AI+ Security Strategist™ - eLearning (inklusive eksamen)
3.500,00 DKK
- 40 timer
Før den næste æra af cybersikkerhed med AI-drevne innovationer Denne certificering giver et omfattende dybtgående indblik i, hvordan Kunstig Intelligens (AI) og Maskinlæring (ML) transformerer cybersikkerhed. Du vil lære at udnytte AI til avanceret trusselsdetektion, overholdelse af regulativer og risikostyring på tværs af netværk, endepunkter, IoT og cloudmiljøer.
Vigtigste funktioner
Sprog
Kursus og materiale på engelsk
Niveau
Mellemniveau (Kategori: AI+ Technical)
1 års platformadgang
og Virtuelt Hands-on Lab inkluderet
40 timers videoundervisning & multimedie
Anbefaling om 50 timers studietid
Materiale
Video, PDF-materiale, lydbog, podcasts, quizzer og vurderinger.
Eksamen
Online overvåget eksamen med én gratis genprøve
Certifikat
Certifikat for gennemførelse inkluderet. Gyldig i 1 år
Værktøjer du vil mestre
Splunk User Behavior Analytics (UBA), Microsoft Defender for Endpoint, Microsoft Azure AD Conditional Access, Adversarial Robustness Toolbox (ART)
Om kurset
Programmet fokuserer på praktisk implementering gennem case-studier, workshops og virkelige scenarier, hvilket giver dig praktisk erfaring med at forsvare mod nye trusler, fjendtlige angreb og skiftende overholdelseskrav. Et afsluttende projekt vil give dig mulighed for at anvende din ekspertise på en reel cybersikkerhedsudfordring, forbereder dig til effektivt at designe og implementere AI-drevne sikkerhedsløsninger.
Læringsresultater
Ved afslutningen af dette kursus vil du være i stand til at:
Udnyt dyb læring til cyberforsvar
Udvikle færdigheder i anvendelse af dyb læring modeller til avancerede cybersikkerhedsopgaver såsom malware-detektion, forebyggelse af phishing og prædiktiv trusselsanalyse.
AI-drevet sikkerhed for sky og containere
Lær hvordan AI forbedrer sikkerheden for cloud-infrastrukturer og containeriserede miljøer, med fokus på skalerbarhed, automatisering og proaktiv trusselsreaktion.
AI-forstærket identitets- og adgangsstyring
Anvend AI til at optimere identitetsverifikation, styrke adgangskontrol og sikre autentificeringsmekanismer.
AI-drevet IoT-sikkerhed
Opdag AI-strategier til at håndtere IoT-specifikke sikkerhedsrisici, herunder identifikation af kompromitterede enheder og beskyttelse af kommunikationskanaler.
Kursus tidsplan
Grundlag for AI og maskinlæring inden for sikkerhedsteknik
Lektion 1
- 1.1 Kernebegreber inden for AI og ML til sikkerhed
- 1.2 Anvendelsestilfælde for AI inden for cybersikkerhed
- 1.3 Ingeniørarbejde med AI-pipelines for sikkerhed
- 1.4 Udfordringer ved anvendelse af AI til sikkerhed
Maskinlæring til trusselsdetektion og respons
Lektion 2
- 2.1 Ingeniørarbejde med udtrækning af funktioner til cybersikkerhedsdatasæt
- 2.2 Overvåget læring til trusselsklassificering
- 2.3 Uovervåget læring til detektion af anomalier
- 2.4 Ingeniørarbejde med systemer til detektion af trusler i realtid
Dybdelæring til sikkerhedsapplikationer
Lektion 3
- 3.1 Konvolutionelle neurale netværk (CNN'er) til trusselsdetektion
- 3.2 Tilbagevendende neurale netværk (RNN'er) og LSTMs til sikkerhed
- 3.3 Autoenkodere til anomalidetektion
- 3.4 Fjendtlig dyb læring inden for sikkerhed
Fjendtlig AI inden for sikkerhed
Lektion 4
- 4.1 Introduktion til fjendtlige AI-angreb
- 4.2 Forsvarsmekanismer mod fjendtlige angreb
- 4.3 Fjendtlig testning og rødt hold-arbejde for AI-systemer
- 4.4 Ingeniørarbejde med robuste AI-systemer mod fjendtlig AI
AI i netværkssikkerhed
Lektion 5
- 5.1 AI-drevne indtrængningsdetektionssystemer
- 5.2 AI til detektion af Distributed Denial of Service (DDoS)
- 5.3 AI-baseret detektion af netværksanomalier
- 5.4 Ingeniørarbejde med sikre netværksarkitekturer ved hjælp af AI
AI i endpoint-sikkerhed
Lektion 6
- 6.1 AI til detektion og klassificering af malware
- 6.2 AI til slutpunktsdetektion og -respons (EDR)
- 6.3 AI-drevet trusselsjagt
- 6.4 Implementering af letvægts AI-modeller til ressourcebegrænsede enheder
Sikker AI Systemteknik
Lektion 7
- 7.1 Design af sikre AI-arkitekturer
