıntı açıklarını kapatmak
- CI/CD pipeline'ına model serileştirme (ModelScan), bağımlılık (SCA) ve container güvenlik taramaları eklemek
- Sigstore/Cosign ve SLSA provenance ile model ağırlıklarını ve eğitim çıktısını kriptografik olarak imzalamak
- KServe, Triton veya vLLM çıkarım pod'larını sadece imzalı modelleri çalıştıracak şekilde kısıtlamak
- GPU paylaşımlı Kubernetes kümelerinde ağ politikaları, sır yönetimi ve çalışma zamanı izlemesi kurmak
Konular
MLOps Saldırı Yüzeyi ve MLSecOps Mimarisi
- Notebook ortamları, S3/nesne depolama, deney izleme (MLflow) ve orkestrasyon (Kubeflow/Airflow) açıkları
- Gerçek dünyadaki ML platform ihlalleri: SSRF, uzaktan kod çalıştırma ve çalınan bulut kimlikleri
Güvenli Veri Bilimi Çalışma Alanları ve Eğitim Kümesi
- JupyterHub/notebook izolasyonu, geçici iş yükü kimlikleri (IRSA/Workload Identity) ve Vault ile sır yönetimi
- Eğitim pod'larında egress kısıtlama ve üretim verisine doğrudan erişimi kesen güvenli feature store desenleri
CI/CD'de Model Tarama, İmzalama ve Provenance
- ModelScan, Trivy ve CycloneDX AI-BOM üretiminin CI/CD pipeline'ına gömülmesi
- Sigstore Cosign ve OpenSSF Model Signing ile model ağırlıklarının imzalanması ve SLSA doğrulaması
Model Registry Yönetişimi ve Kabul Kapıları
- MLflow / bulut model registry üzerinde RBAC, onay akışları ve değiştirilemez (immutable) model sürümleri
- Staging'den Production'a geçişte otomatik güvenlik, adillik ve performans kapıları
Kubernetes ve KServe Çıkarım Altyapısı Güvenliği
- Kyverno/OPA Gatekeeper ile yalnızca imzalı container ve model artefaktlarının kabulü
- GPU izolasyonu (MIG/time-slicing riskleri), mTLS servis ağı ve çalışma zamanı (Falco) tehdit tespiti
Bu Kategorideki Diğer Eğitimler
-
OWASP Top 10 for LLM Applications listesindeki tüm kritik riskleri, doğrudan ve dolaylı prompt injection saldırılarını, güvensiz çıktı işleme, model DoS ve aşırı maliyet risklerini güvenli yazılım geliştirme (SSDLC) perspektifiyle öğreten eğitim.
- Canlı Kurs
- 5 modül
-
Klasik makine öğrenmesi, derin öğrenme ve LLM API'lerine karşı MITRE ATLAS, Counterfit, ART, garak ve PyRIT araçlarıyla uçtan uca model sızma testi (pentest) yürütmeyi ve teknik bulgu raporu hazırlamayı öğreten eğitim.
- Canlı Kurs
- 5 modül
-
Oltalama (phishing) ve zararlı yazılım tespitinden güvenlik açığı önceliklendirme, siber tehdit istihbaratı (CTI) analizi ve SecOps asistanlarına kadar siber güvenlikte makine öğrenmesi ve LLM kullanımını uygulamalı öğreten eğitim.
- Canlı Kurs
- 5 modül
-
EDR, NDR ve bulut telemetrisi üzerinde davranışsal makine öğrenmesi, dizi (sequence) modelleri ve grafik analizleriyle zararlı yazılım, fidye yazılımı, C2 iletişimi ve çok adımlı saldırı zincirlerini tespit etmeyi öğreten eğitim.
- Canlı Kurs
- 5 modül
-
Etiketli saldırı verisinin bulunmadığı log, ağ trafiği ve kullanıcı davranışı (UEBA) akışlarında Isolation Forest, Autoencoder, zaman serisi ve grafik tabanlı denetimsiz anomali tespiti kurmayı ve yanlış alarmları azaltmayı öğreten eğitim.
- Canlı Kurs
- 5 modül
-
SIEM, SOAR ve vaka yönetim süreçlerine LLM asistanları, doğal dilden KQL/SPL sorgu üretimi, otomatik alarm zenginleştirme, triyaj agent'ları ve olay özetleme iş akışlarını güvenli biçimde entegre etmeyi öğreten eğitim.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
