Искусственный интеллект: применение в информационной безопасности

Программа

• Машинное обучение и ИБ

  • Методы ИИ

  • Что такое машинное обучение и чем не является машинное обучение

  • Практические варианты использования машинного обучения для обеспечения ИБ

  • Ограничения машинного обучения сфере ИБ

• Машинное обучение: задачи и методики

  • Тренировка алгоритмов машинного обучения

  • Алгоритмы классификации с учителем

  • Практические аспекты классификации

  • Задачи кластеризации

• Задачи выявления аномалий

  • Выявление вторжений с эвристиками

  • Выявление аномалий с помощью данных и алгоритмов

  • Трудности применения машинного обучения для выявления аномалий

  • Практические аспекты проектирования систем выявления аномалийПрактические аспекты проектирования систем выявления аномалий

  • Кейс: Обнаружение и классификация сетевых аномалий с использованием гибридных искусственных нейронных сетей

• Анализ вредоносного ПО

  • Вредоносное ПО, его классификация, состав

  • Генерация признаков (статический, динамический анализ и пр.)

  • Классификация: получение образцов и меток вредоносного ПО

  • Кейс: вредоносное машинное обучение (Adversarial Machine Learning, AML)

• Анализ сетевого трафика

  • Методы защиты сетей

  • Машинное обучение и обеспечение безопасности сетей

  • Создание модели прогнозирования для классификации сетевых атак

• Защита веб-приложений и веб-среды

  • Типы мошенничества и данные, которые могут защитить

  • Обучение с учителем для решения задач по выявлению нарушений

  • Кластеризация нарушений

  • Кейс: Выявление дипфейков

• Построение систем машинного обучения

  • Важные аспекты систем машинного обучения для обеспечения ИБ

  • Качество данных и модели

  • Эффективность и удобство сопровождения

  • Мониторинг

  • Безопасность и надежность

  • Уязвимости и атаки на системы машинного обучения

• Итоговая аттестация