آموزش تکنیک‌های Threat Hunting (شکار تهدیدات) [ویدئویی] - آخرین آپدیت

دانلود Threat Hunting Techniques [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مهاجمان پیشرفته اغلب از هشدارهای سنتی می‌گریزند، به همین دلیل شکار فعالانه تهدیدات (Threat Hunting) برای مدافعان مدرن ضروری است. ترکیب تحقیقات انسانی با علم داده به تیم‌های امنیتی کمک می‌کند تا ناهنجاری‌ها را کشف کرده، فرضیات را آزمایش کنند و رفتارهای مشکوک پنهان در حجم انبوه داده‌های تله‌متری را شناسایی نمایند. این دوره با مفاهیم شکار تهدیدات، برنامه‌ریزی، مستندسازی، متدولوژی‌ها، منابع تله‌متری، ابزارهای ضروری، چارچوب MITRE ATT&CK، ابزار Navigator و توسعه ماتریس شکار آغاز می‌شود. سپس به مباحثی چون تجزیه و پاک‌سازی لاگ‌ها، مهندسی ویژگی (Feature Engineering)، بصری‌سازی متمرکز بر امنیت، تحلیل رفتاری، یادگیری ماشین بدون نظارت، ارزیابی مدل، شناسایی ناهنجاری، شکار ورودهای مشکوک، همبستگی رویدادها، انتخاب مدل، معماری Splunk، ورود لاگ‌ها، زبان SPL برای آماده‌سازی داده‌ها، خط لوله‌های شناسایی در Jupyter، یکپارچه‌سازی Splunk و Jupyter، یکپارچه‌سازی Elastic و اجرای کامل عملیات شکار می‌پردازد. فراگیران تجربه عملی تبدیل داده‌های خام به بینش‌های تحقیقاتی را کسب خواهند کرد. در پایان، آن‌ها قادر خواهند بود شکار‌های مبتنی بر فرضیه را طراحی کنند، داده‌های لاگ را پاک‌سازی و غنی‌سازی نمایند، تکنیک‌های ML مانند Isolation Forest و DBSCAN را به کار بگیرند، رفتارها را بصری‌سازی کرده و عملیات شکار را در Splunk و Jupyter عملیاتی کنند. بررسی چرخه حیات شکار تهدیدات تحلیل لاگ‌های خام با Pandas و بصری‌سازی توسعه برنامه‌های شکار مبتنی بر فرضیه به‌کارگیری شناسایی ناهنجاری با تکنیک‌های یادگیری ماشین اجرای عملیات شکار در Splunk و Jupyter عملیاتی کردن گردش‌کارهای شناسایی تکرارپذیر تحلیل‌گران SOC، شکارچیان تهدیدات، مهندسان تیم آبی (Blue Team)، دانشجویان امنیت سایبری و مدافعانی که قصد انتقال از مدیریت واکنش به هشدارهای سنتی به تحقیقات پیش‌دستانه را دارند، از این دوره بهره‌مند خواهند شد. این دوره برای کسانی که به دنبال تجربه عملی در Splunk، Jupyter، تحلیل لاگ، بصری‌سازی و گردش‌کارهای شناسایی مبتنی بر ML هستند، بسیار مناسب است. پوشش کامل چرخه حیات شکار تهدیدات از برنامه‌ریزی و تله‌متری تا ماتریس‌های شکار MITRE ATT&CK * گردش‌کار علم داده با Pandas، Seaborn، Matplotlib، مهندسی ویژگی و آزمایشگاه‌های بصری * شکار عملیاتی ML در Splunk و Jupyter با استفاده از Isolation Forest، DBSCAN، SPL و Elastic

سرفصل ها و درس ها

مقدمه Introduction

  • معرفی دوره Course Introduction

آشنایی با شکار تهدیدات صنعتی Introduction to Industrial Threat Hunting

  • معرفی ماژول Module Introduction

  • مروری بر مفاهیم و اهمیت شکار تهدیدات Overview of Threat Hunting Concepts and Importance

  • نحوه برنامه‌ریزی برای شکار تهدیدات How to Plan Threat Hunt

  • نحوه مستندسازی شکار تهدیدات How to Document Threat Hunt

  • متدولوژی‌های شکار Hunting Methodologies

  • تله‌متری و منابع داده Telemetry and Data Sources

  • ابزارهای ضروری برای شکار تهدیدات Essential Tools for Threat Hunting

  • بررسی MITRE ATT&CK Explore MITRE ATT&CK

  • نحوه استفاده از MITRE Navigator How to Use MITRE Navigator

  • از ATT&CK تا اجرا: ساخت ماتریس شکار برای تهدیدات واقعی From ATT&CK to Action: Building a Hunt Matrix for Real Threats

