Искусственный интеллект и ChatGPT для кибербезопасности 2024 [eng-rus] [Udemy] [Лука Аничин, Алекса Тамбурковски]

[Bot]

1) ChatGPT для кибербезопасности/этического взлома - В этом разделе мы погрузимся в динамичный мир ChatGPT для кибербезопасности и этического взлома, исследуя ключевые темы, начиная с устранения ошибок и неточностей в ChatGPT и заканчивая пониманием тонкостей разработки подсказок, включая контекстные подсказки и форматирование вывода. С помощью практических упражнений участники разберутся с подсказками Few-Shot и Chain of thought prompting, создавая прочный фундамент для эффективного применения ChatGPT.Кроме того, мы рассмотрим такие продвинутые функции, как анализ данных, интеграция с DALL E и использование плагинов, что позволит на практике предотвратить утечку данных и изучить альтернативы ChatGPT

• Ошибки и неточности в ChatGPT
• Как компании сливают свои данные в ChatGPT
• Альтернативы ChatGPT (Bard, Claude, Bing Chat)
• Расширенная функциональность ChatGPT (анализ данных, Далле, плагины)
• Обобщение данных
• Построение пользовательских инструкций
• Подсказки по цепочке мыслей
• Побуждение к действию несколькими выстрелами
• Введение в разработку подсказок

2) New Age Of Social Engineering - В этом разделе мы раскроем концепцию социальной инженерии, вникнем в ее нюансы и вооружим участников стратегиями предотвращения потенциальных угроз. Далее в модуле рассматривается применение искусственного интеллекта для изучения новых техник социальной инженерии, включая клонирование голоса и создание глубоких подделок.
Что такое социальная инженерия?

• Клонирование голоса с ElevenLabs
• Генерация голоса с помощью искусственного интеллекта с Resemble
• Создание глубоких подделок с помощью D-ID
• Использование ChatGPT для написания электронных писем в моем стиле
• Как распознать эти виды мошенничества

3) Где сегодня используется искусственный интеллект в кибербезопасности - В этом разделе мы исследуем передовые достижения в области кибербезопасности, углубляясь в интеграцию искусственного интеллекта в критически важные области. Студенты получат представление о том, как традиционные инструменты кибербезопасности, такие как брандмауэры, SIEM-системы, IDS/IPS, фильтрация электронной почты и управление идентификацией и доступом, работают, когда к ним применяется искусственный интеллект.

• SIEM-системы на основе искусственного интеллекта
• IDS/IPS с искусственным интеллектом
• ИИ в IAM
• Фильтрация электронной почты с помощью искусственного интеллекта
• Брандмауэры с искусственным интеллектом

4) Создание системы фильтрации электронной почты с помощью искусственного интеллекта - в этом разделе студенты проходят практический путь, используя программирование на Python для реализации алгоритмов искусственного интеллекта для создания эффективной системы фильтрации электронной почты. Этот модуль не только знакомит с основами фильтрации электронной почты и безопасности, но и обеспечивает всестороннее понимание спам-фильтров, проводя учащихся через анализ наборов данных, реализацию алгоритмов и практическое сравнение с такими известными системами, как ChatGPT.

• Введение в безопасность и фильтрацию электронной почты
• Сравнение нашей системы с системой ChatGPT
• Реализация обнаружения спама с помощью API ChatGPT
• Обучение и тестирование нашей системы искусственного интеллекта
• Анализ массивов данных
• Что такое спам-фильтры и как они работают?

5) Создание системы обнаружения фишинга с помощью искусственного интеллекта - В этом разделе студенты получат основные знания о фишинге и приобретут навыки распознавания фишинговых атак. Благодаря практической реализации этот модуль поможет учащимся использовать деревья решений с помощью программирования на Python, что позволит им построить надежную систему обнаружения фишинга.

• Введение в фишинг
• Точность и выборка
• Обучение алгоритма Random Forest
• Введение в деревья принятия решений
• Разделение данных
• Анализ набора данных
• Как распознать и предотвратить фишинговые атаки

6) AI In Network Security - В этом разделе студенты изучают основы сетевой безопасности, исследуя традиционные меры наряду с практической реализацией с помощью Python. С помощью логистической регрессии учащиеся получают практический опыт создания системы для мониторинга сети.
Введение в сетевую безопасность

• Анализ массивов данных
• Предварительная обработка данных
• Подготовка данных
• Логистическая регрессия
• Обучение логистической регрессии для мониторинга сети
• Оптимизация гиперпараметров

7) AI For Malware Detection - в этом разделе студенты получают возможность всесторонне изучить типы вредоносных программ и стратегии их предотвращения, а затем приступить к созданию сложной системы обнаружения вредоносных программ. В этом модуле учащиеся проходят через обучение нескольким алгоритмам, изученным на протяжении всего курса, что позволяет им оценить и реализовать наиболее точное решение для системы обнаружения вредоносного ПО.

• Что такое вредоносное ПО и различные типы вредоносного ПО
• Сохранение лучшей модели обнаружения вредоносного ПО
• Обучение алгоритмов машинного обучения
• Анализ и предварительная обработка массива данных о вредоносном ПО
• Загрузка массива данных о вредоносном ПО
• Традиционные системы обнаружения вредоносного ПО

8) Риски безопасности искусственного интеллекта - В этом разделе мы исследуем критические риски безопасности искусственного интеллекта, такие как отравление данных, предвзятость данных, уязвимости моделей и этические проблемы. Этот модуль погружает в глубокое понимание потенциальных рисков и этических соображений при внедрении искусственного интеллекта.

• Отравление данных
• Этические проблемы
• Уязвимости моделей
• Предвзятость данных

9) Приложение A: Введение в кибербезопасность - это первый раздел нашего приложения, который представляет собой путешествие по основам кибербезопасности, позволяющее проследить эволюцию кибербезопасности и получить представление о важнейших инструментах, методах, сертификатах и лучших практиках. Этот модуль служит в качестве компаса, направляющего учащихся по основным принципам кибербезопасности.

• Эволюция кибербезопасности
• Лучшие практики кибербезопасности
• Понимание сертификации в области кибербезопасности
• Инструменты и технологии кибербезопасности
• Политики и процедуры безопасности
• Категории кибератак

10) Приложение B: Введение в искусственный интеллект - это второй раздел нашего приложения, в котором рассматриваются основы искусственного интеллекта, краткая история, различные категории, такие как узкий, общий и сверхинтеллект, а также различия между ИИ, машинным обучением и глубоким обучением.

• Краткая история ИИ
• Этика и управление ИИ
• Алгоритмы машинного обучения
• Области, на которые повлиял ИИ
• ИИ против ML против Deep Learning
• Типы ИИ: узкий, общий и сверхинтеллект

Мы уверяем вас, что этот буткемп по искусственному интеллекту в кибербезопасности является самым полным онлайн-курсом по интеграции искусственного интеллекта в практику кибербезопасности!
Для просмотра скрытого содержимого необходимо Войти или Зарегистрироваться.