Съдържание и теми, включени в курса
Въведение в AI за киберсигурност
- Текущ пейзаж на кибер заплахите
- Случаи на употреба на AI в киберсигурността
- Общ преглед на техниките за машинно и дълбоко обучение
Събиране и предварителна обработка на данни
- Източници на данни за сигурността: логове, известявания и мрежов трафик
- Етикетиране и нормализиране на данни
- Работа с небалансирани набори от данни
Откриване на заплахи и идентифициране на аномалии
- Обучение с учител срещу обучение без учител
- Изграждане на класификационни модели за откриване на прониквания
- Клъстерни техники за откриване на аномалии
Автоматизация на процеси по сигурността с AI
- AI за автоматизиране на анализа на разузнавателна информация за заплахи
- Платформи за оркестрация, автоматизация и реакция на сигурността (SOAR)
- Казус: Автоматизиране на откриването и реакцията при фишинг
Прогнозен анализ за киберсигурност
- Прогнозиране на тенденции при атаки с помощта на модели за времеви редове
- Използване на обработка на естествен език (NLP) върху доклади за заплахи
- Изграждане на конвейер за прогнозиране на заплахи
Реакция при инциденти с интелигентни системи
- Изграждане на рамка за реакция при инциденти, захранвана от AI
- Вземане на решения за реакция в реално време
- Интеграция с платформи за SIEM и разузнаване на заплахи
AI инструменти и рамки за киберсигурност
- Инструменти и библиотеки с отворен код (напр. Scikit-learn, TensorFlow, Keras)
- Платформи за анализ на сигурността и автоматизация
- Съображения за внедряване
Етични и оперативни съображения
- Пристрастност и справедливост в AI моделите
- Регулации и съответствие
- Прозрачност и обяснимост
Финален проект: Решение за киберсигурност, захранвано от AI
- Проектиране и внедряване на решение, управлявано от AI, за реален проблем в киберсигурността
- Съвместно решаване на проблеми и разработка на решение
- Презентация и обратна връзка
Обобщение и следващи стъпки
Изисквания
- Разбиране на основни концепции за киберсигурност
- Опит с програмиране или скриптови езици (напр. Python)
- Запознатост с основите на машинното обучение
Аудитория
- Анализатори и инженери по киберсигурност
- Специалисти по AI и наука за данни с интерес към приложения в киберсигурността
- Архитекти на сигурността и ИТ мениджъри
Отзиви от участници (3)
Споделянето на опит е ценно и важно знание на учителя.
Carey Fan - Logitech
Курс - C/C++ Secure Coding
Машинен превод
да се запознаете по-добра с продукта и някои ключови разлики между RHDS и отворен код на OpenLDAP.
Jackie Xie - Westpac Banking Corporation
Курс - 389 Directory Server for Administrators
Машинен превод
знанието на тренера беше много високо - той знаеше за какво говори и имаше отговорите на нашите въпроси
Adam - Fireup.PRO
Курс - Advanced Java Security
Машинен превод