علم داده برای امنیت سایبری Data Science for Cybersecurity

  • معرفی ماژول Module Introduction

  • تجزیه و پاک‌سازی لاگ‌ها Parsing and Cleaning Logs

  • تکنیک‌های تجزیه و پاک‌سازی لاگ - بخش اول Techniques for Log Parsing and Cleaning Part 1

  • تکنیک‌های تجزیه و پاک‌سازی لاگ - بخش دوم Techniques for Log Parsing and Cleaning Part 2

  • آشنایی با مهندسی ویژگی (Feature Engineering) Introduction to Feature Engineering

  • بصری‌سازی رفتارها Visualizing Behaviors

  • بصری‌سازی در شکار تهدیدات Threat Hunting Visualization

  • بصری‌سازی متمرکز بر امنیت چیست؟ What is Security-Focused Visualization

  • ساخت بصری‌سازی اختصاصی Create Your Own Visualization

  • برترین بصری‌سازی‌های امنیتی که هر شکارچی تهدید باید بداند Top Security Visualizations Every Threat Hunter Should Use

الگوریتم‌های یادگیری ماشین برای شناسایی تهدیدات ML Algorithms for Threat Detection

  • معرفی ماژول Module Introduction

  • آشنایی با یادگیری ماشین بدون نظارت (Unsupervised ML) Introduction to Unsupervised ML

  • درک فرآیندهای مختلف مدل‌های یادگیری بدون نظارت Understand Different Process of Unsupervised Learning Models

  • ارزیابی و تنظیم مدل‌های یادگیری ماشین Evaluating and Tuning ML Models

  • شکار ورودهای مشکوک Suspicious Login Hunting

  • نمایش گرافیکی ناهنجاری‌ها Graphical Representation of Anomaly

  • همبستگی رویدادها (Event Correlation) Event Correlation

  • اشتباهات رایج در شناسایی تهدیدات General Pitfalls in Threat Detection

  • تکنیک‌های مختلف یادگیری ماشین Different ML Techniques

  • نحوه انتخاب بهترین مدل یادگیری ماشین How to Choose Best ML Model

عملیاتی‌سازی در Splunk و Jupyter Operationalizing in Splunk and Jupyter

  • معرفی ماژول Module Introduction

  • درک معماری Splunk Understand Splunk Architecture

  • ورود لاگ‌ها در Splunk Log Ingestion in Splunk

  • عملیات جستجو در Splunk Search Operation in Splunk

  • نوشتن SPL برای آماده‌سازی داده‌ها Writing SPL for Data Prep

  • خط لوله شناسایی در Jupyter Jupyter Detection Pipeline

  • نمونه نوت‌بوک شکار تهدیدات Threat Hunt Notebook Example

  • یکپارچه‌سازی Splunk و Jupyter - بخش اول Splunk and Jupyter Integration Part 1

  • یکپارچه‌سازی Elastic و Jupyter - بخش دوم Elastic and Jupyter Integration Part 2

  • اجرای عملیات شکار واقعی Real Hunt Execution

جمع‌بندی Conclusion

  • ویدئوی جمع‌بندی دوره Course Wrap-up Video

نمایش نظرات

آموزش تکنیک‌های Threat Hunting (شکار تهدیدات) [ویدئویی]
جزییات دوره
4h 26m
42
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Starweaver
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Starweaver Starweaver

Starweaver فرصت‌هایی را برای مربیان، شرکت‌ها و پلتفرم‌ها ایجاد می‌کند.

Starweaver محتوای مورد تقاضای متمرکزی را ارائه می‌کند که حوزه‌های موضوعی کلیدی، گواهینامه‌های پیشرو در صنعت، و یادگیری و توسعه مستمر را پوشش می‌دهد. محتوای Starweaver با ارائه نتایج شایستگی با کیفیت بالا برای صدها شرکت در سراسر جهان، توسط مربیان دنیای واقعی هدایت می‌شود که برای تجهیز دانش‌آموزان به مهارت‌های مورد نیاز برای دستیابی به اهداف حرفه‌ای و پیشبرد اهداف شغلی بلندمدت خود اختصاص داده شده‌اند.