Методы машинного обучения в информационной безопасности

2022/2023

Учебный год

RUS

Обучение ведется на русском языке

4

Кредиты

Кто читает:

Кафедра информационных систем и технологий (Нижний Новгород) (Факультет информатики, математики и компьютерных наук (Нижний Новгород))

Статус:

Курс обязательный

Когда читается:

4-й курс, 3 модуль

Преподаватель

Осипова Анастасия Ивановна

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

• 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

• 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

• 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

• Доклад
• Тест
• Экзамен

Промежуточная аттестация

• 2022/2023 учебный год 3 модуль
  0.7 * Экзамен + 0.15 * Доклад + 0.15 * Тест

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

Авторы

• Баевский Юрий Евгеньевич