لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش هوش مصنوعی در امنیت سایبری
- آخرین آپدیت
دانلود AI for Cybersecurity
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره آموزشی «هوش مصنوعی در امنیت سایبری» مقدمهای جامع بر استفاده از روشهای هوش مصنوعی، بهویژه یادگیری ماشین در حوزه امنیت سایبری ارائه میدهد. این دوره با معرفی هوش مصنوعی، تعاریف، سیر تکامل تاریخی و کاربردهای عمومی آن آغاز میشود. سپس به اهمیت هوش مصنوعی در امنیت سایبری، مفاهیم کلیدی و تفاوت بین امنیت میزبان و امنیت شبکه میپردازد.
دانشجویان درک عمیقی از اصول امنیت سایبری از جمله بردارهای حمله رایج، آسیبپذیریها و مکانیزمهای دفاعی مورد استفاده برای محافظت از سیستمها کسب خواهند کرد. در بخشهای نخست، تکنیکهای اصلی هوش مصنوعی که در امنیت سایبری کاربرد دارند، از دیدگاه تئوری و با تمرکز بر روشهای یادگیری ماشین (ML) نظیر یادگیری نظارتشده، یادگیری بدون نظارت و یادگیری تقویتی بررسی میشوند.
در بخشهای بعدی، دانشجویان چگونگی بهکارگیری عملی تکنیکهای یادگیری ماشین در چالشهای خاص امنیت سایبری مانند تشخیص و طبقهبندی بدافزار، تشخیص نفوذ و فیلتر کردن اسپمهای ایمیلی را خواهند آموخت. آنها فرآیند پیادهسازی مدلهای یادگیری ماشین برای این وظایف، آموزش و ارزیابی آنها بر روی دادهها را با استفاده از زبان برنامهنویسی پایتون بررسی خواهند کرد.
در مجموع، این دوره دانشجویان را به دانش تئوری و مهارتهای عملی مورد نیاز برای استفاده از روشهای هوش مصنوعی جهت حفاظت از سیستمها در برابر تهدیدات سایبری در حال تحول مجهز میکند.
سرفصل ها و درس ها
مقدمهای بر هوش مصنوعی و امنیت سایبری
Introduction to AI and Cybersecurity
مقدمه
Introduction
تعریف هوش مصنوعی
Definition of AI
تاریخچه هوش مصنوعی
History of AI
طبقهبندی الگوریتمهای هوش مصنوعی
AI algorithms classification
کاربردهای عمومی هوش مصنوعی
General usage of AI
اهمیت هوش مصنوعی در امنیت سایبری
Importance of AI in cybersecurity
امنیت نقاط پایانی (Endpoint)
Endpoint security
ویژگیهای ایستا و پویا
Static and dynamic features
مقدمه
Introduction
مروری بر تهدیدات و چالشهای امنیت سایبری
Overview of cybersecurity threats and challenges
بردارهای حمله و آسیبپذیریهای رایج
Common attack vectors and vulnerabilities
مقدمهای بر کنترلهای امنیتی و مکانیزمهای دفاعی
Introduction to security controls and defense mechanisms
تکنیکهای هوش مصنوعی در امنیت سایبری
AI Techniques for Cybersecurity
تشخیص بدافزار با یادگیری ماشین
Malware detection with ML
تشخیص نفوذ
Intrusion detection
تشخیص نفوذ با یادگیری ماشین
Intrusion detection with ML
تشخیص اسپم ایمیلی با یادگیری ماشین
Email spam detection with ML
مقدمه
Introduction
بارگذاری و بررسی دادهها
Load and review the data
آمادهسازی دادهها
Preparing the data
انتخاب ویژگیها
Feature selection
تقسیمبندی و تبدیل دادهها
Data splitting & transformation
ساخت مدلها
Building the models
تست طبقهبندیکننده درخت تصمیم
Testing the Decision Tree classifier
تست طبقهبندیکننده جنگل تصادفی
Testing the Random Forest classifier
نتیجهگیری
Conclusion
مقدمهای بر شبکههای عصبی و معماریهای یادگیری عمیق
Introduction to neural networks and deep learning architectures
برخی از معماریهای معروف شبکه عصبی
Some famous neural network architectures
کاربردهای یادگیری عمیق در امنیت سایبری: تشخیص بدافزار، خوشهبندی و طبقهبندی
Applications of deep learning in cybersecurity: malware detection, clustering and classification
آموزش و ارزیابی مدلهای یادگیری عمیق برای امنیت سایبری
Training and evaluation of deep learning models for cybersecurity
مقدمه
Introduction
مروری بر تکنیکهای پردازش زبان طبیعی (NLP)
Overview of NLP techniques
کاربردهای NLP در امنیت سایبری
NLP applications in cybersecurity
کاربردهای دنیای واقعی
Real-world Use Cases
مقدمه
Introduction
تشخیص لینکهای مخرب وب
Malicious web links detection
الگوریتمهای تولید دامنه
Domain generation algorithms
اخبار جعلی
Fake news
لینکهای کلیکخور (Clickbait)
Clickbait links
ملاحظات اخلاقی، روندهای آینده و نتیجهگیری
Ethical considerations, Future Trends and Conclusion
مقدمه
Introduction
ملاحظات اخلاقی و چالشهای هوش مصنوعی در امنیت سایبری
Ethical considerations and challenges in AI for cybersecurity
نمایش نظرات