کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش هوش مصنوعی کامل برای امنیت سایبری ۲۰۲۴ - آخرین آپدیت

دانلود The Complete Artificial Intelligence for Cyber Security 2024

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

قدرت علم داده، یادگیری ماشین و یادگیری عمیق برای ساخت هوش مصنوعی قدرتمند در کاربردهای دنیای واقعی

*** همانطور که در کیک استارتر دیده شده است ***

مفاهیم کلیدی هوش مصنوعی و آموزش شهودی را بیاموزید تا به سرعت با تمام جنبه‌های هوش مصنوعی آشنا شوید. این دوره شامل:

  • نحوه شروع ساخت هوش مصنوعی بدون تجربه کدنویسی قبلی با استفاده از پایتون.
  • نحوه حل مسائل هوش مصنوعی در حوزه امنیت سایبری.

در این دوره چه چیزهایی دریافت خواهید کرد:

  1. مهارت‌های کامل هوش مصنوعی از مبتدی تا متخصص – کدنویسی هوش مصنوعی خود-بهبوددهنده را برای طیف وسیعی از اهداف بیاموزید. در واقع، من همراه با شما کدنویسی خواهم کرد. هر آموزش با یک صفحه خالی شروع می‌شود و ما کد را از ابتدا می‌نویسیم. به این ترتیب می‌توانید دنبال کنید و دقیقاً بفهمید که کد چگونه کنار هم قرار می‌گیرد و هر خط به چه معناست.
  2. مراحل کدنویسی – علاوه بر این، یک قالب دریافت خواهید کرد که تمام مراحل و توضیحات دقیق در هر مرحله را نشان می‌دهد.
  3. آموزش‌های شهودی – در حالی که اکثر دوره‌ها صرفاً شما را با تئوری‌های فشرده بمباران می‌کنند و شما را رها می‌کنند، شما درک عمیقی نه تنها از آنچه انجام می‌دهید، بلکه از چرایی انجام آن خواهید داشت. به همین دلیل من تئوری‌های پیچیده را به شما تحمیل نمی‌کنم، بلکه بر روی ایجاد شهود شما در کدنویسی هوش مصنوعی تمرکز می‌کنم که نتایج بسیار بهتری را در آینده به همراه خواهد داشت.
  4. راهکارهای دنیای واقعی – هدف خود را نه تنها در ۱ پروژه، بلکه در بیش از ۱۰ پروژه به دست خواهید آورد. هر ماژول شامل ساختارها و دشواری‌های متفاوتی است، به این معنی که شما مهارت کافی برای ساخت هوش مصنوعی قابل انطباق با هر پروژه‌ای در زندگی واقعی را خواهید داشت، به جای اینکه صرفاً یک "تست و فراموشی" حافظه را پشت سر بگذارید، همانطور که در اکثر دوره‌های دیگر اتفاق می‌افتد. تمرین واقعاً شما را کامل می‌کند.
  5. پشتیبانی در طول دوره – من کاملاً متعهد هستم که این دوره هوش مصنوعی را به قابل دسترس‌ترین و نتیجه‌محورترین دوره در جهان تبدیل کنم. این امر مستلزم حضور من در زمان نیاز شما به کمکم است. به همین دلیل من از سفر شما حمایت خواهم کرد، به این معنی که حداکثر ظرف ۷۲ ساعت پاسخی از من دریافت خواهید کرد.

موضوعات کلیدی پوشش داده شده:

  • علم داده (Data Science)
  • یادگیری ماشین (Machine Learning)
  • یادگیری عمیق (Deep Learning)
  • هوش مصنوعی (Artificial Intelligence - AI)
  • Isolation Forest
  • Markov Chains
  • Statsmodels
  • پردازش زبان طبیعی (Natural Language Processing - NLP)
  • رگرسیون خطی (Linear Regression)
  • رگرسیون لجستیک (Logistic Regression)
  • Naïve Bayes
  • شبکه عصبی مصنوعی (Artificial Neural Network - ANN)
  • Random Forest
  • K-means
  • HMM
  • Eigenfaces and Eigenvalues
  • ماشین بردار پشتیبان (Support Vector Machine - SVM)
  • XGBOOST
  • Pandas
  • Numpy
  • matplotlib
  • IF-IDF
  • Tensorflow
  • Scikit-Learn
  • امنیت سایبری (Cyber security)
  • Google Colab
  • پیش‌پردازش داده (Data Pre-processing)
  • تحلیل داده (Analysing Data)
  • استانداردسازی داده (Data standardization)
  • تقسیم داده به مجموعه آموزش و مجموعه آزمون (Splitting Data into Training Set and Test Set)
  • رمزگذاری One-hot (One-hot Encoding)
  • درک الگوریتم یادگیری ماشین (Understanding Machine Learning Algorithm)
  • آموزش شبکه عصبی (Training Neural Network)
  • ساخت مدل (Model building)
  • تحلیل نتایج (Analysing Results)
  • کامپایل مدل (Model compilation)
  • مقایسه مسائل دسته‌ای و باینری (A Comparison Of Categorical And Binary Problem)
  • پیش‌بینی (Make a Prediction)
  • تست دقت (Testing Accuracy)
  • ماتریس سردرگمی (Confusion Matrix)
  • Keras

پیش‌نیازها:

هیچ پیش‌نیاز رسمی وجود ندارد.

داشتن دانش اولیه پایتون مفید خواهد بود.

اما همه چیز از ابتدا آموزش داده خواهد شد.

