Deep learning pour Cyber security

Objectifs :

Comprendre les défis de la cyber sécurité
Comprendre la contribution de l’IA à la prévention et à la détection des menaces
Comprendre comment l’IA peut  être utilisée par les pirates
Sélectionnez des modèles d’apprentissage profond appropiate pour chaque zone de cybersécurité

Outils à maîtriser :

Tshark /  Wirerequin
Tensorflow (tensorflow)
Dur
Git
Python 3 Python 3 Python 3 Python
Repères CTU-13

Module 1 : Introduction

L’ère des données
Cyber- menacesàla  sécurité
Méthodologies KDD et  CRISP-DM
Importance de la préparation des données 

Module 2: Artificial intelligence,  Machine learning & deep learning

Intelligence artificielle et machine learning
Apprentissage supervisé vs apprentissagenon supervisé 
Réseaux neuronaux artificiels (ANN)  et apprentissage deep  (DL)
Application I: modèle prédictif basé sur lemodèle o nML
Application II: modèle prédictif basé sur ANN
Évaluation des modèles 
Modèles d’apprentissage profond 
Transfert d’apprentissage 

Module 3 : Défis en matière  de cybersécurité  

Introduction
Trafic crypté  Défis  récents
Malware proliferation
Logiciels de sécurité/ mises à  jour du firmware  

Module 4: IDS / IPS en utilisant l’apprentissage  deep

Introduction
IDS vs pare-feu
IDS vs IPS
Modèles de penchement de machine pour la détection d’intrusion
Modèles d’apprentissage profond pour la détection intrusion
L’apprentissage par ensemble comme alternative aux modèles d’apprentissage profond

Module 5 : Applications d’apprentissage profond fou cybersécurité

Renseignements sur les menaces 
Vidéosurveillance   intelligente  : IVS
Détection des anomalies

LAB : Atténuation  de la DGA  

Problème de la DGA
Ensembles de données 1M
Signatures de construction
Prétraitement des données
Conception du modèle
Formation du  modèle
Tester le modèle
Comment déployer le model?
Comment mettre à jour le modèle.

Module 6 : Application d’apprentissage profondpour trafic crypté

TLS et https
Poignée de main TLS 
Approches basées sur les  fonctionnalités
Approches métriques  
Approches basées sur le  flux
Classification de la circulation et empreintes digitales 

Module 7  : Modèles accusatoires génératifs:  GANs

Introduction
Composants d’apprentissage  profond   GAN
GAN avantages
Comment les GANs  peuvent-ils être used pour générer des attaques?
Comment atténuer généré unttacks? L’apprentissage profond à la rescousse!

Module 8  :  Comment intégrer un modèle d’apprentissage profond dans une pile de cybersecurity?

ETL et pipelines de données 
Siem
API   comme  emballage
Heuristics et  notation  approdouleurs