Online cursus – gecertificeerde professionele stage in Google’s AI for Cybersecurity, Johns Hopkins University

Verwerf geavanceerde vaardigheden op het gebied van kunstmatige intelligentietechnieken om cyberdreigingen te detecteren en te voorkomen, en zorg voor een solide bescherming tegen de steeds evoluerende digitale risico’s.

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
Online cursus - gecertificeerde professionele stage in Google's AI for Cybersecurity, Johns Hopkins University

Professional Certificate

starten

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Beheersing van toepassingen van kunstmatige intelligentie op het gebied van cybersecurity
  • Geavanceerde technieken voor het detecteren van cyberdreigingen
  • Fraudepreventie wordt mogelijk gemaakt door kunstmatige intelligentie
  • Malware-analyse
  • Inzicht in de effecten van vijandige netwerken (GAN’s)
  • Identificeer afwijkingen in het netwerkverkeer
  • Toepassing van versterkte leertechnieken
  • Prestatie-evaluatie van modellen voor kunstmatige intelligentie
  • Modellen ontwikkelen in machine learning (ML) en deep learning (DL)
  • Functie-engineering voor ML en optimalisatie van onbewerkte gegevens voor DL
  • Tor-ontwerp van metamorfe malware
  • Analyse van reeksen opcodes om deze te classificeren als kwaadaardige of legitieme software
  • AI-gestuurde detectie van bedreigingen
  • Modellen toepassen voor echte uitdagingen op het gebied van cyberveiligheid

What you will learn in the course

Courses for which the course is suitable

  • Cybersecurity-expert
  • Malware-analysator
  • Ontwikkelt modellen in machine learning
  • Gegevensingenieur
  • Expert op het gebied van kunstmatige intelligentie voor cyberbeveiliging
  • Bedreigingsanalysator
  • Ontwikkelaar van cybersecuritytools
  • Deep learning-ingenieur
  • Expert in IoT-systemen

Stage – een reeks van 3-delige cursussen

Deze specialisatie is bedoeld voor studenten na een bachelordiploma die de ambitie hebben om kunstmatige intelligentietoepassingen op het gebied van cybersecurity onder de knie te krijgen. Tijdens drie uitgebreide cursussen leer je geavanceerde technieken voor het detecteren en omgaan met verschillende cyberdreigingen.

Essentiële onderwerpen in het curriculum:

  • Fraudepreventie wordt mogelijk gemaakt door kunstmatige intelligentie
  • Malware-analyse
  • Effecten van GAN’s

Je krijgt praktische ervaring met het identificeren van afwijkingen in netwerkverkeer, het toepassen van versterkende leertechnieken en het evalueren van de prestaties van kunstmatige intelligentiemodellen ten opzichte van uitdagingen uit de echte wereld.

Na het voltooien van de training ontwikkelt u een diepgaand begrip van hoe u kunstmatige-intelligentiesystemen kunt beveiligen terwijl u omgaat met de complexiteit van vijandige aanvallen. Deze kennis bereidt je voor op nieuwe uitdagingen op het gebied van cybersecurity.

Een praktisch leerproject

In de specialisatie “Kunstmatige intelligentie voor cyberveiligheid” zullen leerlingen kunstmatige intelligentietechnieken gebruiken om praktische hulpmiddelen voor cyberveiligheid te ontwikkelen.

Projecten omvatten:

  • Ontwikkeling van machine learning (ML) en deep learning (DL) modellen om internetbotnetwerkactiviteit (IoT) te detecteren.
  • Functie-engineering voor ML en optimalisatie van onbewerkte gegevens voor DL.
  • Metamorfe malwarematrixontwerp met behulp van een verborgen Markov-model.
  • Analyse van reeksen opcodes om deze te classificeren als kwaadaardige of legitieme software.

Leerlingen bouwen modellen, testen ze op nooit eerder vertoonde gegevens en dienen samen met hun code videodemonstraties in. Deze praktische aanpak voorziet leerlingen van vaardigheden in het identificeren van AI-gestuurde bedreigingen en het toepassen van modellen op echte cyberveiligheidsuitdagingen.

Details of the courses that make up the specialization

Inleiding tot AI voor cyberbeveiliging

Cursus 1 – 9 uur

Gebruik AI-technieken om verschillende cyberdreigingen te identificeren en te beperken, terwijl u digitale activa en gegevens beschermt.

  • Het ontwikkelen en implementeren van machine learning-modellen om spam- en phishing-e-mails te identificeren, classificeren en voorkomen.
  • Implementatie van AI-gestuurde biometrische oplossingen zoals toetsaanslagdynamiek en gezichtsherkenning om de beveiliging van gebruikersidentificatie te verbeteren.

Vaardigheden die je gaat verwerven

  • AI-toepassingen in cyberveiligheid
  • Risicobeheer van cyberdreigingen
  • AI-gestuurde gebruikersidentificatie
  • Het ontwikkelen van praktische ML-modellen
  • Spam- en phishing-e-maildetectie

Cursus 2 – 11 uur

Begrijp verschillende soorten schade en pas basisanalysetechnieken toe om deze effectief te identificeren en te classificeren.

  • Het toepassen van geavanceerde machine learning-algoritmen, inclusief clusters en beslissingsbomen, om schade effectief te identificeren.
  • Ontdek technieken voor het detecteren van afwijkingen met behulp van botnetgegevens en leer hoe u netwerkverkeer kunt analyseren om ongebruikelijke patronen te identificeren.
  • Samenwerking en presentatie van onderzoeksresultaten over de huidige trends in de detectie van netwerkafwijkingen.

Vaardigheden die je gaat verwerven

  • schade analyse
  • Onderzoek presentatievaardigheden
  • Machine learning voor identificatie
  • Technieken voor het detecteren van afwijkingen
  • prestatie-evaluatie

Cursus 3 – 15 uur

Leer hoe u op AI gebaseerde oplossingen kunt implementeren om creditcardfraude in cloudomgevingen te detecteren en te voorkomen.

  • Onderzoek naar de basisprincipes van tegengeneratienetwerken en hun toepassing bij het genereren van synthetische gegevens.
  • Praktische ervaring met agressieve zwart-witvormaanvallen om de duurzaamheid van het model te evalueren en te verbeteren.
  • Beheers feature engineering en prestatie-evaluatietechnieken om AI-modellen voor cyberbeveiligingstoepassingen te optimaliseren.

Vaardigheden die je gaat verwerven

  • Technieken voor fraudedetectie
  • Het implementeren van agressieve aanvallen
  • Modelevaluatie en optimalisatie
  • Generatieve vijandige netwerken (GAN’s)
  • Versterkende leertoepassingen

Gerelateerde producten