سرفصل ها و درس ها

مقدمه‌ای بر هوش مصنوعی و امنیت سایبری (به‌روز شده در ۲۰۲۴) Introduction to Artificial Intelligence and Cybersecurity (Updated in 2024)

  • ساختار دوره Course structure

  • نکته مهم درباره ابزارهای این دوره Important note about tools in this course

  • چگونه از این دوره بیشترین بهره را ببرید How to make the most out of this course

  • محتوای به‌روز شده UPDATED CONTENT

  • مفاهیم پایه یادگیری ماشین (به‌روز شده در ۲۰۲۵) Basic concepts of machine learning (Updated on 2025)

  • مقدمه‌ای بر امنیت سایبری و تهدیدات رایج سایبری Introduction to cybersecurity and common cyber threats

  • نقش هوش مصنوعی در امنیت سایبری چیست What is the Role of AI in cybersecurity

(محتوای جدید) مقدمه (NEW CONTENT) Introduction

  • ساختار دوره Course structure

  • چگونه از این دوره بهترین استفاده را ببریم How To Make The Most Out Of This Course

  • این دوره برای چه کسانی است؟؟؟؟ Who is this course for????

  • دوره چگونه کار می کند؟ How does the course work?

  • نکته مهم در مورد ابزارهای این دوره Important note about tools in this course

  • نوع یادگیری ماشینی Type of Machine learning

  • هوش مصنوعی در زمینه امنیت سایبری AI in the context of cybersecurity

(محتوای جدید) مقدمه (NEW CONTENT) Introduction

  • ساختار دوره Course structure

  • چگونه از این دوره بهترین استفاده را ببریم How To Make The Most Out Of This Course

  • این دوره برای چه کسانی است؟؟؟؟ Who is this course for????

  • دوره چگونه کار می کند؟ How does the course work?

  • نکته مهم در مورد ابزارهای این دوره Important note about tools in this course

  • نوع یادگیری ماشینی Type of Machine learning

  • هوش مصنوعی در زمینه امنیت سایبری AI in the context of cybersecurity

مبانی یادگیری ماشین برای امنیت سایبری (به‌روز شده ۲۰۲۴) Fundamentals of Machine Learning for Cybersecurity (UPDATED 2024)

  • مبانی یادگیری نظارت شده، بدون نظارت و تقویتی (به‌روز شده در ۲۰۲۵) Basics of supervised, unsupervised, and reinforcement learning (Updated on 2025)

  • اسکیکیت-لِرن (scikit-learn) چیست؟ (به‌روز شده در ۲۰۲۵) What is scikit-learn? (Updated on 2025)

  • پانداس (pandas) چیست؟ (به‌روز شده در ۲۰۲۵) what is pandas? (Updated on 2025)

  • نام‌پای (numpy) چیست؟ (به‌روز شده در ۲۰۲۵) What is numpy (updated on 2025)

  • پیاده‌سازی یادگیری ماشین پایه در امنیت سایبری Implementation of basic machine learning in cyber security

  • استانداردسازی چیست؟ (به‌روز شده در ۲۰۲۵) what is standardization ? (Updated on 2025)

  • پیاده‌سازی استانداردسازی Implementation of standardization

  • تحلیل مولفه‌های اصلی (PCA) چیست؟ what is principal component analysis (pca)?

  • پیاده‌سازی تحلیل مولفه‌های اصلی Implementation of principal component analysis

  • زنجیره‌های مارکوف (Markov chains) چیست؟ (به‌روز شده در ۲۰۲۵) What is markov chains? (Updated on 2025)

  • پیاده‌سازی زنجیره‌های مارکوف Implementation of markov chains

  • خوشه‌بندی چیست؟ (به‌روز شده در ۲۰۲۵) what is clustering (Updated on 2025)

  • پلاتلی (plotly) چیست؟ (به‌روز شده در ۲۰۲۵) what is plotly (Updated on 2025)

  • پیاده‌سازی خوشه‌بندی Implementation of clustering

  • طبقه‌بند XGBOOST چیست؟ (به‌روز شده در ۲۰۲۵) What is XGBOOST classifier (Updated on 2025)

  • پیاده‌سازی طبقه‌بند XGBOOST Implementation of XGBOOST classifier

  • سای‌پای (scipy) چیست؟ (به‌روز شده در ۲۰۲۵) what is scipy? (Updated on 2025)

  • مَتلِت‌لیب (matplotlib) چیست؟ (به‌روز شده در ۲۰۲۵) what is matplotlib? (Updated on 2025)

  • جنگل انزوا (Isolation Forest) چیست؟ (به‌روز شده در ۲۰۲۵) What is isolation forest (Updated on 2025)?

  • پیاده‌سازی جنگل انزوا؟ Implementation of Isolation forest?

  • همسایگان نزدیک K (K-nearest Neighbors) چیست؟ (به‌روز شده در ۲۰۲۵) What is K-nearest Neighbors (Updated on 2025)

  • هشینگ وکتورایزر (hashing vectorizer) چیست؟ (به‌روز شده در ۲۰۲۵) what is hashing vectorizer (Updated on 2025)

  • TF-IDF چیست؟ what is tf-idf?

  • پیاده‌سازی هشینگ وکتورایزر و TF-IDF با اسکیکیت-لِرن Implementation of hashing vectorizer and tf-idf with scikit-learn

یادگیری ماشین اولیه برای امنیت سایبری (محتوای جدید) Basic machine learning for cyber security (NEW CONTENT)

  • معرفی Introduction

  • تست قطار تقسیم داده ها مقدمه Train test splitting the data Introduction

  • آزمایش قطار تقسیم داده ها پیاده سازی Train test splitting the data Implemetation

  • استاندارد کردن داده های شما Standardizing your data

  • خلاصه کردن داده های بزرگ با استفاده از تحلیل مؤلفه های اصلی Summarizing large data using principal component analysis

  • تولید متن با استفاده از زنجیره مارکوف Generating text using Markov chains

  • انجام خوشه بندی با استفاده از scikit-learn Performing clustering using scikit-learn

  • آموزش طبقه بندی کننده XGBoost Training an XGBoost classifier

  • تجزیه و تحلیل سری های زمانی با استفاده از مدل های آماری Analyzing time series using statsmodels

