[Академия Информационных систем] Искусственный интеллект для информационной безопасности

[Fedor43]

Ссылка на картинку

Изучите применение технологий искусственного интеллекта и машинного обучения для решения задач информационной безопасности. Разберите практические кейсы: от классификации сетевого трафика и обнаружения вредоносного ПО до защиты моделей ИИ и выявления дипфейков.

Курс посвящен интеграции технологий искусственного интеллекта в процессы обеспечения информационной безопасности. Слушатели изучат базовые и объяснимые модели ИИ, российские стандарты и методы машинного обучения для защиты цифровых активов. В программе рассмотрены практические аспекты: применение ИИ для классификации трафика, обнаружения вредоносных программ и защиты web-среды. Особое внимание уделяется искусственным иммунным системам и безопасности самого процесса машинного обучения.

Обучение сочетает теоретические лекции с разбором практических кейсов и обратной связью от экспертов.

Преимущества 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.

В этом курсе:

• 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.

Программа:

1. Естественный интеллект и когнитивные модели:

• Мозг как физическая и психологическая основа естественного интеллекта
• Интеллект и когнитивные функции
• Соотношение знаний и данных в обработке информации

2. 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

3. Обзор российских стандартов в сфере искусственного интеллекта:

• Существующие стандарты
• Проекты стандартов

4. Базовые технологии искусственного интеллекта:

• Логические модели
• Сетевые модели
• Средства обработки неопределенности
• Онтологические модели
• Нейросетевые модели

5. Методы машинного обучения:

• Машинное обучение и глубокое обучение
• Способы машинного обучения
• Алгоритмы машинного обучения

6. Кейс — классификация видов ирисов

7. Объяснимые модели искусственного интеллекта:

• Что такое объяснимый искусственный интеллект
• Типы объяснимости
• Средства объяснимого искусственного интеллекта
• Методы объяснимого искусственного интеллекта

8. Искусственный интеллект и информационная безопасность:

• Угрозы и риски искусственного интеллекта
• Рынок услуг взломщиков
• Сильный и слабый искусственный интеллект и кибербезопасность

9. Классификация сетевого трафика с помощью машинного обучения:

• Способы классификации трафика
• Применение методов машинного обучения для классификации IP-трафика

10. 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

11. Применение машинного обучения для защиты web-среды:

• Типы мошенничества и защищаемая информация
• Обучение с учителем для решения задач по выявлению нарушений
• Кластеризация нарушений

12. Кейс — обнаружение дипфейков

13. 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

14. Безопасность в машинном обучении:

• Защита данных
• Защита моделей
• Защита конвейера обучения

Показать больше