Бакалавриат
2022/2023
Методы машинного обучения в информационной безопасности
Статус:
Курс обязательный (Бизнес-информатика)
Направление:
38.03.05. Бизнес-информатика
Когда читается:
4-й курс, 3 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Осипова Анастасия Ивановна
Язык:
русский
Кредиты:
4
Контактные часы:
40
Программа дисциплины
Аннотация
Применение алгоритмов машинного обучения в информационной безопасности. Мы изучим наиболее распространенные проблемы, с которыми сталкиваются на практике при разработке систем машинного обучения в области информационной безопасности. Научимся применять методы машинного обучения для обеспечения информационной безопасности в различных областях экономической деятельности.
Цель освоения дисциплины
- сформировать у студентов системное представление о теории и сформировать практические навыки применения методов машинного обучения в информационной безопасности при решении задач бизнес - информатики. Программа предусматривает лекции, практические занятия и выполнение заданий, отражающих реальное применение материалов курса при решении практических задач.
Планируемые результаты обучения
- анализировать риски открытого и закрытого кода
- управлять непрерывностью бизнес-процессов во время DDoS атаки.
- анализировать ML алгоритмы на уязвимость
- анализировать и управлять рисками
- анализировать поведения в сети с использованием алгоритмов МЛ
- анализировать практические ситуации
- анализировать риски защищенности частной жизни
- анализировать трафик с помощью ML алгоритмов
- защищать критически важные данные от потери
- Классифицировать уязвимости и угрозы
- контролировать качества данных и эффективность моделей
- примененять модели Cyber Kill Chain
- применять ML алгоритмы для защиты от спама
- применять методы статического анализа кода для поиска уязвимостей
- применять промышленные системы проактивной защиты, построенные на использовании алгоритмов машинного обучения
- управлять защитой во время таргетированной атаки
Содержание учебной дисциплины
- Экономика кибератаки.
- Понимание ландшафта угроз.
- Понятие privacy.
- Управление рисками информационной безопасности: методы и инструменты.
- Как анализ данных и машинное обучение помогают в решении практических задач в области информационной безопасности.
- Криптографические и стенографические методы защиты информации.
- Уязвимости информационных систем.
- Культурные особенности применения ИБ.
- Рынок ошибок в ПО.
- Бот-сети.
- Фишинг, таргетированные атаки, социальная инженерия.
- DDoS атаки.
- Методы ML в статической и динамической верификации.
- Атаки шифровальшиков-вымогателей.
- Промышленные системы, использующие модели и алгоритмы машинного обучения.
- Даркнет.
Список литературы
Рекомендуемая основная литература
- Mirkin, B. Core concepts in data analysis: summarization, correlation and visualization. – Springer Science & Business Media, 2011. – 388 pp.
Рекомендуемая дополнительная литература
- Caravelli, J., & Jones, N. (2019). Cyber Security: Threats and Responses for Government and Business. Santa Barbara, CA: Praeger. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2014189