  • تجزیه و تحلیل سری های زمانی با استفاده از مدل های آماری توضیح Analyzing time series using statsmodels Explanation

  • تشخیص ناهنجاری با معرفی جنگل ایزوله Anomaly detection with Isolation Forest introduction

  • تشخیص ناهنجاری با اجرای جنگل ایزوله Anomaly detection with Isolation Forest Implementation

  • تشخیص ناهنجاری با توضیح جنگل ایزوله Anomaly detection with Isolation Forest Explanation

  • پردازش زبان طبیعی با استفاده از بردار هش و tf-idf مقدمه Natural language processing using a hashing vectorizer and tf-idf Introduction

  • پردازش زبان طبیعی با استفاده از بردار هش و پیاده سازی tf-idf Natural language processing using a hashing vectorizer and tf-idf Implementation

یادگیری ماشین اولیه برای امنیت سایبری (محتوای جدید) Basic machine learning for cyber security (NEW CONTENT)

  • معرفی Introduction

  • تست قطار تقسیم داده ها مقدمه Train test splitting the data Introduction

  • آزمایش قطار تقسیم داده ها پیاده سازی Train test splitting the data Implemetation

  • استاندارد کردن داده های شما Standardizing your data

  • خلاصه کردن داده های بزرگ با استفاده از تحلیل مؤلفه های اصلی Summarizing large data using principal component analysis

  • تولید متن با استفاده از زنجیره مارکوف Generating text using Markov chains

  • انجام خوشه بندی با استفاده از scikit-learn Performing clustering using scikit-learn

  • آموزش طبقه بندی کننده XGBoost Training an XGBoost classifier

  • تجزیه و تحلیل سری های زمانی با استفاده از مدل های آماری Analyzing time series using statsmodels

  • تجزیه و تحلیل سری های زمانی با استفاده از مدل های آماری توضیح Analyzing time series using statsmodels Explanation

  • تشخیص ناهنجاری با معرفی جنگل ایزوله Anomaly detection with Isolation Forest introduction

  • تشخیص ناهنجاری با اجرای جنگل ایزوله Anomaly detection with Isolation Forest Implementation

  • تشخیص ناهنجاری با توضیح جنگل ایزوله Anomaly detection with Isolation Forest Explanation

  • پردازش زبان طبیعی با استفاده از بردار هش و tf-idf مقدمه Natural language processing using a hashing vectorizer and tf-idf Introduction

  • پردازش زبان طبیعی با استفاده از بردار هش و پیاده سازی tf-idf Natural language processing using a hashing vectorizer and tf-idf Implementation

مقدمه‌ای بر آشکارسازهای حمله فیشینگ (به‌روز شده ۲۰۲۴) Introduction to phishing attack detectors (updated 2024)

  • رگرسیون لجستیک چیست؟ (به‌روز شده در ۲۰۲۵) what is logistic regression? (Updated on 2025)

  • درخت تصمیم چیست؟ (به‌روز شده در ۲۰۲۵) what is decision tree? (Updated on 2025)

  • حمله فیشینگ چیست what is phishing attack

  • تشخیص اسپم چیست What is spam detection

  • نورون‌های پرسپترون (Perceptrons) چیستند؟ What is perceptrons?

  • تشخیص اسپم با استفاده از پرسپترون‌ها Detecting spams using perceptrons

  • ماشین بردار پشتیبان (SVM) چیست What is SVM

  • پیاده‌سازی تشخیص اسپم با استفاده از SVM Implementation of spam detection using SVM

  • پیاده‌سازی تشخیص فیشینگ با رگرسیون لجستیک Implementation of Phishing detection with logistic regression

  • پیاده‌سازی تشخیص فیشینگ با استفاده از درختان تصمیم Implementation of phishing detection using decision trees

(محتوای جدید) شناسایی تهدیدات امنیت سایبری ایمیل با هوش مصنوعی (New Content) Detecting Email Cybersecurity Threats with AI

  • معرفی Introduction

  • مقدمه ای برای تشخیص هرزنامه با پرسپترون Introduction to detect spam with Perceptrons

  • مقدمه ای بر پرسپترون ها Introduction to Perceptrons

  • آشنایی با فیلترهای هرزنامه Introduction to spam filters

  • فیلتر هرزنامه در عمل Spam filter in action

  • تشخیص هرزنامه با طبقه بندی کننده های خطی Detecting spam with linear classifiers

  • پرسپترون چگونه یاد می گیرد How the Perceptron learns

  • یک فیلتر هرزنامه ساده مبتنی بر پرسپترون A simple Perceptron-based spam filter

  • مزایا و معایب Perceptrons Pros and cons of Perceptrons

  • مقدمه ای بر تشخیص هرزنامه با SVM Introduction to Spam detection with SVMs

  • مثال فیلتر اسپم SVM SVM spam filter example

  • مقدمه ای بر تشخیص فیشینگ با رگرسیون لجستیک و درختان تصمیم Introduction to Phishing detection with logistic regression and decision trees

  • رگرسیون خطی برای تشخیص هرزنامه Linear regression for spam detection

  • مقدمه ای بر رگرسیون لجستیک introduction to Logistic regression

  • پیاده سازی رگرسیون لجستیک Logistic Regression Implementation

  • مقدمه ای بر تصمیم گیری با درختان Introduction to making decisions with trees

  • تشخیص فیشینگ با درختان تصمیم Phishing detection with decision trees

  • تشخیص هرزنامه با Naive Bayes Spam detection with Naive Bayes

  • NLP با پیاده سازی Naive Bayes NLP with Naive Bayes Implementation

  • خلاصه پروژه Summary of the project

(محتوای جدید) شناسایی تهدیدات امنیت سایبری ایمیل با هوش مصنوعی (New Content) Detecting Email Cybersecurity Threats with AI

