Detectar y Responder a Amenazas de IA Móvil

Resumen

Smartphones now run powerful on-device AI that learns from your behavior—and that means new risk. In this intermediate course, you’ll learn how AI turns phones into active attack surfaces and how adversaries weaponize deepfakes, side-channel inference, and mobile LLM agents.

Through short, focused videos and scenario-based discussions, you’ll see exactly how zero-permission sensors and cache traces reveal activity, how overlays and prompt injection hijack agents, and why “permissions” alone don’t ensure privacy. Then you’ll turn knowledge into action:

baseline telemetry, write simple detection rules, verify links and intents, quarantine devices, rotate tokens, and draft a one-page SOP.

AI-graded labs provide hands-on practice, and a capstone project ties everything together. By the end, you can detect, respond, and harden against AI-driven mobile threats—skills you can apply immediately at home or in an enterprise.

This course is designed for IT professionals, security analysts, mobile administrators, and technical learners who want to strengthen their ability to protect mobile environments from emerging AI-driven threats. It is also valuable for MDM specialists, SOC/incident response teams, and cybersecurity students looking to understand how modern AI models and agents are changing the mobile threat landscape.

Learners should have a basic understanding of mobile or IT security concepts, along with some comfort navigating Android settings, ADB, or Mobile Device Management (MDM) tools. General familiarity with AI systems or LLM-based agents will also help learners follow demonstrations and better understand how modern AI features influence mobile risk.

By the end of the course, learners will be able to analyze how AI-driven capabilities—such as sensors, on-device models, and autonomous agents—expand the mobile attack surface and enable scams like deepfake social engineering. They will evaluate real-world AI attack paths, including zero-permission inference and multi-layer agent exploits, and will be able to design a practical detection and response plan using clear rules, fast containment steps, and core resilience controls tailored for mobile environments.

Programa

• Comprendiendo las Amenazas Modernas de la IA Móvil
Este módulo establece el modelo mental de cómo la IA se integra en el teléfono—teclados, cámaras, sensores y agentes—y por qué eso amplía el riesgo. Los estudiantes examinan la ingeniería social de deepfakes y los ataques de inferencia sin permisos que filtran comportamientos. Conectan las capas de personas/modelo/GUI/sistema con incidentes reales. Una actividad introductoria breve desarrolla la intuición antes de profundizar en el trabajo técnico.
• Inmersión Técnica en Ataques Móviles Impulsados por IA
Este módulo examina la mecánica de las explotaciones móviles impulsadas por IA, desde la inferencia de sensores sin permisos hasta el secuestro de agentes de IA de múltiples capas. Los estudiantes estudian casos de investigación reales, exploran cómo el aprendizaje profundo amplifica los ataques y analizan ejemplos adversariales y malware habilitado por IA. El enfoque está en entender cómo las amenazas técnicas operan en la práctica, preparando a los estudiantes para la detección práctica en el siguiente módulo.
• Estrategias de Detección y Respuesta para Contrarrestar Amenazas de IA Móvil
Este módulo convierte la teoría en práctica al enfocarse en señales de detección, pasos de respuesta y controles de resiliencia. Los estudiantes diseñan reglas de telemetría, ejecutan una simulación de respuesta a incidentes y proponen medidas de fortalecimiento como listas de aprobación, enlaces verificados y atestación. El objetivo es construir una preparación práctica contra las amenazas impulsadas por IA en dispositivos móviles.

---

Impartido por

Reza Moradinezhad and Starweaver

---

Materias

Information Security (InfoSec)