Академия информационных систем
Искусственный интеллект для информационной безопасности
08 - 12 Февраля 2027 г.
Другие датыО курсе
Обучение сочетает теоретические лекции с разбором практических кейсов и обратной связью от экспертов.
Преимущества нашей программы
Актуальная специализация: фокус на пересечении двух ключевых технологических трендов – искусственного интеллекта и информационной безопасности.
Практическая направленность: разбор реальных сценариев применения, включая обнаружение дипфейков, анализ вредоносного ПО и классификацию трафика.
Интерактивный формат: возможность задавать вопросы преподавателю в реальном времени и получать развернутую обратную связь по практическим заданиям.
Комплексный подход к защите: изучение не только способов применения ИИ для обороны, но и методов защиты самих данных, моделей и конвейеров машинного обучения.
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
Удостоверение о повышении квалификации
Объяснимый ИИ (XAI): отдельный модуль, посвященный типам и методам объяснимости, позволяющим понимать логику принятия решений алгоритмами.
Бионические подходы: рассмотрение принципов работы искусственных иммунных систем для мониторинга процессов и обнаружения аномалий и вирусов.
Нормативная база: анализ действующих и проектных российских стандартов в сфере искусственного интеллекта и их применимости в задачах ИБ.
Безопасность ML: детальный разбор уязвимостей машинного обучения, включая способы защиты обучающих данных и финальных моделей от компрометации.
Как вы будете учиться
Получить персональное предложение