  • معرفی Introduction

  • مقدمه ای برای تشخیص هرزنامه با پرسپترون Introduction to detect spam with Perceptrons

  • مقدمه ای بر پرسپترون ها Introduction to Perceptrons

  • آشنایی با فیلترهای هرزنامه Introduction to spam filters

  • فیلتر هرزنامه در عمل Spam filter in action

  • تشخیص هرزنامه با طبقه بندی کننده های خطی Detecting spam with linear classifiers

  • پرسپترون چگونه یاد می گیرد How the Perceptron learns

  • یک فیلتر هرزنامه ساده مبتنی بر پرسپترون A simple Perceptron-based spam filter

  • مزایا و معایب Perceptrons Pros and cons of Perceptrons

  • مقدمه ای بر تشخیص هرزنامه با SVM Introduction to Spam detection with SVMs

  • مثال فیلتر اسپم SVM SVM spam filter example

  • مقدمه ای بر تشخیص فیشینگ با رگرسیون لجستیک و درختان تصمیم Introduction to Phishing detection with logistic regression and decision trees

  • رگرسیون خطی برای تشخیص هرزنامه Linear regression for spam detection

  • مقدمه ای بر رگرسیون لجستیک introduction to Logistic regression

  • پیاده سازی رگرسیون لجستیک Logistic Regression Implementation

  • مقدمه ای بر تصمیم گیری با درختان Introduction to making decisions with trees

  • تشخیص فیشینگ با درختان تصمیم Phishing detection with decision trees

  • تشخیص هرزنامه با Naive Bayes Spam detection with Naive Bayes

  • NLP با پیاده سازی Naive Bayes NLP with Naive Bayes Implementation

  • خلاصه پروژه Summary of the project

تشخیص تهدید بدافزار با روش یادگیری ماشین (به‌روز شده ۲۰۲۴) Malware threat detection using machine learning method (updated 2024)

  • بدافزار چیست What is malware

  • تحلیل استاتیک و دینامیک بدافزار چیست what is malware static and dymanic analysis

  • جاوا اسکریپت مبهم (obfuscated JavaScript) چیست؟ what is obfuscated JavaScript?

  • N-gram چیست What is N-gram

  • فرآیند مارکوف چیست what is Markov process

  • پیاده‌سازی N-grams Implementation of N-grams

  • بدافزار متا مورفیک (metamorphic malware) چیست؟ what is metamorphic malware?

  • K-means چیست What is K-means

  • HMMs چیست What is HMMs

  • پیاده‌سازی تشخیص بدافزار با استفاده از K-means Implementation of malware detection using K-means

  • پیاده‌سازی تشخیص بدافزار با استفاده از درخت تصمیم Implementation of Malware detection using decision tree

  • پیاده‌سازی تشخیص بدافزار با استفاده از جنگل تصادفی Implementation of malware detection using random forest

(مطالب جدید) تشخیص تهدید بدافزار (NEW COTENT) Malware Threat Detection

  • مقدمه ای بر تشخیص بدافزار Introduction to Malware detection

  • بدافزار نام های زیادی دارد Malware goes by many names

  • ابزارهای تجزیه و تحلیل بدافزار تجارت Malware analysis tools of the trade

  • تجزیه و تحلیل استاتیک بدافزار Static malware analysis

  • تجزیه و تحلیل بدافزار پویا Dynamic malware analysis

  • هک کردن فرمت فایل PE Hacking the PE file format

  • معرفی آشکارسازهای بدافزار درخت تصمیم Introduction of Decision tree malware detectors

  • تشخیص بدافزار با درخت تصمیم Malware detection with decision trees

  • طبقه بندی کننده بدافزار تصادفی جنگل Random Forest Malware classifier

  • خوشه بندی بدافزار با K-Means Clustering malware with K-Means

  • K-Means مراحل و مزایا و معایب آن K-Means steps and its advantages and disadvantages

  • شناسایی بدافزار دگرگونی با معرفی HMM Detecting metamorphic malware with HMMs Introductions

  • استراتژی های تشخیص بدافزار چند شکلی Polymorphic malware detection strategies

  • پیاده سازی HMM HMM Implementation

  • خلاصه بخش Summary of the section

(مطالب جدید) تشخیص تهدید بدافزار (NEW COTENT) Malware Threat Detection

  • مقدمه ای بر تشخیص بدافزار Introduction to Malware detection

  • بدافزار نام های زیادی دارد Malware goes by many names

  • ابزارهای تجزیه و تحلیل بدافزار تجارت Malware analysis tools of the trade

  • تجزیه و تحلیل استاتیک بدافزار Static malware analysis

  • تجزیه و تحلیل بدافزار پویا Dynamic malware analysis

  • هک کردن فرمت فایل PE Hacking the PE file format

  • معرفی آشکارسازهای بدافزار درخت تصمیم Introduction of Decision tree malware detectors

  • تشخیص بدافزار با درخت تصمیم Malware detection with decision trees

  • طبقه بندی کننده بدافزار تصادفی جنگل Random Forest Malware classifier

  • خوشه بندی بدافزار با K-Means Clustering malware with K-Means

  • K-Means مراحل و مزایا و معایب آن K-Means steps and its advantages and disadvantages

  • شناسایی بدافزار دگرگونی با معرفی HMM Detecting metamorphic malware with HMMs Introductions

  • استراتژی های تشخیص بدافزار چند شکلی Polymorphic malware detection strategies

  • پیاده سازی HMM HMM Implementation

  • خلاصه بخش Summary of the section

تشخیص خودکار نفوذ (به‌روز شده ۲۰۲۴) Automatic Intrusion Detection (updated 2024)

  • تشخیص خودکار نفوذ چیست؟ what is automatic instrusion detection??

