Искусственный интеллект для информационной безопасности

О курсе

Цель обучения: совершенствование компетенций слушателей, необходимых

для их профессиональной деятельности в сфере информационной безопасности (ИБ) и

направленной на использование технологий ИИ при разработке алгоритмов и

программно-технических средств, решающих задачи ИБ в различных предметных

областях.

Программа курса

Естественный интеллект и когнитивные модели

Мозг как физическая и психологическая основа естественного интеллекта (ЕИ)

Интеллект и когнитивные функции

Соотношение знаний и данных в обработке информации

Искусственный интеллект и машинное обучение

Искусственный интеллект и его применение

Четыре подхода к искусственному интеллекту

Типы искусственного интеллекта

Введение в машинное и глубокое обучение

Стадии развития искусственного интеллекта

Обзор российских стандартов в сфере искусственного интеллекта

Существующие стандарты

Проекты стандартов

Базовые технологии искусственного интеллекта

Логические модели

Сетевые модели

Средства обработки неопределенности

Онтологические модели

Нейросетевые модели

Методы машинного обучения

Машинное обучение и глубокое обучение

Способы машинного обучения

Алгоритмы машинного обучения

Кейс – классификация видов ирисов

Объяснимые модели искусственного интеллекта

Что такое объяснимый искусственный интеллект

Типы объяснимости

Средства объяснимого искусственного интеллекта

Методы объяснимого искусственного интеллекта

Искусственный интеллект и информационная безопасность

Угрозы и риски искусственного интеллекта

Рынок услуг взломщиков

Сильный и слабый искусственный интеллект и кибербезопасность

Классификация сетевого трафика с помощью машинного обучения

Способы классификации трафика

Применение методов машинного обучения для классификации IP-трафика

Применение машинного обучения для обнаружения вредоносных программ

Классический статический анализ PE-файла и его заголовка

Подготовка набора данных и предварительная обработка данных

Обучение модели

Оценка модели

Полученные результаты и анализ моделей

Применение машинного обучения для защиты web-среды

Типы мошенничества и защищаемая информация

Обучение с учителем для решения задач по выявлению нарушений

Кластеризация нарушений

Кейс – обнаружение дипфейков

Искусственные иммунные системы в информационной безопасности

Принципы функционирования естественной иммунной системы

Информационно-вычислительные компоненты естественной иммунной системы

Сопоставление нервной и иммунной систем и их моделей

Принципы моделирования иммунной системы и модели иммунной сети

Иммунологический мониторинг информационных процессов в компьютерных системах

Обнаружение аномалий информационных процессов

Обнаружение вирусов

Иммунологические технологии идентификации личности по динамическим биометрическим параметрам

Безопасность в машинном обучении

Защита данных

Защита моделей

Защита конвейера обучения

Итоговая аттестация

Как вы будете учиться

Занятия

Занятия проводятся как очно в аудитории с непосредственным взаимодействием между преподавателем и слушателями. Для тех, кто не может присутствовать физически, предусмотрено участие через платформу MTS.link.

Процесс обучения

Занятия включают лекции, семинары и групповые проекты. Материалы подаются в виде презентаций, которые могут содержать графику, видео. Полученные знания закрепляются тестированиями и практическими заданиями, а затем вы получаете развернутую обратную связь от эксперта курса.

Сопровождение

Вы можете задавать вопросы преподавателю в режиме реального времени. Так же у каждой группы есть кураторы, которые всегда на связи и помогают решить организационные вопросы.

Академия

Курсы

Услуги

Библиотека

Контакты

О курсе

Программа курса

Естественный интеллект и когнитивные модели

Мозг как физическая и психологическая основа естественного интеллекта (ЕИ)

Интеллект и когнитивные функции

Соотношение знаний и данных в обработке информации

Искусственный интеллект и машинное обучение

Искусственный интеллект и его применение

Четыре подхода к искусственному интеллекту

Типы искусственного интеллекта

Введение в машинное и глубокое обучение

Стадии развития искусственного интеллекта

Обзор российских стандартов в сфере искусственного интеллекта

Существующие стандарты

Проекты стандартов

Базовые технологии искусственного интеллекта

Логические модели

Сетевые модели

Средства обработки неопределенности

Онтологические модели

Нейросетевые модели

Методы машинного обучения

Машинное обучение и глубокое обучение

Способы машинного обучения

Алгоритмы машинного обучения

Кейс – классификация видов ирисов

Кейс – классификация видов ирисов

Объяснимые модели искусственного интеллекта

Что такое объяснимый искусственный интеллект

Типы объяснимости

Средства объяснимого искусственного интеллекта

Методы объяснимого искусственного интеллекта

Искусственный интеллект и информационная безопасность

Угрозы и риски искусственного интеллекта

Рынок услуг взломщиков

Сильный и слабый искусственный интеллект и кибербезопасность

Классификация сетевого трафика с помощью машинного обучения

Способы классификации трафика

Применение методов машинного обучения для классификации IP-трафика

Применение машинного обучения для обнаружения вредоносных программ

Классический статический анализ PE-файла и его заголовка

Подготовка набора данных и предварительная обработка данных

Обучение модели

Оценка модели

Полученные результаты и анализ моделей

Применение машинного обучения для защиты web-среды

Типы мошенничества и защищаемая информация

Обучение с учителем для решения задач по выявлению нарушений

Кластеризация нарушений

Кейс – обнаружение дипфейков

Кейс – обнаружение дипфейков

Искусственные иммунные системы в информационной безопасности

Принципы функционирования естественной иммунной системы

Информационно-вычислительные компоненты естественной иммунной системы

Сопоставление нервной и иммунной систем и их моделей

Принципы моделирования иммунной системы и модели иммунной сети

Иммунологический мониторинг информационных процессов в компьютерных системах

Обнаружение аномалий информационных процессов

Обнаружение вирусов

Иммунологические технологии идентификации личности по динамическим биометрическим параметрам

Безопасность в машинном обучении

Защита данных

Защита моделей

Защита конвейера обучения

Итоговая аттестация

По окончании обучения выдается

Как вы будете учиться

Ваша заявка принята!

Ваша заявка принята!