Machine Learning for Cybersecurity

2021/2022

Academic Year

RUS

Instruction in Russian

4

ECTS credits

Delivered at:

Department of Information Systems and Technologies (Faculty of Informatics, Mathematics, and Computer Science (HSE Nizhny Novgorod))

Course type:

Elective course

When:

4 year, 3 module

Instructor

Baevsky, Yuri

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

Промежуточная аттестация

• 2021/2022 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