  • ایمیل اسپم و فیلترینگ اسپم چیست؟ what is spam email and spam filtering?

  • URL فیشینگ چیست؟ What is phishing URL?

  • شبکه چیست؟ What is network?

  • چگونه شبکه را دسته‌بندی کنیم؟ How to classify network?

  • تشخیص ناهنجاری در رفتار شبکه چیست؟ what is Network behavior anomaly detection?

  • تشخیص کلاهبرداری با کارت اعتباری چیست؟ what is Credit card fraud detection?

  • ماتریس سردرگمی (confusion matrix) چیست What is confusion matrix

  • تشخیص اسکناس تقلبی چیست؟ what is Counterfeit bank note detection?

  • مسدود کردن تبلیغات (Ad blocking) چیست؟ what is Ad blocking?

  • مکان‌یابی داخلی بی‌سیم (Wireless indoor localization) چیست؟ what is Wireless indoor localization?

  • بات‌نت (botnet) چیست؟ What is botnet?

  • چگونه بات‌نت را تشخیص دهیم How to detect botnet

  • گوسی ناوب (Gaussian Naive Bayes) چیست What is Gaussian Naive Bayes

  • پیاده‌سازی حملات DDoS implementation of DDos attacks

  • پیاده‌سازی تشخیص بات‌نت Implementation of botnet detection

  • پیاده‌سازی تشخیص اسکناس تقلبی Implementation of Counterfeit bank note detection

  • پیاده‌سازی مسدود کردن تبلیغات Implementation of ad-blocking

  • پیاده‌سازی URL فیشینگ Implementation of phishing URL

  • تکلیف: پیاده‌سازی مکان‌یابی داخلی بی‌سیم Assignment: Implementation of wireless indoor localization

  • پیاده‌سازی تشخیص اسپم Implementation of spam detection

(محتوای جدید) تشخیص تهدیدات بدافزار پیشرفته (New Content) Advanced malware threat detection

  • معرفی Introduction

  • شناسایی پیاده سازی مبهم جاوا اسکریپت Detecting obfuscated JavaScript Implementation

  • شناسایی توضیح مبهم جاوا اسکریپت Detecting obfuscated JavaScript Explaination

  • ردیابی اجرای دریفت بدافزار Tracking malware drift Implementation

  • ردیابی دریفت بدافزار توضیح Tracking malware drift Explaination

(محتوای جدید) تشخیص تهدیدات بدافزار پیشرفته (New Content) Advanced malware threat detection

  • معرفی Introduction

  • شناسایی پیاده سازی مبهم جاوا اسکریپت Detecting obfuscated JavaScript Implementation

  • شناسایی توضیح مبهم جاوا اسکریپت Detecting obfuscated JavaScript Explaination

  • ردیابی اجرای دریفت بدافزار Tracking malware drift Implementation

  • ردیابی دریفت بدافزار توضیح Tracking malware drift Explaination

امنیت و حمله به داده‌ها با یادگیری ماشین (به‌روز شده ۲۰۲۴) Securing and Attacking Data with Machine Learning (updated 2024)

  • امنیت رمز عبور چیست؟ What is password security?

  • XG-Boost چیست what is XG-Boost

  • شبکه عصبی مصنوعی چیست what is artificial neural network

  • واریانس، کوواریانس و ماتریس کوواریانس چیستند؟ what are Variance, covariance, and the covariance matrix?

  • بردارهای ویژه (Eigenvectors) و مقادیر ویژه (Eigenvalues) چیستند؟ What are Eigenvectors and Eigenvalues

  • MLPClassifier چیست؟ What is MLPClassifier?

  • XGBClassifier چیست؟ What is XGBClassifier?

  • PUF ها چیستند what is PUFs

  • جفت‌های چالش-پاسخ (CRPs) چیستند؟ what is Challenge-Response Pairs (CRPs)?

  • پیاده‌سازی ارزیابی امنیت رمز عبور Implementation of assessing password security

  • تکلیف درباره حملات ML به PUF ها Assignment on ML attacks on PUFs

  • پیاده‌سازی تشخیص ضربه کلید (keystroke detection) Implementation of keystroke detection

  • پیاده‌سازی تشخیص چهره (facial recognition) Implementation of facial recognition

(محتوای جدید) تشخیص ناهنجاری شبکه با هوش مصنوعی (New Content) Network Anomaly Detection with AI

  • معرفی پروژه Introduction to the project

  • تبدیل لاگ سرویس به مجموعه داده Turning service logs into datasets

  • مقدمه ای بر طبقه بندی حملات شبکه Introduction to classification of network attacks

  • تشخیص توپولوژی بات نت Detecting botnet topology

  • مقدمه ای بر الگوریتم های مختلف ML برای تشخیص بات نت Introduction to different ML algorithms for botnet detection

  • مقدمه ای بر تشخیص ناهنجاری گاوسی Introduction to Gaussian anomaly detection

  • اجرای تشخیص ناهنجاری گاوسی قسمت 1 Gaussian anomaly detection Implementation Part 1

  • پیاده سازی تشخیص ناهنجاری گاوسی قسمت 2 Gaussian anomaly detection Implementation Part 2

  • خلاصه پروژه Summary of the project

(محتوای جدید) تشخیص ناهنجاری شبکه با هوش مصنوعی (New Content) Network Anomaly Detection with AI

  • معرفی پروژه Introduction to the project

  • تبدیل لاگ سرویس به مجموعه داده Turning service logs into datasets

  • مقدمه ای بر طبقه بندی حملات شبکه Introduction to classification of network attacks

  • تشخیص توپولوژی بات نت Detecting botnet topology

  • مقدمه ای بر الگوریتم های مختلف ML برای تشخیص بات نت Introduction to different ML algorithms for botnet detection

  • مقدمه ای بر تشخیص ناهنجاری گاوسی Introduction to Gaussian anomaly detection

  • اجرای تشخیص ناهنجاری گاوسی قسمت 1 Gaussian anomaly detection Implementation Part 1

  • پیاده سازی تشخیص ناهنجاری گاوسی قسمت 2 Gaussian anomaly detection Implementation Part 2

  • خلاصه پروژه Summary of the project

محتوای قدیمی – مقدمه (OLD CONTENT) Introduction

  • ساختار دوره Course structure

  • چگونه از این دوره بیشترین بهره را ببرید How To Make The Most Out Of This Course

  • این دوره برای چه کسانی است؟ Who is this course for????

