یادگیری ماشین و هوش مصنوعی در امنیت سایبری - ساخت بیش از 20 پروژه
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- اصول و اصطلاحات امنیت سایبری
- امنیت و حملات هوش مصنوعی
- چگونه هوش مصنوعی و یادگیری ماشین خود با استفاده از پایتون ایجاد کنیم؟
- برنامهنویسی پایتون برای امنیت سایبری
- ملزومات یادگیری ماشین
- مدلهای تشخیص تهدید
- دستهبندیهای فیشینگ و بدافزار
- تشخیص نفوذ هوش مصنوعی محور
- پیشپردازش داده و مهندسی ویژگی
- یکپارچهسازی SIEM و IDS
- لابراتوارهای عملی و پروژههای کدنویسی
- همسویی با گواهینامه های ISC²
- حملات مدلهای هوش مصنوعی
پیشنیازهای دوره
- نیازی به تجربه قبلی برنامهنویسی نیست. مبانی پایتون در دوره گنجانده شده است.
- درک اولیه از کامپیوترها و شبکهها مفید است اما اجباری نیست.
- یک کامپیوتر (ویندوز، مک یا لینوکس) با دسترسی به اینترنت
- کنجکاوی برای یادگیری نحوه تبدیل دفاع امنیت سایبری توسط هوش مصنوعی
توضیحات دوره
هوش مصنوعی برای امنیت سایبری - ساخت بیش از 20 پروژه (همسویی با گواهینامه های ISC²) یک دوره جامع و عملی است که امنیت سایبری، برنامهنویسی پایتون و هوش مصنوعی را ترکیب میکند تا یادگیرندگان را برای چالشهای امنیتی مدرن آماده کند.
این دوره بر توسعه مهارتهای عملی از طریق پروژههای واقعی تمرکز دارد و همه موارد را از اصول اولیه امنیت تا ساخت سیستمهای تشخیص هوشمند مبتنی بر یادگیری ماشین پوشش میدهد. هر بخش به گونهای طراحی شده که یادگیرندگان نه تنها تئوری را درک کنند، بلکه آن را از طریق تمرینات عملی و واقعی به کار بگیرند.
آنچه یاد خواهید گرفت:
- اصول و اصطلاحات اصلی امنیت سایبری، شامل سهگانه CIA، عوامل تهدید و کنترلهای امنیت
- اصول برنامهنویسی پایتون برای کاربردهای امنیت سایبری و هوش مصنوعی
- تکنیکهای یادگیری ماشین برای تشخیص نفوذ، تحلیل فیشینگ و تشخیص ناهنجاری
- ساخت ابزارهای امنیت سایبری مجهز به هوش مصنوعی برای تست نفوذ و عملیاتهای SOC
- درک و یکپارچهسازی سیستمهایی مانند SIEM و IDS/IPS و EDR
- توسعه پایپلاینهای پیشپردازش داده و مهندسی ویژگی برای مجموعه دادههای امنیتی
- دانش همسو با دو حوزه گواهینامه امنیت سایبری ISC²
ویژگیهای کلیدی دوره
- بیش از 20 پروژه هدایت شده برای توسعه تجربه عملی و کاربردی
- پوشش متعادل تئوری و پیادهسازی
- جلسات کدنویسی گامبهگام، آزمونها و لابراتوارهای کوچک برای یادگیری فعال
- توضیحات شفاف مناسب برای مبتدیان و حرفهایها
- همسویی با محیطهای واقعی SOC و شیوههای دفاع سایبری مدرن
مخاطبان دوره:
- دانشجویان امنیت سایبری که میخواهند به سمت دفاع هوش مصنوعی محور حرکت کنند.
- هکرهای اخلاقی و متخصصان تست نفوذ که به اتوماسیون علاقهمند هستند.
- تحلیلگران SOC و متخصصان IT که در حال توسعه سیستمهای تشخیص پیشرفته هستند.
- یادگیرندگان پایتون که در حال بررسی کاربردهای امنیت سایبری هستند.
- کسی که برای گواهینامههای امنیت سایبری همسو با ISC² آماده میشود.
پس از اتمام، یادگیرندگان دانش فنی و تجربه کاربردی لازم برای ساخت، تست و استقرار راهحلهای امنیت سایبری هوشمند را خواهند داشت. این دوره مسیری کامل از درک اولیه امنیت تا تشخیص پیشرفته تهدیدات مبتنی بر هوش مصنوعی ارائه میدهد و دانشجویان را برای نقشهای حرفهای در محیطهای امنیتی مدرن آماده میکند.
این دوره برای چه کسانی مناسب است؟
- دانشجویان امنیت سایبری که به دنبال مهارتهای عملی هوش مصنوعی هستند.
- هکرهای اخلاقی و متخصصان تست نفوذ که به هوش مصنوعی گسترش مییابند.
- تحلیلگران SOC و پاسخدهندگان به حوادث که در حال یادگیری اتوماسیون هستند.
- توسعهدهندگان پایتون که در حال بررسی اپلیکیشنهای امنیت سایبری هستند.
- متخصصان IT که به سمت نقشهای امنیت و هوش مصنوعی حرکت میکنند.
- مبتدیانی که بدون تجربه کدنویسی وارد امنیت سایبری میشوند.
- کسی که برای گواهینامه های همسو با ISC² آماده میشود.
یادگیری ماشین و هوش مصنوعی در امنیت سایبری - ساخت بیش از 20 پروژه
-
مقدمه 01:50
-
سهگانه CIA - محرمانگی 03:25
-
سهگانه CIA - یکپارچگی 03:01
-
سهگانه CIA - دسترسپذیری 03:05
-
شبکهسازی - LAN ،WAN و VLAN 02:29
-
اصل حداقل امتیاز (PoLP) 02:13
-
کامپوننتهای امنیت 03:28
-
رمزنگاری 02:42
-
نصب ویژوال استودیو کد و پایتون 04:26
-
کامپایل کردن در مقابل تفسیر 02:27
-
اولین برنامه 01:15
-
سینتکس و سمانتیک 01:53
-
عملی 02:46
-
کامنتها 00:31
-
عملی 01:54
-
لیترالها 02:40
-
عملی 03:08
-
متغیرها 01:08
-
عملی 01:54
-
عملگرهای رابطهای 02:19
-
خروجی در پایتون 01:30
-
عملی 03:05
-
دریافت مقدار از کاربر 01:35
-
عملی 03:12
-
خلاصه 06:06
-
راهحل 12:20
-
خلاصه - بخش 2 02:33
-
راهحل - بخش 2 07:54
-
دستور If 00:39
-
عملی 04:16
-
دستور Else 01:13
-
عملی 06:11
-
دستور Elif 01:17
-
عملی 04:45
-
دستور If تودرتو 00:43
-
عملی 06:46
-
حلقه While 00:25
-
عملی 07:01
-
عملی - مورد اضافی 01:40
-
حلقه For 01:35
-
عملی - بخش 1 02:39
-
عملی - بخش 2 03:50
-
عملی - بخش 3 04:21
-
Break و Continue 00:57
-
عملی 03:27
-
لیستها 02:39
-
ایجاد لیست 03:21
-
دسترسی به عناصر در لیستها 03:37
-
تغییر عناصر داخل لیست 03:47
-
متدهای Append و Insert 04:54
-
حذف عناصر از لیست 04:23
-
اسلایس کردن لیستها 06:05
-
عملی - مورد اضافی 00:53
-
تکرار روی لیست 03:31
-
تاپل 01:20
-
ایجاد تاپل 01:48
-
عملی - مورد اضافی 02:42
-
دسترسی به عناصر در تاپلها 01:07
-
ایجاد دیکشنری 03:25
-
دسترسی به عناصر در دیکشنری 03:45
-
تغییر و افزودن عناصر 02:54
-
حذف عناصر از دیکشنری 02:39
-
توابع 01:19
-
ایجاد تابع 07:06
-
پارامترها و آرگومانها 05:01
-
تابع با چندین پارامتر 06:08
-
نتیجه بازگشتی 02:48
-
متغیرهای محلی در مقابل گلوبال 05:17
-
سایهزنی 02:04
-
هوش مصنوعی 05:12
-
یادگیری ماشین 07:30
-
یادگیری عمیق 02:41
-
عملی - مثال سیستم مبتنی بر سیگنیچر 11:19
-
عملی - بردارسازی 14:23
-
یادگیری نظارت شده 02:47
-
عملی - یادگیری نظارت شده 10:18
-
یادگیری نظارت نشده 02:55
-
یادگیری تقویتی 02:32
-
درختان تصمیمگیری 03:28
-
عملی - درخت تصمیمگیری 08:06
-
شبکههای عصبی 03:36
-
خوشهبندی 02:05
-
عملی - خوشهبندی 21:11
-
جمعآوری داده 13:58
-
پاکسازی و پیشپردازش 02:42
-
عملی - پیشپردازش 04:48
-
مسمومیت در لایه داده 05:18
-
مسمومیت برچسب 04:33
-
مسمومیت در سطح ویژگی 03:20
-
مسمومیت بکدور و تریگر 03:34
-
مسمومیت زنجیره تامین و شخص ثالث 02:44
-
تزریق نویز و رانش داده 04:13
-
آموزش مدل 02:44
-
ارزیابی 01:43
-
استقرار مدل 02:07
-
نظارت و آموزش مجدد 01:44
-
عملی - جمعبندی 13:14
-
عملی - سیستم تشخیص اسپم (پروژه 1) 28:59
-
عملی - سیستم تشخیص ناهنجاری رفتار کاربر (پروژه 2) 13:51
-
ارزیابی دامنه 1 - آزمون None
-
مدلهای تهدید و حملات هوش مصنوعی 00:55
-
حملات خصمانه 04:17
-
عملی - حمله خصمانه 15:22
-
حملات فرار 05:34
-
عملی - حمله فرار 06:18
-
استخراج مدل 03:52
-
حمله وارونگی مدل و حریم خصوصی 04:02
-
حملات DoS علیه مدلهای هوش مصنوعی 05:54
-
نگاشت در سهگانه CIA 02:38
-
مدلهای تهدید هوش مصنوعی - جمعبندی 01:18
-
عملی - مسمومیت داده 08:42
-
هوش مصنوعی در عملیاتهای امنیت 00:40
-
هوش مصنوعی در SOC 03:52
-
هوش مصنوعی در SIEM و تحلیل لاگ 04:08
-
هوش مصنوعی در دفاع از اندپوینت و شبکه 06:34
-
هوش مصنوعی در پاسخ به حوادث و SOAR 06:37
-
نقاط قوت در مقابل محدودیتها 03:00
-
نگاشت هوش مصنوعی در چرخه عمر عملیاتهای امنیت 02:51
-
اطلاعات اضافی 03:49
-
عملی - سیستم تشخیص نفوذ 19:35
-
عملی - Classifier بدافزار 12:52
-
عملی - Classifier لاگ 06:39
-
خلاصه 01:16
-
حاکمیت هوش مصنوعی 00:30
-
قانون هوش مصنوعی اتحادیه اروپا 02:16
-
استانداردهای ISO/IEC برای هوش مصنوعی 00:33
-
انطباق Tie-In برای هوش مصنوعی 02:11
-
مهندسی امنیت و استقرار هوش مصنوعی 00:27
-
چرخه عمر توسعه ایمن هوش مصنوعی 01:42
-
الزامات و طراحی 02:41
-
امنیت داده در سیستمهای هوش مصنوعی 01:19
-
امنیت و مقاومسازی مدل 02:22
-
امنیت استقرار 02:24
-
Zero Trust برای هوش مصنوعی 02:08
-
تیم قرمز سیستمهای هوش مصنوعی 01:45
مشخصات آموزش
یادگیری ماشین و هوش مصنوعی در امنیت سایبری - ساخت بیش از 20 پروژه
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:135
- مدت زمان :09:40:14
- حجم :2.53GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy