Von der Konversation zur Anwendung: Erstellen Sie Ihren ersten Cybersecurity-Analyse-AI-Agenten mit Google ADK + Local LLM

Diese Veranstaltung wird die Teilnehmer zu praktischen Erfahrungen mit Googles Open-Source-Framework ADK (Agent Development Kit) führen, kombiniert mit einem großen Sprachmodell, das auf ihren eigenen Computern läuft. Im Gegensatz zu Chatbots, die nur reagieren, werden wir einen AI-Agenten mit nur wenigen Dutzend Zeilen Python-Code erstellen, der selbstständig handeln kann. Sagen Sie einfach einen Satz, und er kann eine große Menge an Zugriffsprotokollen von Websites klassifizieren, verdächtige Angriffe identifizieren und einen Cybersecurity-Bericht mit einer Risikobewertung erstellen.Der Kurs wird sich auf drei zentrale Themen konzentrieren. Zuerst ist Local-first, wo das Modell auf Ihrem eigenen Computer über Ollama läuft, wodurch sichergestellt wird, dass sensible Sicherheitsprotokolle nicht in die Cloud gesendet werden müssen, die API-Kosten eliminiert werden und ein reibungsloser Offline-Betrieb ermöglicht wird – dies ist eine wesentliche Anforderung beim Umgang mit echten Cybersecurity-Daten. Zweitens ist Code-first, wo wir den Agenten durch Code definieren, ihn testbar, versionskontrolliert und für die Zusammenarbeit im Team geeignet machen. Schließlich haben wir eine sofort einsatzbereite visuelle Schnittstelle, adk web, wo Sie direkt nach dem Schreiben Ihres Codes im Browser mit dem Agenten kommunizieren können, sowie eine Verfolgungshistorie öffnen können, um Schritt für Schritt zu sehen, wie er denkt und entscheidet, welche Tools er anruft.Wir werden das Modell, die Werkzeuge und die Befehle persönlich wie Bausteine zusammenstellen. Durch diesen Kurs werden die Teilnehmer die grundlegenden Unterschiede zwischen AI-Agenten und regulären Chatbots verstehen, begreifen, warum Anwendungen mit sensiblen Daten lokale große Sprachmodelle wählen müssen, und lernen, reale Szenarien in eine Designmentalität von Werkzeugen, die Aufgaben erledigen, und Modellen, die Entscheidungen treffen, zu zerlegen, wodurch verstreute Ideen in einen wirklich operativen AI-Agenten verwandelt werden, der Daten intern hält und kontinuierlich erweitert werden kann.