Мы используем cookie-файлы для корректной работы сайта и аналитики. Продолжая пользоваться сайтом, вы соглашаетесь с нашей политикой конфиденциальности.

Ok, принять согласие

С 1 сентября 2026 г. действует закон об ИИ (№ 243-ФЗ) — требования к ИИ-системам переходят от принципов к конкретике. Разберём, что это значит для вашей компании.

старт 17 НОЯБРЯ 2026

Стратегия безопасности корпоративного
искусственного интеллекта

Практическая программа повышения квалификации для CISO, CTO, CAIO и руководителей ИБ. Защита LLM и данных, AI Governance, Zero Trust, SSDLC и разработка стратегии безопасности ИИ.

Записаться

Спросить

Подробнее

Дорожная карта безопасности ИИ

Системный подход к проектированию, защите и управлению корпоративными ИИ-системами

По мере развития мультиагентных ИИ-систем растёт скорость поиска уязвимостей и усложняется поверхность атаки. Программа помогает перейти от ручного управления отдельными мерами безопасности к системному проектированию защищённой ИИ-инфраструктуры — от данных и моделей до API, ИИ-агентов и корпоративных процессов.
Каждый участник разрабатывает основу стратегии безопасности ИИ для своей организации: карту рисков, план внедрения защитных мер и дорожную карту AI Governance.

Live-сессии и записи

онлайн-формат обучения
24 ак.часа

продолжительность курса
Нетворкинг

перед обучением и после
Удостоверение

о повышении квалификации

ЧТО ВЫ ПОЛУЧИТЕ

Знания
Атаки на LLM, RAG и ИИ-агентов: прямые и косвенные prompt injection, jailbreak, утечки через RAG, злоупотребление инструментами агентов — и как их закрывать.
Специфику угроз ИИ-систем. Data poisoning, inversion attacks
и другие векторы атак на данные и модели.
Безопасность ИИ-инфраструктуры. Особенности защиты LLM, ИИ-агентов, API и интеграций с корпоративными системами.
Безопасный жизненный цикл ИИ. Принципы SSDLC — от проектирования и разработки до эксплуатации и обновления моделей.
AI Governance и управление рисками. Подходы к управлению безопасностью ИИ на уровне всей организации.
Международные стандарты и фреймворки. AI TRiSM, Zero Trust for AI, ISO/IEC 42001 и NIST.
Регуляторные требования. Основные требования 152-ФЗ и риски утечек данных при работе с LLM и ИИ-инструментами.
Навыки
Выявлять риски ИИ-систем. Анализировать угрозы на уровне данных, моделей, API, ИИ-агентов и интеграций.
Оценивать уязвимости. Определять потенциальные сценарии атак и критические точки корпоративной ИИ-инфраструктуры.
Проектировать защиту ИИ. Формировать меры безопасности на разных этапах жизненного цикла модели по принципам SSDLC.
Выстраивать AI Governance.
Определять процессы, зоны ответственности и механизмы контроля использования ИИ.
Формировать требования безопасности. Разрабатывать требования к моделям, API, ИИ-агентам и интеграциям с корпоративными системами.
Создавать стратегию безопасности. Разрабатывать стратегию защиты ИИ и дорожную карту AI Governance на 3 года.
Инструменты
Инструменты: OWASP Top 10 for LLM, MITRE ATLAS, NIST AI RMF, ISO/IEC 42001 (ГОСТ Р ИСО/МЭК 42001-2024), Zero Trust для ИИ-пайплайна, методика ALE/FAIR, модель зрелости AI Governance, шаблоны RACI и Kill Switch, чек-лист 152-ФЗ для ИИ-системы, чек-лист защиты проекта (15 пунктов).

Регуляторика: 152-ФЗ и штрафы по ст. 13.11 КоАП; закон об ИИ № 243-ФЗ; обезличивание ПДн (233-ФЗ); EU AI Act.

