up

Методы искусственного интеллекта в кибербезопасности

15 October - 24 December 2020 г.
The course has already started
Запись на курс закрыта
Подпишитесь на новости и узнайте дату следующего запуска

Дата начала записи на курс еще не объявлена

  • 2 недели

    длительность курса

  • около 36 часов в неделю

    понадобится для освоения

  • 2 зачётных единицы

    для зачета в своем вузе

Программа посвящена технологиям защиты информации и кибербезопасности. Не секрет, что в современном мире нас окружает огромное количество информации. Сложно представить отрасли современной и тем более цифровой экономики, в которых в той или иной степени не осуществлялась бы работа с большим объемом данных. Эту информацию нужно хранить, обрабатывать, анализировать и, конечно, защищать. Кибербезопасность является неотъемлемой частью современного информационного мира, и проникает чуть ли не во все его сферы, начиная с банальной индивидуальной информационной безопасности (защита персональных данных, противодействие сетевому мошенничеству, защита от спам сообщений и так далее) и заканчивая многоступенчатыми системами корпоративной информационной безопасности, средствами борьбы с ботнетами, противодействием фейкам и тому подобное. Назначение программы обучения – познакомить слушателей с основными направлениями кибербезопасности и показать практические аспекты технологий, позволяющих осуществлять обнаружение различного рода угроз и производить их нейтрализацию.

О курсе

Современные методы защиты информации базируются на алгоритмах машинного обучения, поэтому в рамках курса слушатели сначала узнают, какие задачи решает машинное обучение, познакомятся с методами решении задач обучения с учителем: регрессии и классификации. Второй модуль курса посвящен непосредственному применению рассмотренных методов и алгоритмов в задачах кибербезопасности. В процессе выполнения практических упражнений курса слушатели познакомятся с приемами шифрования информации, калькуляторами угроз безопасности информации, методами предсказания и выявления сетевых атак, настройкой алгоритмов биометрической идентификации посредством платформы Azure ML Studio. Для работы с курсом требуется компьютер с выходом в интернет - для выполнения упражнений не потребуется установка программных средств на свой компьютер, все рекомендуемые в курсе инструменты доступны удаленно.

Требования

Высшее или среднее профессиональное образование
Требуется базовый уровень цифровой культуры: умение работать с офисными программами, с файловой системой, пользоваться сетью Internet

Программа курса

Модуль 1
Методы машинного обучения

Тема 1.1 Введение в машинное обучение 
Рассматриваются основные задачи, ветки и методы машинного обучения, а также необходимый для дальнейшего аппарат статистики. 
Тема 1.2 Задача регрессии 
Рассматриваются модели простейшей и множественной регрессии. Дается представление о полиномиальной регрессии. 
Тема 1.3 Задача классификации: вероятностный подход 
Рассматривается вероятностный подход к решению задачи классификации на примере наивного байесовского классификатора и его обобщений.

Модуль 2
Прикладные задачи искусственного интеллекта

Тема 2.1. Основы персональной информационной безопасности 
Рассматриваются основы персональной информационной безопасности, вредоносное ПО, парольные системы. 
Тема 2.2 Введение в информационную безопасность 
Рассматриваются симметричные системы шифрования, несимметричная криптография, алгоритм шифрования RSA и Эль-Гамаля, электронная подпись. 
Тема 2.3 Искусственный интеллект в задачах информационной безопасности
Рассматриваются базовые понятия информационной безопасности, методы защиты информации. Роль ИИ в кибербезопасности, оценка алгоритмов машинного обучения. 
Тема 2.4 Обнаружение аномалий и атак в сетевом трафике
Рассматривается применение МО для обнаружения сетевых атак и аномалий, межсетевые экраны и системы обнаружения вторжений. 
Тема 2.5 Идентификация. Биометрия
Рассматриваются основы биометрии, виды аутентификации и задача отбора признаков. 
Состязательные атаки на биометрические системы.

