Plan du cours
Introduction à l'IA dans la cybersécurité
- Contexte actuel des cybermenaces
- Cas d'utilisation de l'IA en cybersécurité
- Aperçu des techniques d'apprentissage automatique et d'apprentissage profond
Collecte et prétraitement des données
- Sources de données de sécurité : journaux, alertes et trafic réseau
- Étiquetage et normalisation des données
- Gestion des ensembles de données déséquilibrés
Détection des menaces et identification des anomalies
- Apprentissage supervisé vs non supervisé
- Construction de modèles de classification pour la détection d'intrusion
- Techniques de clustering pour la détection d'anomalies
Automatisation des processus de sécurité avec l'IA
- IA pour l'automatisation de l'analyse du renseignement sur les menaces
- Plateformes d'orchestration, d'automatisation et de réponse en sécurité (SOAR)
- Étude de cas : automatisation de la détection et de la réponse aux hameçonnages
Analytique prédictive pour la cybersécurité
- Prévision des tendances d'attaque à l'aide de modèles de séries temporelles
- Utilisation du traitement du langage naturel (NLP) sur les rapports de menaces
- Construction d'un pipeline de prédiction des menaces
Réponse aux incidents avec des systèmes intelligents
- Construction d'un cadre de réponse aux incidents alimenté par l'IA
- Prise de décision en temps réel
- Intégration avec les plateformes SIEM et de renseignement sur les menaces
Outils et frameworks d'IA pour la cybersécurité
- Outils et bibliothèques open source (par exemple, Scikit-learn, TensorFlow, Keras)
- Plateformes d'analyse de sécurité et d'automatisation
- Considérations de déploiement
Considérations éthiques et opérationnelles
- Biais et équité dans les modèles d'IA
- Règlements et conformité
- Transparence et explicabilité
Projet final : Solution de cybersécurité alimentée par l'IA
- Conception et mise en œuvre d'une solution pilotée par l'IA pour un problème de cybersécurité réel
- Résolution collaborative de problèmes et développement de solutions
- Présentation et retours d'information
Résumé et prochaines étapes
Pré requis
- Une compréhension des concepts de base de la cybersécurité
- Expérience en programmation ou scripting (par exemple, Python)
- Familiarité avec les principes fondamentaux de l'apprentissage automatique
Public cible
- Analystes et ingénieurs en cybersécurité
- Professionnels de l'IA et des données scientifiques intéressés par les applications en cybersécurité
- Architectes de sécurité et gestionnaires TI
Nos clients témoignent (3)
Le partage d'expérience, c'est le savoir-faire et la valeur de l'enseignant.
Carey Fan - Logitech
Formation - C/C++ Secure Coding
Traduction automatique
comprendre davantage le produit et les principales différences entre RHDS et OpenLDAP open source.
Jackie Xie - Westpac Banking Corporation
Formation - 389 Directory Server for Administrators
Traduction automatique
les connaissances du formateur étaient très élevées - il savait de quoi il parlait et avait les réponses à nos questions
Adam - Fireup.PRO
Formation - Advanced Java Security
Traduction automatique