Программа сочетает предзаписанные лекции и обучающие материалы с регулярным живым взаимодействием с экспертами:
лекции в записи (смотреть до встречи)
живые сессии во время онлайн-встреч: групповой аудит архитектуры, настройка защиты, расчёт рисков в формате «защита перед CFO»
предзащита и защита проекта

Комфортный режим обучения

НАЧАЛО ОБУЧЕНИЯ
17 ноября 2026 в 10:00

Программа курса
Стратегия безопасности искусственного интеллекта

17.11, 19.11, 24.11, 26.11, 01.12, 03.12

Модуль 0: Установочная сессия

Модуль 1: Стратегия безопасности ИИ: почему ИИ становится объектом управления на уровне совета директоров

Модуль 2: Архитектура и инфраструктура ИИ: где находится ИИ и как его защищать

Модуль 3: Data Governance и защита данных для ИИ

Модуль 4: Жизненный цикл моделей и угрозы их безопасности

Модуль 5: Построение корпоративной системы защиты ИИ

Модуль 6: Количественная оценка рисков ИИ и экономика защиты

Модуль 7: Roadmap и стратегия развития AI Governance

Модуль 8: Публикация и защита проектов

24 часа

Подробнее

Кому и в какой ситуации будет полезна программа

Что нужно на входе: высшее или среднее профессиональное образование (требование для ПК), базовое понимание ML/LLM-пайплайнов, от 2 лет опыта в ИБ, рисках или ИТ-архитектуре

CISO, руководители ИБ, CTO, CAIO, юристы и комплаенс-офицеры, архитекторы ИИ и данных, ML-инженеры и MLOps, DPO
- Зачем: компания активно внедряет LLM, ИИ-агентов и AI-сервисы, но безопасность развивается фрагментарно: нет единой стратегии защиты данных, моделей, API и ИИ-инфраструктуры.
- Что минимизируем: разрозненное управление рисками, утечки через промпты и API, уязвимости ИИ-моделей и отсутствие единого подхода к AI Governance. Вместо ручного управления — системная стратегия безопасности ИИ на всём жизненном цикле.
Для компаний и корпораций:
- Зачем: компания масштабирует использование LLM, ИИ-агентов и корпоративных AI-сервисов, интегрируя их с данными, CRM, ERP и внутренними системами. Возникает необходимость в единой архитектуре безопасности и AI Governance
- Что минимизируем: разрозненные политики безопасности, неконтролируемое использование ИИ, риски утечек через API и промпты, уязвимости моделей и агентов, отсутствие единой системы управления рисками и долгосрочной стратегии.

Задать вопрос

Эксперты программы обучения

Андрей Коршунов

Руководитель отдела информационной безопасности MWS AI
Константин Шемякин

Архитектор информационной безопасности MWS AI
Сандра Фадеева

Сооснователь «Агентства Искусственного Интеллекта», входит в ТОП-100 экспертов по ИИ в России. Автор ГОСТов по архитектуре V2X и составу функциональных подсистем ИИ.

стоимость обучения

Формат: видеолекции + живые встречи + постоянный чат с экспертами.
Продолжительность: 7 модулей и 6 живых встреч (24 ак.часа)
Документ: удостоверение о повышении квалификации установленного образца.
Поддержка: от группы экспертов в чатах во внеучебное время, консультации.
Договор оферты
Реквизиты

Записаться

Формат: видеолекции + живые встречи + постоянный чат с экспертами.
Продолжительность: 7 модулей и 6 живых встреч (24 ак.часа).
Документ: удостоверение о повышении квалификации установленного образца.
Поддержка: от группы экспертов в чатах во внеучебное время, консультации.
При направлении 4-х и более сотрудников от одной организации цена за четвёртого и каждого последующего слушателя составляет 40 000 ₽ (вместо 80 000 ₽). При обучении 4+ человек экономия достигает 50%, начиная с 4-го участника.