Результаты обучения

  • 2.1. Знание (осведомленность в областях)
    • 2.1.1. Области применения цифровых технологий в личностной и профессиональной сферах
    • 2.1.2. Основные типы задач, решаемых в рамках областей машинного обучения и искусственного интеллекта
    • 2.1.3. Основные методы, используемые для решения задач областей машинного обучения и искусственного интеллекта
    • 2.1.4. Аналитические методы обработки данных, основы искусственного интеллекта
    • 2.1.5. Существующие методы работы с данными, области их применения, достоинства и недостатки
    • 2.1.6. Особенности информационных потоков в своей профессиональной области, правовые и этические аспекты распространения информации
    • 2.1.7. Основные цифровые технологии и алгоритмы их работы
    • 2.1.8. Области применения алгоритмов машинного и статистического обучений, искусственного интеллекта для решения прикладных задач
    • 2.1.9. Методы анализа данных для хранения, обработки и эффективного использования полученной информации
    • 2.1.10. Терминологию и методы, используемые в машинном обучении и искусственном интеллекте, для решения задач кибербезопасности
    • 2.1.11. Принципы анализа данных из области кибербезопасности
    • 2.1.12. Современные тенденции и тренды в инструментах, используемых для защиты информации
    • 2.1.13. Методы и алгоритмы шифрования информации
    • 2.1.14. Современные инструменты, применяемые в сфере обеспечения информационной безопасности
    • 2.1.15. Методы оценки качества алгоритмов классификации
    • 2.1.16. Приемы работы в инструментах анализа данных
    • 2.1.17. Современные инструменты анализа данных, а также их особенности применительно к сфере кибербезопасности
    • 2.1.18. Особенности применения методов машинного обучения и искусственного интеллекта в различных информационных системах
  • 2.2. Умение (способность к деятельности)
    • 2.2.1. Использовать компьютерную технику и цифровые технологии для автоматизации информационно-аналитической деятельности
    • применять методы машинного обучения для интерпретации и анализа данных из области информационной безопасности
    • 2.2.2. Отбирать технологии работы с информацией в зависимости от класса задач в области защиты данных
    • 2.2.3. Использовать компьютерную технику и цифровые технологии для автоматизации информационно-аналитической деятельности
    • 2.2.4. Планировать аналитические работы в информационно-технологическом проекте
    • 2.2.5. Применять методы статистического анализа данных
    • 2.2.6. Использовать различные инструменты хранения и обработки данных
    • 2.2.7. Проверять корректность построенной модели
    • 2.2.8. Интерпретировать результаты вероятностной классификации
    • 2.2.9. Подбирать приемы первичной обработки данных в зависимости от их структуры
    • 2.2.10. Использовать инструменты оценки уровня информационных угроз
    • 2.2.11. Применять алгоритмы шифрования и дешифрования информации
    • 2.2.12. Кастомизировать настраиваемые параметры инструмента для улучшения качества анализа данных предметной области
    • 2.2.13. Применять инструменты анализа данных к задачам, решаемым методами машинного обучения и искусственного интеллекта
    • 2.2.14. Настраивать информационные системы под нужды предметной области
    • 2.2.15. Использовать особенности реализации методов машинного обучения и искусственного интеллекта внутри информационной системы для более эффективного решения поставленной задачи
  • 2.3. Навыки (использование конкретных инструментов)
    • Инструменты: электронные таблицы, Azure ML Studio, WolframAlpha, Калькулятор уязвимостей
    • 2.3.1 Владеть аппаратом цифровых технологий для получения, обработки и передачи информации с помощью технических средств и методов
    • 2.3.2 Владеть методами обработки данных предметной области
    • 2.3.3 Владеть современными инструментами и компьютерными технологиями для решения задач, связанных с обработкой и анализом данных, применительно к любой предметной области.
    • 2.3.4 Владеть современными подходами и методами искусственного интеллекта в целом и машинного обучения в частности применительно к задачам обеспечения информационной безопасности, средствами и информационными технологиями для осуществления интеллектуального анализа данных
    • 2.3.5 Владеть методами описания моделей обрабатываемых данных
    • 2.3.6 Владеть методами концептуального, функционального и логического проектирования систем среднего и крупного масштаба и сложности — методами исследования зависимостей и закономерностей в данных
    • 2.3.7 Владеть подходами к восстановлению различных статистических зависимостей
    • 2.3.8 Владеть инструментами для осуществления качественного анализа построенной модели — широким кругозором как в сфере информационных систем, так и в сфере их адаптации к области обеспечения кибербезопасности
    • 2.3.9 Владеть современными инструментами обнаружения аномалий и атак в сетевом трафике, а также идентификации и биометрии
    • 2.3.10 Владеть навыками кастомизации информационной системы под задачи предметной области, приемами использования информационной системы
    • 2.3.11 Владеть приемами обучения использования информационной системы, настроенной под конкретную предметную область
    • 2.3.12 Владеть методами машинного обучения и искусственного интеллекта, реализованных в информационных системах

