• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
14
Апрель

Методы машинного обучения в информационной безопасности

2021/2022
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты

Преподаватель


Баевский Юрий Евгеньевич

Программа дисциплины

Аннотация

Применение алгоритмов машинного обучения в информационной безопасности. Мы изучим наиболее распространенные проблемы, с которыми сталкиваются на практике при разработке систем машинного обучения в области информационной безопасности. Научимся применять методы машинного обучения для обеспечения информационной безопасности в различных областях экономической деятельности.
Цель освоения дисциплины

Цель освоения дисциплины

  • сформировать у студентов системное представление о теории и сформировать практические навыки применения методов машинного обучения в информационной безопасности при решении задач бизнес - информатики. Программа предусматривает лекции, практические занятия и выполнение заданий, отражающих реальное применение материалов курса при решении практических задач.
Планируемые результаты обучения

Планируемые результаты обучения

  • анализировать риски открытого и закрытого кода
  • управлять непрерывностью бизнес-процессов во время DDoS атаки.
  • анализировать ML алгоритмы на уязвимость
  • анализировать и управлять рисками
  • анализировать поведения в сети с использованием алгоритмов МЛ
  • анализировать практические ситуации
  • анализировать риски защищенности частной жизни
  • анализировать трафик с помощью ML алгоритмов
  • защищать критически важные данные от потери
  • Классифицировать уязвимости и угрозы
  • контролировать качества данных и эффективность моделей
  • примененять модели Cyber Kill Chain
  • применять ML алгоритмы для защиты от спама
  • применять методы статического анализа кода для поиска уязвимостей
  • применять промышленные системы проактивной защиты, построенные на использовании алгоритмов машинного обучения
  • управлять защитой во время таргетированной атаки
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Экономика кибератаки.
  • Понимание ландшафта угроз.
  • Понятие privacy.
  • Управление рисками информационной безопасности: методы и инструменты.
  • Как анализ данных и машинное обучение помогают в решении практических задач в области информационной безопасности.
  • Криптографические и стенографические методы защиты информации.
  • Уязвимости информационных систем.
  • Культурные особенности применения ИБ.
  • Рынок ошибок в ПО.
  • Бот-сети.
  • Фишинг, таргетированные атаки, социальная инженерия.
  • DDoS атаки.
  • Методы ML в статической и динамической верификации.
  • Атаки шифровальшиков-вымогателей.
  • Промышленные системы, использующие модели и алгоритмы машинного обучения.
  • Даркнет.
Элементы контроля

Элементы контроля

  • неблокирующий Доклад
  • неблокирующий Тест
  • неблокирующий Экзамен
    Итоговый контроль в 2019/2020 учебном году состоялся в 3 модуле
  • неблокирующий Доклад
  • неблокирующий Тест
  • неблокирующий Экзамен
    Итоговый контроль в 2019/2020 учебном году состоялся в 3 модуле
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 3 модуль
    0.7 * Экзамен + 0.15 * Доклад + 0.15 * Тест
Список литературы

Список литературы

Рекомендуемая основная литература

  • Mirkin, B. Core concepts in data analysis: summarization, correlation and visualization. – Springer Science & Business Media, 2011. – 388 pp.

Рекомендуемая дополнительная литература

  • Caravelli, J., & Jones, N. (2019). Cyber Security: Threats and Responses for Government and Business. Santa Barbara, CA: Praeger. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2014189