Записаться

подтверждение квалификации

Нормативно-правовые и стандартные документы:

Федеральный закон от 29.12.2012 № 273-ФЗ «Об образовании в Российской Федерации»
ГОСТ Р ИСО/МЭК 42001-2024 и ГОСТ Р 70889-2023
Федеральный закон от 26.07.2026 № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации»
Методические рекомендации Минцифры РФ по этике и безопасности ИИ (2024–2025).
Стандарты подкомитета ISO/IEC JTC 1/SC 42 (в т. ч. ISO/IEC 42001)».

Лицензия Учебный Центр «АИИ»: регистрационный номер: Л035-01298-77/01264001 Выдана: Департаментом образования и науки города Москвы. Дата: 24 июня 2024 года. Статус: действующая - Право на дополнительное профессиональное образование.

Выдача удостоверений осуществляется на основании лицензий на образовательную деятельность:

ПРОГРАММА разработана
экспертами

Остались вопросы

Практическая программа повышения квалификации, которая научит интегрировать генеративный ИИ в бизнес-процессы, безопасно использовать корпоративные данные и создавать рабочие приложения в no-code формате — без написания кода.

ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ «МВС ИИ»

ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ
«АГЕНТСТВО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА»

ПРОГРАММА КУРСА

с 17 ноября по 3 декабря 2026

17.11.2026

Установочная сессия

Знакомство, разбор задач участников. Каждый выбирает ИИ-систему своей компании (действующую или планируемую) — она станет сквозным проектом курса. Разбираем структуру итогового проекта, чек-лист защиты из 15 пунктов и порядок сдачи самостоятельных работ.

Результат: выбран объект проекта, заполнен паспорт ИИ-системы»

свободный доступ к записи

Модуль 1. Стратегия безопасности ИИ: почему ИИ становится объектом управления на уровне совета директоров

Модуль 1: Стратегия безопасности ИИ: риски, стандарты, контроли

Что изучим

роль риск-комплаенс-безопасности и риск-функции при принятии решений о внедрении ИИ;
технологические, репутационные, правовые, регуляторные и этические риски ИИ;
риски дискриминации и неверных бизнес-решений;
NIST AI RMF, ISO/IEC 42001, EU AI Act;
реальные кейсы утечек, судебных исков и ошибок ИИ при кредитовании и найме.

Практический результат: карта рисков своей ИИ-системы по 5 категориям
Участник получает целостное представление о том, почему безопасность ИИ должна рассматриваться как стратегическая задача компании, а не только как техническая функция ИБ.

свободный доступ к записи

Модуль 2. Архитектура и инфраструктура ИИ: где находится ИИ и как его защищать

Что изучим

облачные, on-premise и гибридные модели развертывания;
использование LLM API и моделей как сервиса;
угрозы supply chain;
безопасность CI/CD и модельного хостинга;
model registry: MLflow, Hugging Face;
риски использования сторонних моделей;
безопасность API и управление токенами;
Zero Trust и сетевую сегментацию;
контроль привилегий и разграничение тенантов;
реальные сценарии атак на ИИ-инфраструктуру, включая извлечение модели через API.

Практический результат: архитектурная схема, Zero Trust-карта, топ-5 уязвимостей
Участник сможет определить ключевые точки атаки в архитектуре ИИ-системы и сформировать требования к её защищённой инфраструктуре.

свободный доступ к записи

Модуль 3. Data Governance и защита данных для ИИ

Что изучим

классификацию данных и их жизненный цикл;
требования к обработке данных в соответствии с 152-ФЗ;
data poisoning, label flipping и backdoor attacks;
inversion attacks;
риски утечек через промпты и ответы ИИ;
динамическую маскировку чувствительной информации в промптах;
безопасную разметку и анонимизацию;
политики и процедуры доступа к данным.