- 7.2 Kryptografi i AI til sikkerhed
- 7.3 Sikring af modelgennemsigtighed og forklarbarhed i sikkerhed
- 7.4 Ydelsesoptimering af AI-sikkerhedssystemer
AI til sikkerhed for sky og containere
Lektion 8
- 8.1 AI til sikring af cloudmiljøer
- 8.2 AI-drevet containersikkerhed
- 8.3 AI til sikring af serverløse arkitekturer
- 8.4 AI og DevSecOps
Penetrationstest med kunstig intelligens
Lektion 9
- 9.1 Forbedring af effektiviteten ved identifikation af sårbarheder ved brug af AI
- 9.2 Automatisering af trusselsdetektion og tilpasning til udviklende angrebsmønstre
- 9.3 Styrkelse af organisationer mod cybertrusler ved brug af AI-drevet penetrationstestning
- 9.4 Værktøjer og teknologi: Værktøjer til penetrationstest, AI-baserede sårbarhedsscannere
AI i identitets- og adgangsstyring (IAM)
Lektion 10
- 10.1 AI til analyse af brugeradfærd i IAM
- 10.2 AI til multifaktorautentificering (MFA)
- 10.3 AI til nul-tillidsarkitektur
- 10.4 AI til rollebaseret adgangskontrol (RBAC)
AI til fysisk og IoT-sikkerhed
Lektion 11
- 11.1 AI til sikring af smarte byer
- 11.2 AI til industriel IoT-sikkerhed
- 11.3 AI til sikkerhed i selvkørende køretøjer
- 11.4 AI til sikring af smarte hjem og forbruger-IoT
Afsluttende projekt - Ingeniørarbejde inden for AI-sikkerhedssystemer
Lektion 12
- 12.1 Definition af problemstillingen for afsluttende projekt
- 12.2 Udvikling af AI-løsningen
- 12.3 Udrulning og overvågning af AI-systemet
- 12.4 Afsluttende hovedprojektpræsentation og evaluering
AI-agenter til sikkerhedsniveau 3
Valgfrit modul
- 1. Forståelse af AI-agenter
- 2. Case-studier
- 3. Praktisk erfaring med AI-agenter
Industrivækst
Stigende efterspørgsel efter AI-sikkerhedseksperter
- AI-drevne cybertrusler udvikler sig hurtigt, hvilket øger efterspørgslen efter professionelle, der er dygtige til at modvirke avancerede angreb og sårbarheder.
- 84% af cybersikkerhedsprofessionelle er enige om, at AI forbedrer deres evne til at bekæmpe cybertrusler.
- Højvækstområder: AI-drevet trusselsintelligens, prædiktivt cyberforsvar, dyb læring for sikkerhed, Zero Trust AI-sikkerhedsrammer
- Det globale AI-sikkerhedsmarked forventes at nå op på 133 milliarder dollars inden 2030, hvilket gør det til et fremtrædende karrierevalg for dem, der søger roller med stor indflydelse inden for cybersikkerhed.
Hvem bør tilmelde sig dette program?
Cybersikkerhedsprofessionelle & analytikere
Penetrationstestere & trusselsjægere
Sikkerhedskonsulenter
Incidentrespondenter
Sikkerhedsingeniører
Overholdelsesrevisorer
Netværkssikkerhedsadministratorer
IT-professionelle & systemadministratorer
Forretningsledere & beslutningstagere
Softwareudviklere
Flere detaljer
Forudsætninger
- Gennemført AI+ Security Practitioner™ og AI+ Security Expert™
- (anbefales).
- Python-programmeringsfærdigheder på mellem- til avanceret niveau, herunder erfaring med deep learning-frameworks som TensorFlow og PyTorch.
- Indgående forståelse af machine learning-koncepter, herunder deep learning, adversarial AI og modeltræning.
- Avanceret ekspertise inden for cybersikkerhed på områder som trusselsdetektering, håndtering af sikkerhedshændelser samt beskyttelse af netværk og slutpunkter.
- Kendskab til anvendelse af AI inden for sikkerhedsteknik, herunder IAM, IoT-sikkerhed og fysisk sikkerhed.
- Kendskab til cloud-sikkerhed, containerisering og blockchain-teknologier.
- Beherskelse af Linux og kommandolinjeoperationer samt erfaring med brug af sikkerhedsværktøjer i Linux-miljøer.
- Ingen obligatoriske forudsætninger – certificeringen tildeles udelukkende på baggrund af eksamensresultatet.
Ofte stillede spørgsmål
Har du brug for en skræddersyet virksomhedsintern uddannelse eller gruppeuddannelse?
Anmod om et virksomhedsinternt uddannelsesprogram, der er skræddersyet specifikt til dit team. Vi tilbyder fleksible tilpasningsmuligheder, der matcher dine forretningsmål, samt konkurrencedygtige gruppepriser til større teams. Udfyld formularen nedenfor, så designer vores eksperter inden for virksomhedsuddannelse den perfekte løsning til dig.