آموزش عوامل هوش مصنوعی (AI Agents) برای امنیت سایبری - آخرین آپدیت

معرفی دوره Course Introduction

• خوش‌آمدگویی و اهداف دوره Welcome and Course Goals

مبانی عوامل هوش مصنوعی در امنیت سایبری Foundations of AI Agents in Cybersecurity

• معرفی ماژول Module Introduction

• پتانسیل تحول‌آفرین هوش مصنوعی و LLMها در امنیت سایبری The Transformative Potential of AI and LLMs in Cybersecurity

• تعریف مدل‌های زبانی بزرگ (LLMs) و معماری آن‌ها Defining Large Language Models (LLMs) and their Architectures

• تکامل هوش مصنوعی در امنیت سایبری: از یادگیری ماشین تا هوش مصنوعی عامل‌محور Evolution of AI in Cybersecurity: From ML to Agentic AI

• عوامل هوش مصنوعی چیستند؟ تعریف، ویژگی‌ها و جریان کاری What are AI Agents? Definition, Characteristics, and Workflow

• مدل‌های زبانی بزرگ به عنوان «مغز» عوامل هوش مصنوعی: قابلیت‌ها و محدودیت‌ها LLMs as the "Brain" of AI Agents: Capabilities and Limitations

• سطوح خودمختاری عامل در امنیت سایبری Agent Autonomy Levels in Cybersecurity

• سیستم‌های چندعاملی: همکاری و پیچیدگی Multi Agent Systems: Collaboration and Complexity

• حافظه و یادگیری در عوامل هوش مصنوعی Memory and Learning in AI Agents

• سازگاری LLMها برای امنیت سایبری: تنظیم دقیق (Fine-tuning)، مهندسی پرامپت و تقویت Adapting LLMs for Cybersecurity: Fine-tuning, Prompt Engineering, and Augmentation

• انواع مجموعه‌داده‌ها در LLM برای امنیت: مبتنی بر کد، مبتنی بر متن و ترکیبی Types of Datasets in LLM for Security: Code-based, Text-based, and combined

• پیش‌پردازش و نمایش داده‌ها برای مدل‌های هوش مصنوعی امنیت سایبری Data Pre-processing and Representation for Cybersecurity AI Models

• مقابله با کمبود داده‌ها: استفاده از LLMها برای تقویت داده‌ها در امنیت سایبری Addressing Data Scarcity: LLMs for Data Augmentation in Cybersecurity

عوامل هوش مصنوعی در عملیات امنیت سایبری (شناسایی و تحلیل) AI Agents in Cybersecurity Operations (Detection & Analysis)

• معرفی ماژول Module Introduction

• شناسایی بلادرنگ تهدیدات سایبری با هوش مصنوعی Real-Time Detection of Cyber Threats with AI

• شناسایی و تحلیل خودکار آسیب‌پذیری‌ها Automated Vulnerability Detection and Analysis

• تحلیل و طبقه‌بندی بدافزارها با عوامل هوش مصنوعی Malware Analysis and Classification with AI Agents

• شناسایی نفوذ در شبکه و طبقه‌بندی حملات Network Intrusion Detection and Attack Classification

• شناسایی و دفاع در برابر حملات فیشینگ و زبان‌های فریبنده Detecting and Defending Against Phishing Attacks and Deceptive Language

• بهره‌گیری از هوش مصنوعی برای هوش تهدید (Threat Intelligence) و مدیریت سطح حمله Leveraging AI for Threat Intelligence and Attack Surface Management

• هوش مصنوعی برای تحلیل لاگ‌های سیستم و شناسایی ناهنجاری‌ها AI for System Log Analysis and Anomaly Detection

• مهندسی معکوس و تحلیل باینری با کمک هوش مصنوعی Reverse Engineering and Binary Analysis with AI Assistance

• هوش مصنوعی برای درک سیاست‌های امنیتی و حریم خصوصی AI for Understanding Security and Privacy Policies

عوامل هوش مصنوعی در عملیات امنیت سایبری (پاسخ و مدیریت) AI Agents in Cybersecurity Operations (Response & Management)

• معرفی ماژول Module Introduction

• اتوماسیون ترمیم آسیب‌پذیری‌ها و تولید وصله‌های امنیتی (Patch Generation) Automating Vulnerability Repair and Patch Generation

• بهینه‌سازی جریان‌های کاری پاسخ به حوادث و پلی‌بوک‌ها Streamlining Incident Response Workflows and Playbooks

• تحلیل پس از حمله و شناسایی علت ریشه (Root Cause) با هوش مصنوعی Post-Attack Analysis and Root Cause Identification with AI

• هوش مصنوعی برای دفاع پیش‌دستانه و شکار تهدیدات AI for proactive Defence and threat Hunting

• مدیریت ریسک مبتنی بر هوش مصنوعی و تحلیل‌های پیش‌بینانه AI- Powered Risk Management and Predictive Analytics

• بهینه‌سازی سرمایه‌گذاری‌های امنیت سایبری و اتوماسیون انطباق (Compliance) Optimizing Cybersecurity Investments and Compliance Automation

• تصمیم‌گیری تطبیقی و یادگیری مداوم در عوامل SOC Adaptive Decision Making and Continuous Learning in SOC Agents

امنیت، اخلاق و آینده عوامل هوش مصنوعی در امنیت سایبری Security, Ethics, and Future of AI Agents in Cybersecurity

• معرفی ماژول Module Introduction

• بررسی چالش‌های امنیتی عوامل هوش مصنوعی: چهار شکاف دانشی Overview of AI Agent Security Challenges: The Four Knowledge Gaps

• آسیب‌پذیری‌های ذاتی مرتبط با AI: هوش مصنوعی متخاصم، مسموم‌سازی داده‌ها و عدم هم‌راستایی Inherent AI-related Vulnerabilities: Adversarial AI, Data Poisoning, and Misalignment

• تهدیدات خاص عوامل: تزریق پرامپت (Prompt Injection)، جیل‌بریک و آسیب‌پذیری‌های زنجیره تأمین Agent-Specific Threats: Prompt Injection, Jailbreaking, and Supply Chain Vulnerabilities

• چالش‌های تفسیرپذیری، قابل‌اعتماد بودن و استفاده اخلاقی از LLMها Challenges in LLM Interpretability, Trustworthiness, and Ethical Usage

• مقابله با سوگیری و عدالت در عوامل هوش مصنوعی Addressing Bias and Fairness in AI Agents

• طراحی هوش مصنوعی مسئولانه: مدل‌های حاکمیتی و نظارت انسانی (HITL) Designing Responsible AI: Governance Models and Human-in-the-Loop (HITL)

• گسترش قابلیت‌های LLM و هوش مصنوعی چندوجهی (Multimodal) Expanding LLM Capabilities and Multimodal AI

• امنیت برای LLMها و دفاع خودکار پیش‌دستانه Security for LLMs and Proactive Self-Defence

• نقشه راه عوامل هوش مصنوعی در امنیت سایبری: فرصت‌ها و تحقیقات آینده The Roadmap for AI Agents in Cybersecurity: Opportunities and Future Research

جمع‌بندی دوره Course Conclusion

• ویدئوی جمع‌بندی دوره Course Wrap-up Video