  • دوره چگونه کار می‌کند؟ How does the course work?

  • انواع یادگیری ماشین Type of Machine learning

  • هوش مصنوعی در زمینه امنیت سایبری AI in the context of cybersecurity

(مطالب جدید) ایمن سازی احراز هویت کاربران (NEW COTENT) Securing Users Authentication

  • مقدمه ای بر پیشگیری از سوء استفاده از احراز هویت Introduction to Authentication abuse prevention

  • مدیریت ورود جعلی - واکنشی در مقابل پیش بینی Fake login management- reactive versus predictive

  • امتیاز دهی به اعتبار حساب Account reputation scoring

  • احراز هویت کاربر با تشخیص ضربه کلید مقدمه User authentication with keystroke recognition Introduction

  • احراز هویت کاربر با اجرای تشخیص ضربه کلید User authentication with keystroke recognition Implementation

  • احراز هویت بیومتریک با تشخیص چهره مقدمه Biometric authentication with facial recognition Introduction

  • کاهش ابعاد با تحلیل مؤلفه اصلی (PCA) مقدمه Dimensionality reduction with principal component analysis (PCA) Introduction

  • پیاده سازی Eigenfaces Eigenfaces Implementation

  • خلاصه بخش Summary of the section

(مطالب جدید) ایمن سازی احراز هویت کاربران (NEW COTENT) Securing Users Authentication

  • مقدمه ای بر پیشگیری از سوء استفاده از احراز هویت Introduction to Authentication abuse prevention

  • مدیریت ورود جعلی - واکنشی در مقابل پیش بینی Fake login management- reactive versus predictive

  • امتیاز دهی به اعتبار حساب Account reputation scoring

  • احراز هویت کاربر با تشخیص ضربه کلید مقدمه User authentication with keystroke recognition Introduction

  • احراز هویت کاربر با اجرای تشخیص ضربه کلید User authentication with keystroke recognition Implementation

  • احراز هویت بیومتریک با تشخیص چهره مقدمه Biometric authentication with facial recognition Introduction

  • کاهش ابعاد با تحلیل مؤلفه اصلی (PCA) مقدمه Dimensionality reduction with principal component analysis (PCA) Introduction

  • پیاده سازی Eigenfaces Eigenfaces Implementation

  • خلاصه بخش Summary of the section

یادگیری ماشین پایه برای امنیت سایبری (محتوای قدیمی) Basic machine learning for cyber security (OLD CONTENT)

  • مقدمه Introduction

  • مقدمه تقسیم داده به آموزشی و آزمایشی Train test splitting the data Introduction

  • پیاده‌سازی تقسیم داده به آموزشی و آزمایشی Train test splitting the data Implemetation

  • استانداردسازی داده‌های شما Standardizing your data

  • خلاصه‌سازی داده‌های بزرگ با استفاده از تحلیل مولفه‌های اصلی Summarizing large data using principal component analysis

  • تولید متن با استفاده از زنجیره‌های مارکوف Generating text using Markov chains

  • انجام خوشه‌بندی با استفاده از اسکیکیت-لِرن Performing clustering using scikit-learn

  • آموزش یک طبقه‌بند XGBoost Training an XGBoost classifier

  • تجزیه و تحلیل سری‌های زمانی با استفاده از statsmodels Analyzing time series using statsmodels

  • توضیح تجزیه و تحلیل سری‌های زمانی با استفاده از statsmodels Analyzing time series using statsmodels Explanation

  • مقدمه تشخیص ناهنجاری با جنگل انزوا Anomaly detection with Isolation Forest introduction

  • پیاده‌سازی تشخیص ناهنجاری با جنگل انزوا Anomaly detection with Isolation Forest Implementation

  • توضیح تشخیص ناهنجاری با جنگل انزوا Anomaly detection with Isolation Forest Explanation

  • مقدمه پردازش زبان طبیعی با استفاده از هشینگ وکتورایزر و TF-IDF Natural language processing using a hashing vectorizer and tf-idf Introduction

  • پیاده‌سازی پردازش زبان طبیعی با استفاده از هشینگ وکتورایزر و TF-IDF Natural language processing using a hashing vectorizer and tf-idf Implementation

(محتوای جدید) تشخیص نفوذ خودکار (New Content) Automatic intrusion detection

  • معرفی Introduction

  • تشخیص حمله DDos Detecting DDos Attack

  • شناسایی تقلب در کارت اعتباری مقدمه Credit Card fraud detection Introduction

  • پیاده سازی تشخیص تقلب در کارت اعتباری Credit Card fraud detection Implementation

  • پیاده سازی تشخیص اسکناس جعلی Counterfeit bank note detection Implementation

  • مسدود کردن تبلیغات با استفاده از پیاده سازی یادگیری ماشینی Ad blocking using machine learning Implementation

  • پیاده سازی محلی سازی داخلی بی سیم Wireless indoor localization Implementation

  • شناسایی نوع دستگاه اینترنت اشیا با استفاده از یادگیری ماشینی IoT device type identification using machine learning

  • تشخیص عمیق Deepfake recognition

(محتوای جدید) تشخیص نفوذ خودکار (New Content) Automatic intrusion detection

  • معرفی Introduction

  • تشخیص حمله DDos Detecting DDos Attack

  • شناسایی تقلب در کارت اعتباری مقدمه Credit Card fraud detection Introduction

  • پیاده سازی تشخیص تقلب در کارت اعتباری Credit Card fraud detection Implementation