Практический результат: карта данных, матрица угроз, чек-лист 152-ФЗ
Участник сможет определить, какие данные используются ИИ-системой, какие из них требуют дополнительной защиты и какие меры необходимо внедрить для снижения риска их компрометации.

свободный доступ к записи

Модуль 4. Жизненный цикл моделей и угрозы их безопасности

Что изучим

жизненный цикл модели: от обучения до вывода в production;
угрозы на разных этапах SSDLC;
adversarial examples;
model extraction;
membership inference;
robustness и explainability;
continuous monitoring;
Prompt injection и jailbreak;
копирование модели и извлечение обучающих данных;
дрейф данных и концепции;
происхождение и версионирование моделей;
программа атакующей проверки (red teaming) по MITRE ATLAS и OWASP Top 10 for LLM.

Практический результат: план red teaming-кампании
Участник сможет выстроить систему контроля безопасности модели на протяжении её жизненного цикла — от разработки и тестирования до эксплуатации и мониторинга.

свободный доступ к записи

Модуль 5. Построение корпоративной системы
защиты ИИ

Что изучим

принципы Secure by Design и Privacy by Design;
инструменты защиты LLM и ML;
Rebuff;
NeMo Guardrails;
LLM Guard;
Prompt Injection Detector;
логирование и аудит действий ИИ;
форензику;
инцидент-менеджмент для ИИ;
критерии отключения модели при инциденте;
политики работы с промптами;
контроль доступа и мониторинг;
распределение ответственности и RACI-матрицу;
корпоративный LLM-шлюз как единая точка контроля;
Kill Switch (кто, когда и за сколько минут отключает модель);
инструменты red teaming (Garak, PyRIT);

Практика

ломаем незащищённый чат → включаем LLM Guard → ищем обходы.

Практический результат: стек защиты, 3 RACI-матрицы, регламент Kill Switch
Участник сможет сформировать набор организационных и технических мер защиты ИИ и определить, кто отвечает за их внедрение и контроль.

свободный доступ к записи

Модуль 6. : Количественная оценка рисков ИИ и экономика защиты

Что изучим

сценарий риска → SLE / ARO / ALE, FAIR;
экономический эффект и TCO защиты;
реальные штрафы (КоАП 13.11, EU AI Act) без завышения;
три уровня AI Governance и AI-комитет;

Практика
Защитите расчёт перед CFO.

Практический результат: расчёт ALE по топ-5 рискам и бизнес-кейс
Участник сможет перевести риски ИИ из качественных формулировок в измеримую модель, определить приоритеты защиты и связать их с бизнес- и регуляторными требованиями.

свободный доступ к записи

Модуль 7.

Что изучим

формирование стратегических целей безопасности ИИ;
определение целевой модели защиты;
оценку исходного уровня зрелости организации;
построение дорожной карты на 3 года;
планирование проектов и этапов по кварталам;
организацию процессов контроля;
роли и ответственность комитетов;
приоритизацию инициатив AI Governance;
модель зрелости AI Governance (5 уровней),
4 трека roadmap;
scoring инициатив;
как защитить roadmap перед советом директоров.

Практика
Разработка draft-roadmap — 1,5 часа
Участники разрабатывают собственную дорожную карту развития системы безопасности ИИ в Miro.

Предзащита проекта
0,5 часа на группу
Участники представляют проекты в формате 3–4 минут и получают обратную связь перед финальной защитой.

Практический результат: roadmap на 3 года × 4 трека с бюджетом
Готовый Roadmap AI Governance на 3 года, адаптированный под исходный уровень зрелости и задачи организации.

3.12.2026

Защита стратегии безопасности ИИ

Каждый участник разрабатывает и защищает проект стратегии безопасности ИИ для своей компании.

Участник последовательно показывает:
Процессы → данные → программные продукты → инфраструктура → необходимые вложения → экономический эффект.
Формат защиты
10 минут — презентация проекта
5 минут — вопросы комиссии
Презентация может быть выполнена в формате: