AI+ Security Strategist™ - eLearning (Prüfung inbegriffen)

Kurszeitplan

1. Grundlagen der KI und des maschinellen Lernens für Sicherheitstechnik

   Lektion 1

   • 1.1 Kernkonzepte von KI und ML für die Sicherheit
   • 1.2 Anwendungsfälle von KI in der Cybersicherheit
   • 1.3 Entwicklung von KI-Pipelines für die Sicherheit
   • 1.4 Herausforderungen bei der Anwendung von KI in der Sicherheit
     

2. Maschinelles Lernen für die Bedrohungserkennung und Reaktion

   Lektion 2

   • 2.1 Entwicklung von Merkmalsextraktion für Cybersicherheitsdatensätze
   • 2.2 Überwachtes Lernen zur Bedrohungsklassifizierung
   • 2.3 Unüberwachtes Lernen zur Anomalieerkennung
   • 2.4 Ingenieurwesen für Echtzeit-Bedrohungserkennungssysteme
     

3. Tiefes Lernen für Sicherheitsanwendungen

   Lektion 3

   • 3.1 Faltungsneuronale Netze (CNNs) zur Bedrohungserkennung
   • 3.2 Rekurrente neuronale Netze (RNNs) und LSTMs für die Sicherheit
   • 3.3 Autoencoder zur Anomalieerkennung
   • 3.4 Adversarial Deep Learning in der Sicherheit
     

4. Adversarial AI in der Sicherheit

   Lektion 4

   • 4.1 Einführung in gegnerische KI-Angriffe
   • 4.2 Abwehrmechanismen gegen feindselige Angriffe
   • 4.3 Adversarial Testing und Red Teaming für KI-Systeme
   • 4.4 Entwicklung robuster KI-Systeme gegen feindliche KI
     

5. KI in der Netzwerksicherheit

   Lektion 5

   • 5.1 KI-gestützte Einbruchserkennungssysteme
   • 5.2 KI zur Erkennung von Distributed Denial of Service (DDoS)
   • 5.3 KI-basierte Netzwerkanomalieerkennung
   • 5.4 Entwicklung sicherer Netzwerkarchitekturen mit KI
     

6. KI in der Endpunktsicherheit

   Lektion 6

   • 6.1 KI zur Erkennung und Klassifizierung von Malware
   • 6.2 KI für Endpunkterkennung und -reaktion (EDR)
   • 6.3 KI-gestützte Bedrohungsjagd
   • 6.4 Implementierung von ressourcenschonenden KI-Modellen für Geräte mit begrenzten Ressourcen
     

7. Sicheres KI-System-Engineering

   Lektion 7

   • 7.1 Entwerfen sicherer KI-Architekturen
   • 7.2 Kryptographie in KI für Sicherheit
   • 7.3 Gewährleistung der Modellerklärbarkeit und Transparenz in der Sicherheit
   • 7.4 Leistungsoptimierung von KI-Sicherheitssystemen
     

8. KI für Cloud- und Container-Sicherheit

   Lektion 8

   • 8.1 KI zur Sicherung von Cloud-Umgebungen
   • 8.2 KI-gesteuerte Containersicherheit
   • 8.3 KI zur Sicherung serverloser Architekturen
   • 8.4 KI und DevSecOps
     

9. Penetrationstests mit künstlicher Intelligenz

   Lektion 9

   • 9.1 Effizienzsteigerung bei der Identifizierung von Schwachstellen durch den Einsatz von KI
   • 9.2 Automatisierung der Bedrohungserkennung und Anpassung an sich entwickelnde Angriffsmuster
   • 9.3 Stärkung von Organisationen gegen Cyber-Bedrohungen durch KI-gesteuerte Penetrationstests
   • 9.4 Werkzeuge und Technologie: Penetrationstest-Werkzeuge, KI-basierte Schwachstellenscanner

10. KI in Identitäts- und Zugriffsmanagement (IAM)

    Lektion 10

    • 10.1 KI für die Analyse des Benutzerverhaltens in IAM
    • 10.2 KI für Multi-Faktor-Authentifizierung (MFA)
    • 10.3 KI für Zero-Trust-Architektur
    • 10.4 KI für rollenbasierte Zugriffskontrolle (RBAC)
      

11. KI für physische Sicherheit und IoT-Sicherheit

    Lektion 11

    • 11.1 KI zur Sicherung von Smart Cities
    • 11.2 KI für die Sicherheit im industriellen IoT
    • 11.3 KI für die Sicherheit autonomer Fahrzeuge
    • 11.4 KI zur Sicherung von Smart Homes und Verbraucher-IoT
      

12. Abschlussprojekt - Entwicklung von KI-Sicherheitssystemen

    Lektion 12

    • 12.1 Definition des Problems beim Abschlussprojekt
    • 12.2 Entwicklung der KI-Lösung
    • 12.3 Einsatz und Überwachung des KI-Systems
    • 12.4 Abschlusspräsentation und Bewertung des Capstone-Projekts
      

13. KI-Agenten für Sicherheitsstufe 3

    Optionales Modul

    • 1. Verständnis von KI-Agenten
    • 2. Fallstudien
    • 3. Praktische Übungen mit KI-Agenten