Описание
Проблемы и вызовы кибербезопасности. Обучение с учителем и без учителя. Алгоритмы классификации и регрессии. Оценка производительности в областях кибербезопасности. Приёмы для несбалансированных областей. Обнаружение аномалий. Стратегии активного обучения. Кибербезопасность потоков данных. Уязвимости ML. NLP для кибербезопасности. Обнаружение вредоносного ПО, вторжений, мошенничества с кредитными картами, фишинга, предотвращение злоупотреблений аутентификацией.
Предварительные требования
- Предварительные требования: официальных предварительных требований для этого курса нет. Однако студентам рекомендуется иметь достаточный опыт в области искусственного интеллекта, машинного обучения и некоторый опыт программирования на языке высокого уровня.
Условия и порядок
- Предварительные требования: официальных предварительных требований для этого курса нет. Однако студентам рекомендуется иметь достаточный опыт в области искусственного интеллекта, машинного обучения и некоторый опыт программирования на языке высокого уровня.
Текст источника на языке оригинала
Cybersecurity problems and challenges. Supervised and unsupervised learning. Classification and regression algorithms. Performance assessment in cybersecurity domains. Techniques for imbalanced domains. Anomaly detection. Active learning strategies. Cybersecurity of data streams. ML vulnerability. NLP for cybersecurity. Malware, intrusion, credit card fraud detection, phishing, authentication abuse prevention.
- Prerequisite(s): There are no official prerequisites for this course. However, students should have reasonable exposure to Artificial Intelligence, Machine Learning, and some programming experience in a high-level language.
Источники и ссылки
Даты и источники сохраняются, чтобы помочь вам проверить сведения. Переводы предлагаются для удобства чтения; официальным источником для условий и требований является оригинал.
Исходная ссылка : https://calendar.carleton.ca/grad/courses/COMP/