  • پیاده سازی تشخیص اسکناس جعلی Counterfeit bank note detection Implementation

  • مسدود کردن تبلیغات با استفاده از پیاده سازی یادگیری ماشینی Ad blocking using machine learning Implementation

  • پیاده سازی محلی سازی داخلی بی سیم Wireless indoor localization Implementation

  • شناسایی نوع دستگاه اینترنت اشیا با استفاده از یادگیری ماشینی IoT device type identification using machine learning

  • تشخیص عمیق Deepfake recognition

محتوای قدیمی – تشخیص تهدیدات امنیتی ایمیل با هوش مصنوعی (OLD Content) Detecting Email Cybersecurity Threats with AI

  • مقدمه Introduction

  • مقدمه تشخیص اسپم با پرسپترون‌ها Introduction to detect spam with Perceptrons

  • مقدمه پرسپترون‌ها Introduction to Perceptrons

  • مقدمه فیلترهای اسپم Introduction to spam filters

  • فیلتر اسپم در عمل Spam filter in action

  • تشخیص اسپم با طبقه‌بندی‌کننده‌های خطی Detecting spam with linear classifiers

  • پرسپترون چگونه یاد می‌گیرد How the Perceptron learns

  • یک فیلتر اسپم ساده مبتنی بر پرسپترون A simple Perceptron-based spam filter

  • مزایا و معایب پرسپترون‌ها Pros and cons of Perceptrons

  • مقدمه تشخیص اسپم با SVM ها Introduction to Spam detection with SVMs

  • مثال فیلتر اسپم SVM SVM spam filter example

  • مقدمه تشخیص فیشینگ با رگرسیون لجستیک و درختان تصمیم Introduction to Phishing detection with logistic regression and decision trees

  • رگرسیون خطی برای تشخیص اسپم Linear regression for spam detection

  • مقدمه رگرسیون لجستیک introduction to Logistic regression

  • پیاده‌سازی رگرسیون لجستیک Logistic Regression Implementation

  • مقدمه تصمیم‌گیری با درختان Introduction to making decisions with trees

  • تشخیص فیشینگ با درختان تصمیم Phishing detection with decision trees

  • تشخیص اسپم با Naive Bayes Spam detection with Naive Bayes

  • پیاده‌سازی NLP با Naive Bayes NLP with Naive Bayes Implementation

  • خلاصه پروژه Summary of the project

(محتوای جدید) ایمن سازی و حمله به داده ها با یادگیری ماشینی (New Content) Securing and Attacking Data with Machine Learning

  • معرفی Introduction

  • ارزیابی امنیت رمز عبور با استفاده از ML Assessing password security using ML

  • مقدمه استگانالیز مبتنی بر ML ML-based steganalysis Introduction

  • اجرای استگانالیز مبتنی بر ML ML-based steganalysis Implementation

  • حملات ML به PUF ها مقدمه ML attacks on PUFs Introduction

  • حملات ML به پیاده سازی PUF ها ML attacks on PUFs Implementation

  • حملات ML به PUF ها توضیح ML attacks on PUFs Explanation

  • نقض داده های HIPAA - کاوش و تجسم داده قسمت 1 HIPAA data breaches – data exploration and visualization Part 1

  • نقض داده های HIPAA - کاوش و تجسم داده قسمت 2 HIPAA data breaches – data exploration and visualization Part 2

(محتوای جدید) ایمن سازی و حمله به داده ها با یادگیری ماشینی (New Content) Securing and Attacking Data with Machine Learning

  • معرفی Introduction

  • ارزیابی امنیت رمز عبور با استفاده از ML Assessing password security using ML

  • مقدمه استگانالیز مبتنی بر ML ML-based steganalysis Introduction

  • اجرای استگانالیز مبتنی بر ML ML-based steganalysis Implementation

  • حملات ML به PUF ها مقدمه ML attacks on PUFs Introduction

  • حملات ML به پیاده سازی PUF ها ML attacks on PUFs Implementation

  • حملات ML به PUF ها توضیح ML attacks on PUFs Explanation

  • نقض داده های HIPAA - کاوش و تجسم داده قسمت 1 HIPAA data breaches – data exploration and visualization Part 1

  • نقض داده های HIPAA - کاوش و تجسم داده قسمت 2 HIPAA data breaches – data exploration and visualization Part 2

محتوای قدیمی – تشخیص تهدید بدافزار (OLD COTENT) Malware Threat Detection

  • مقدمه تشخیص بدافزار Introduction to Malware detection

  • بدافزار نام‌های زیادی دارد Malware goes by many names

  • ابزارهای تحلیل بدافزار Malware analysis tools of the trade

  • تحلیل استاتیک بدافزار Static malware analysis

  • تحلیل دینامیک بدافزار Dynamic malware analysis

  • هک کردن فرمت فایل PE Hacking the PE file format

  • مقدمه آشکارسازهای بدافزار با درخت تصمیم Introduction of Decision tree malware detectors

  • تشخیص بدافزار با درختان تصمیم Malware detection with decision trees

  • طبقه‌بند بدافزار جنگل تصادفی Random Forest Malware classifier

  • خوشه‌بندی بدافزار با K-Means Clustering malware with K-Means

  • مراحل K-Means و مزایا و معایب آن K-Means steps and its advantages and disadvantages

  • مقدمه تشخیص بدافزار متا مورفیک با HMMs Detecting metamorphic malware with HMMs Introductions

  • استراتژی‌های تشخیص بدافزار پلی‌مورفیک Polymorphic malware detection strategies

  • پیاده‌سازی HMM HMM Implementation

  • خلاصه بخش Summary of the section

متشکرم Thank you

  • متشکرم Thank you

متشکرم Thank you

  • متشکرم Thank you

محتوای قدیمی – تشخیص پیشرفته تهدید بدافزار (OLD Content) Advanced malware threat detection

