Zabezpieczanie usługi Azure Machine Learning Workspaces za pomocą identyfikatora Entra

W miarę jak organizacje szybko wdrażają sztuczną inteligencję, zabezpieczanie zasobów i danych szkoleniowych staje się kluczowym priorytetem. Ochrona potoków uczenia maszynowego zaczyna się od solidnej kontroli opartej na tożsamości, a nie od polegania wyłącznie na granicach sieci. Ten kurs przedstawia podstawowe koncepcje zabezpieczeń opartych na tożsamości przy użyciu Entra ID i Azure Machine Learning. Przejdziesz od podstawowych ustawień zabezpieczeń do konfigurowania zaawansowanych kontroli dostępu, zapewniając bezpieczeństwo modeli, danych i zasobów obliczeniowych. Czego się nauczysz: - Zrozum podstawy bezpieczeństwa tożsamości i zasady zerowego zaufania w środowiskach AI. - Skonfiguruj zarządzane tożsamości, aby zabezpieczyć komunikację między usługą Azure Machine Learning a pamięcią masową w chmurze. - Zastosuj grupy i role zabezpieczeń Entra ID, aby wymusić dostęp z najmniejszymi uprawnieniami. - Wdrażaj zasady dostępu warunkowego, aby chronić wrażliwe obszary robocze uczenia maszynowego. - Skonfiguruj rejestrowanie inspekcji w celu monitorowania działań w obszarze roboczym i wykrywania potencjalnych anomalii bezpieczeństwa. Zaczniesz od zapoznania się z podstawową terminologią zabezpieczeń i podstawową architekturą usługi Azure Machine Learning. Następnie lekcje tekstowe przeprowadzą Cię krok po kroku przez scenariusze konfiguracji, wraz z praktycznymi przykładami zasad i fragmentami konfiguracji do przeczytania, analizy i zastosowania. Ten kurs jest przeznaczony dla początkujących w zakresie bezpieczeństwa chmury, naukowców zajmujących się danymi i administratorów chmurys, którzy chcą zbudować solidne podstawy w zabezpieczaniu obciążeń AI. Nie jest wymagane wcześniejsze zaawansowane doświadczenie w zakresie bezpieczeństwa. Zacznij uczyć się już dziś, aby tworzyć bezpieczne, zgodne i odporne środowiska uczenia maszynowego.