III уровень Кибербезопасность и защита данных

Методы искусственного интеллекта в кибербезопасности

Университет ИТМО

72,00 часа длительность

Онлайн формат

Базовый уровень

Описание

Программа посвящена технологиям защиты информации и кибербезопасности.

Не секрет, что в современном мире нас окружает огромное количество информации. Сложно представить отрасли современной и тем более цифровой экономики, в которых в той или иной степени не осуществлялась бы работа с большим объемом данных. Эту информацию нужно хранить, обрабатывать, анализировать и, конечно, защищать. Кибербезопасность является неотъемлемой частью современного информационного мира, и проникает чуть ли не во все его сферы, начиная с банальной индивидуальной информационной безопасности (защита персональных данных, противодействие сетевому мошенничеству, защита от спам сообщений и так далее) и заканчивая многоступенчатыми системами корпоративной информационной безопасности, средствами борьбы с ботнетами, противодействием фейкам и тому подобное.

Назначение программы обучения – познакомить слушателей с основными направлениями кибербезопасности и показать практические аспекты технологий, позволяющих осуществлять обнаружение различного рода угроз и производить их нейтрализацию. Современные методы защиты информации базируются на алгоритмах машинного обучения, поэтому в рамках курса слушатели сначала узнают, какие задачи решает машинное обучение, познакомятся с методами решении задач обучения с учителем: регрессии и классификации. Второй модуль курса посвящен непосредственному применению рассмотренных методов и алгоритмов в задачах кибербезопасности. В процессе выполнения практических упражнений курса слушатели познакомятся с приемами шифрования информации, калькуляторами угроз безопасности информации, методами предсказания и выявления сетевых атак, настройкой алгоритмов биометрической идентификации посредством платформы Azure ML Studio. Для работы с курсом требуется компьютер с выходом в интернет - для выполнения упражнений не потребуется установка программных средств на свой компьютер, все рекомендуемые в курсе инструменты доступны удаленно.

Цель программы

Дать навыки применения методов машинного обучения в задачах обеспечения кибербезопасности.

Требования

Высшее или среднее профессиональное образование

Требуется базовый уровень цифровой культуры: умение работать с офисными программами, с файловой системой, пользоваться сетью Internet

Иные требования и рекомендации для обучения по программе

Высшее или среднее профессиональное образование

Модули

свернуть

Модуль 1 Методы машинного обучения

Тема 1.1 Введение в машинное обучение Рассматриваются основные задачи, ветки и методы машинного обучения, а также необходимый для дальнейшего аппарат статистики. Тема 1.2 Задача регрессии Рассматриваются модели простейшей и множественной регрессии. Дается представление о полиномиальной регрессии. Тема 1.3 Задача классификации: вероятностный подход Рассматривается вероятностный подход к решению задачи классификации на примере наивного байесовского классификатора и его обобщений.

Подробнее

Модуль 2 Прикладные задачи искусственного интеллекта

Тема 2.1. Основы персональной информационной безопасности (8 час.) Рассматриваются основы персональной информационной безопасности, вредоносное ПО, парольные системы. Тема 2.2 Введение в информационную безопасность (8 час.) Рассматриваются симметричные системы шифрования, несимметричная криптография, алгоритм шифрования RSA и Эль-Гамаля, электронная подпись. Тема 2.3 Искусственный интеллект в задачах информационной безопасности (10 час.) Рассматриваются базовые понятия информационной безопасности, методы защиты информации. Роль ИИ в кибербезопасности, оценка алгоритмов машинного обучения. Тема 2.4 Обнаружение аномалий и атак в сетевом трафике (10 час.) Рассматривается применение МО для обнаружения сетевых атак и аномалий, межсетевые экраны и системы обнаружения вторжений. Тема 2.5 Идентификация. Биометрия (10 час.) Рассматриваются основы биометрии, виды аутентификации и задача отбора признаков. Состязательные атаки на биометрические системы.

Подробнее

Модуль 1 Методы машинного обучения

Подробнее

Модуль 2 Прикладные задачи искусственного интеллекта

Подробнее