  • مقدمه Introduction

  • پیاده‌سازی تشخیص جاوا اسکریپت مبهم Detecting obfuscated JavaScript Implementation

  • توضیح تشخیص جاوا اسکریپت مبهم Detecting obfuscated JavaScript Explaination

  • پیاده‌سازی ردیابی تغییرات بدافزار Tracking malware drift Implementation

  • توضیح ردیابی تغییرات بدافزار Tracking malware drift Explaination

محتوای قدیمی – تشخیص ناهنجاری شبکه با هوش مصنوعی (OLD Content) Network Anomaly Detection with AI

  • مقدمه پروژه Introduction to the project

  • تبدیل گزارش‌های سرویس به مجموعه داده Turning service logs into datasets

  • مقدمه طبقه‌بندی حملات شبکه Introduction to classification of network attacks

  • تشخیص توپولوژی بات‌نت Detecting botnet topology

  • مقدمه الگوریتم‌های مختلف ML برای تشخیص بات‌نت Introduction to different ML algorithms for botnet detection

  • مقدمه تشخیص ناهنجاری گوسی Introduction to Gaussian anomaly detection

  • پیاده‌سازی تشخیص ناهنجاری گوسی قسمت ۱ Gaussian anomaly detection Implementation Part 1

  • پیاده‌سازی تشخیص ناهنجاری گوسی قسمت ۲ Gaussian anomaly detection Implementation Part 2

  • خلاصه پروژه Summary of the project

محتوای قدیمی – ایمن‌سازی احراز هویت کاربران (OLD COTENT) Securing Users Authentication

  • مقدمه پیشگیری از سوء استفاده احراز هویت Introduction to Authentication abuse prevention

  • مدیریت ورود جعلی – واکنشی در مقابل پیش‌بینانه Fake login management- reactive versus predictive

  • امتیازدهی اعتبار حساب کاربری Account reputation scoring

  • مقدمه احراز هویت کاربر با تشخیص ضربه کلید User authentication with keystroke recognition Introduction

  • پیاده‌سازی احراز هویت کاربر با تشخیص ضربه کلید User authentication with keystroke recognition Implementation

  • مقدمه احراز هویت بیومتریک با تشخیص چهره Biometric authentication with facial recognition Introduction

  • مقدمه کاهش ابعاد با تحلیل مولفه‌های اصلی (PCA) Dimensionality reduction with principal component analysis (PCA) Introduction

  • پیاده‌سازی Eigenfaces Eigenfaces Implementation

  • خلاصه بخش Summary of the section

محتوای قدیمی – تشخیص خودکار نفوذ (OLD Content) Automatic intrusion detection

  • مقدمه Introduction

  • تشخیص حمله DDoS Detecting DDos Attack

  • مقدمه تشخیص کلاهبرداری کارت اعتباری Credit Card fraud detection Introduction

  • پیاده‌سازی تشخیص کلاهبرداری کارت اعتباری Credit Card fraud detection Implementation

  • پیاده‌سازی تشخیص اسکناس تقلبی Counterfeit bank note detection Implementation

  • پیاده‌سازی مسدود کردن تبلیغات با استفاده از یادگیری ماشین Ad blocking using machine learning Implementation

  • پیاده‌سازی مکان‌یابی داخلی بی‌سیم Wireless indoor localization Implementation

  • شناسایی نوع دستگاه IoT با استفاده از یادگیری ماشین IoT device type identification using machine learning

  • تشخیص دیپ‌فیک (Deepfake) Deepfake recognition

محتوای قدیمی – امن کردن و حمله به داده‌ها با یادگیری ماشین (OLD Content) Securing and Attacking Data with Machine Learning

  • مقدمه Introduction

  • ارزیابی امنیت رمز عبور با استفاده از ML Assessing password security using ML

  • مقدمه استگانالیز مبتنی بر ML ML-based steganalysis Introduction

  • پیاده‌سازی استگانالیز مبتنی بر ML ML-based steganalysis Implementation

  • مقدمه حملات ML به PUF ها ML attacks on PUFs Introduction

  • پیاده‌سازی حملات ML به PUF ها ML attacks on PUFs Implementation

  • توضیح حملات ML به PUF ها ML attacks on PUFs Explanation

  • نقض داده‌های HIPAA – کاوش و مصورسازی داده‌ها قسمت ۱ HIPAA data breaches – data exploration and visualization Part 1

  • نقض داده‌های HIPAA – کاوش و مصورسازی داده‌ها قسمت ۲ HIPAA data breaches – data exploration and visualization Part 2

تشکر Thank you

  • تشکر Thank you

آموزش دوره کامل Cisco CCNA & CCNP Networking Labs 2023

آموزش دوره کامل Cisco CCNA & CCNP Networking Labs 2023

The Complete Cisco CCNA & CCNP Networking Labs Course 2023

آموزش SSCP Cert Prep: 1 عملیات و مدیریت امنیتی

آموزش SSCP Cert Prep: 1 عملیات و مدیریت امنیتی

SSCP Cert Prep: 1 Security Operations and Administration

آموزش C2090-616: IBM Certified Data Scientist - Watson Studio v1.x

آموزش C2090-616: IBM Certified Data Scientist - Watson Studio v1.x

دانلود C2090-616: IBM Certified Data Scientist - Watson Studio v1.x

نمایش نظرات

آموزش هوش مصنوعی کامل برای امنیت سایبری ۲۰۲۴
جزییات دوره
28 hours
180
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,391
4 از 5
دارد
دارد
دارد
Hoang Quy La

https://donyad.com/d/086fce

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Hoang Quy La Hoang Quy La

مهندس برق