Знания

  • Области применения цифровых технологий в личностной и профессиональной сферах 
  • Основные типы задач, решаемых в рамках областей машинного обучения 
  • Основные методы, используемые для решения задач областей машинного обучения и искусственного интеллекта 
  • Существующие методы работы с данными, области их применения, достоинства и недостатки 
  • Области применения алгоритмов машинного и статистического обучений для решения прикладных задач 
  • Особенности информационных потоков в области защиты информации, правовые и этические аспекты распространения информации 
  • Особенности информационных потоков в области информационной безопасности, правовые и этические аспекты распространения информации 
  • Области применения алгоритмов машинного и статистического обучений, искусственного интеллекта для решения прикладных задач кибербезопасности 
  • Терминологию и методы, используемые в машинном обучении и искусственном интеллекте, для решения задач обеспечения кибербезопасности 

Умения

  • Отбирать технологии работы с информацией в зависимости от класса задач в области данных 
  • Использовать компьютерную технику и цифровые технологии для автоматизации информационно-аналитической деятельности 
  • Проверять корректность построенной модели 
  • Выбирать правильный инструмент для работы с данными, передающимися по сети, исходя из особенностей поставленной задачи обеспечения информационной безопасности. 
  • Использовать инструменты идентификации и аутинетификации 
  • Кастомизировать настраиваемые параметры инструмента для улучшения качества анализа данных при обеспечении кибербезопасности. 
  • Выбирать и использовать правильный инструмент для работы с системами идентификации и аутинетификации, исходя из особенностей предметной области 
  • Кастомизировать настраиваемые параметры инструмента для улучшения качества анализа данных в области кибербезопасности 

Навыки

  • Владеть аппаратом цифровых технологий для получения, обработки и передачи информации с помощью технических средств и методов 
  • Владеть методами обработки данных предметной области 
  • Владеть подходами к восстановлению различных статистических зависимостей
  • Владеть широким кругозором как в сфере информационных систем, так и в сфере их адаптации к области защиты информации 
  • Владеть современными инструментами анализа данных, передающихся по сети 
  • Владеть yавыками кастомизации информационной системы под задачи кибербезопасности 
  • Владеть некоторыми приемами адаптации информационных систем к области кибербезопасности

Волчек Дмитрий Геннадьевич

К.т.н.
Должность: доцент высшей школы цифровой культуры Университета ИТМО, программист международной научной лаборатории "Интеллектуальные методы обработки информации и семантические технологии" Университета ИТМО, научный сотрудник факультета программной инженерии и компьютерной техники Университета ИТМО

Михайлова Елена Георгиевна

К. ф.-м. н., доцент
Должность: Советник при ректорате-директор по направлению "цифровая культура" Университета ИТМО, директор высшей школы цифровой культуры Университета ИТМО

Бойцев Антон Александрович

К.ф.-м.н.
Должность: доцент факультета систем управления и робототехники, доцент высшей школы цифровой культуры Университета ИТМО

Егорова Ольга Борисовна

К.ф.н.
Должность: преподаватель высшей школы цифровой культуры Университета ИТМО

Романов Алексей Андреевич

К.т.н.
Должность: доцент высшей школы цифровой культуры Университета ИТМО, программист международной научной лаборатории "Интеллектуальные методы обработки информации и семантические технологии" Университета ИТМО, научный сотрудник факультета программной инженерии и компьютерной техники Университета ИТМО

Графеева Наталья Генриховна

Кандидат физико-математических наук
Должность: доцент высшей школы цифровой культуры Университета ИТМО

сертификат об окончании курса

Сертификат

Сертификат участника обычно выдается при достижении 60% от общего рейтинга при условии сдачи работ до жесткого дедлайна. Сертификат с отличием, как правило, выдается при достижении 90% от общего рейтинга при условии сдачи работ до мягкого дедлайна.