هوش مصنوعی برای امنیت سایبری و شکار باگ باونتی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- استفاده از ابزارهای هوش مصنوعی (AI) برای شناسایی خودکار، اسکن آسیبپذیری و تحلیل اکسپلویت
- یادگیری مفاهیم پایه یادگیری ماشین که در موارد کاربردی امنیت سایبری استفاده میشوند.
- پیادهسازی تکنیکهای مبتنی بر AI برای افزایش کارایی در شکار باگ باونتی
- کار با مثالهای واقعی و ابزارهایی مانند ChatGPT ،Burp Suite و ابزارهای شناسایی مبتنی بر AI
- یاد بگیرید چگونه AI را در گردش کاری هک اخلاقی همراه با دموهای عملی ادغام کنید.
- کسب مزیت رقابتی در برنامههای Bug Bounty با استفاده از اتوماسیون هوشمند
- یاد بگیرید چگونه LLM محلی خود را به صورت رایگان راهاندازی کنید.
- یاد بگیرید چگونه سرور MCP را راهاندازی کنید.
پیشنیازهای دوره
- نیازی به دانش برنامهنویسی نیست.
توضیحات دوره
آیا آمادهاید مهارتهای امنیت سایبری خود را با قدرت هوش مصنوعی متحول کنید؟
با مدرس این دوره همراه شوید تا بررسی کنیم که هوش مصنوعی چگونه بازی امنیت سایبری را تغییر میدهد.
دوره «هوش مصنوعی برای امنیت سایبری و شکار باگ باونتی» یک دوره عملی است که برای هکرهای اخلاقی، علاقهمندان به امنیت و متخصصان IT طراحی شده است که میخواهند پیشرو باشند. یاد بگیرید که چگونه AI و یادگیری ماشین دنیای امنیت سایبری را دگرگون میکنند و چگونه میتوانید از این فناوریها برای کشف سریعتر آسیبپذیریها، خودکارسازی شناسایی و افزایش نرخ موفقیت خود در Bug Bounty استفاده کنید.
در این دوره موارد زیر بررسی خواهند شد:
- چگونه AI امنیت سایبری و هک اخلاقی را متحول میکند؟
- استفاده عملی از ابزارهای AI برای اسکن آسیبپذیری، توسعه اکسپلویت و تحلیل اکسپلویت
- مفاهیم یادگیری ماشین متناسب با نیازهای پژوهشگران امنیتی
- تکنیکهای اتوماسیون برای بهبود شناسایی، تحلیل داده و گزارشدهی
- دموها و مثالهای واقعی متمرکز بر شکار باگ باونتی
- چه تازه وارد دنیای باگ باونتی شده باشید و چه یک پژوهشگر امنیتی باسابقه باشید که به دنبال ادغام AI در گردش کاری خود است، این دوره دانش، ابزارها و استراتژیهایی را فراهم میکند که به شما مزیت رقابتی بدهد.
نیازی به تجربه عمیق در زمینه AI نیست، مدرس شما را با اصول آشنا کرده و نشان میدهد که چگونه آنها را در چالشهای امنیتی واقعی به کار بگیرید.
این دوره برای چه کسانی مناسب است؟
- هکرهای اخلاقی مشتاق و شکارچیان باگ باونتی
- توسعهدهندگان و تستکنندگان QA
- علاقهمندان به امنیت سایبری و تسترهای نفوذ
- دانشجویان امنیت سایبری یا علوم کامپیوتر
- متخصصان امنیتی که برای مصاحبهها یا گواهینامهها آماده میشوند.
هوش مصنوعی برای امنیت سایبری و شکار باگ باونتی
-
مقدمه 01:10
-
مقدمه 03:56
-
ارزشها 03:29
-
اهداف و استراتژی 02:46
-
تکنیک شکار برنامه - بخش 1 04:33
-
تکنیک شکار برنامه - بخش 2 02:37
-
روشهای منحصربهفرد برای یافتن برنامههای Bug Bounty از طریق JSON 04:03
-
شناسایی – استخراج Subdomain 04:58
-
فعال - استخراج Subdomain 11:20
-
مقدمهای بر Claude.ai و Ollama 13:18
-
راهاندازی Ollama 10:02
-
راهاندازی مدل زبانی Claude 14:11
-
ویژگیهای Claude 02:22
-
پرامپتهای Ollama 09:37
-
پرامپتهایی برای تست API - بخش 1 13:37
-
پرامپتهایی برای تست API - بخش 2 12:01
-
MCP چیست؟ 06:31
-
چگونگی در دسترس قرار دادن یک وب اپلیکیشن AI محلی از طریق Ngrok 05:38
-
اتصال سرور MCP به مدل WebUI برای استخراج Subdomain و تشخیص تکنولوژی 09:27
-
فرمان هایی برای Subfinder و تشخیص تکنولوژی 17:47
-
تحلیل JavaScript - بخش 1 15:54
-
تحلیل JavaScript - بخش 2 04:08
-
اکسپلویت زنده - بخش 1 16:43
-
اکسپلویت زنده - بخش 2 08:32
-
مقدمهای بر کارکرد مدلسازی RAG 06:33
-
آموزش مدل با استفاده از منابع خارجی 05:25
-
تصاحب حساب اپل از طریق 204 No Content 03:23
-
آموزش مدل Ollama 05:34
-
آموزش Ollama برای تست API 05:13
-
پرامپتهایی برای تست API 09:10
-
WAF چیست؟ 05:20
-
مقدمهای بر Coreurset 04:04
-
اکسپلویت زنده 13:40
-
تنظیم بای پس کردن WAF با استفاده از Llama 07:09
-
اکسپلویت زنده - بخش 1 22:30
-
اکسپلویت زنده - بخش 2 09:12
-
درک Shell Globbing 07:58
-
نمایش زنده - 1 08:04
-
نمایش زنده - 2 15:20
-
اکسپلویت زنده - 3 01:46
-
تکنیکهای Shell Globbing - بخش 1 14:40
-
تکنیکهای Shell Globbing - بخش 2 11:08
-
استفاده از LLMها برای خودکارسازی تولید فرمان با Ollama 06:43
-
مثالهایی از RCE 02:13
-
یافتن اکتسابهای اخیر با استفاده از مدل ما 07:07
-
خودکارسازی تسک های با حافظه سیستم در Ollama 13:25
-
استفاده از قابلیت اسکرینشات HTTPX برای انجام اسکن آسیبپذیری 17:26
-
ایجاد گزارشهای VAPT از طریق Ollama - بخش 1 12:04
-
ایجاد گزارشهای VAPT از طریق Ollama - بخش 2 08:35
-
اکسپلویت کردن قالب Nuclei 11:56
-
متد 1 - ایجاد یک قالب YAML 06:03
-
متد 2 - ایجاد یک قالب YAML با استفاده از Llama 08:43
-
تولید درخواست curl در قالب Nuclei 06:34
-
راهاندازی Postman 07:47
-
راهاندازی Backend مربوط به Postman 03:22
-
شناسایی Endpoints آسیبپذیر API و بدنهی درخواستها با استفاده از Llama 13:45
مشخصات آموزش
هوش مصنوعی برای امنیت سایبری و شکار باگ باونتی
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:متخصص
- تعداد درس:56
- مدت زمان :08:00:32
- حجم :6.9GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy