academy@academyit.ru
AI_CTI
Комплексная защита объектов информатизации
48 ак. часов
Аналитик киберзащиты и безопасности ИИ-систем
-
ㅤВ сфере ИИ и информационной безопасности укрепляется новое направление – AI Threat Intelligence (киберразведка для ИИ-систем). Оно находится на стыке классической киберразведки и машинного обучения, требует комбинированных навыков как в области анализа угроз, так и понимания архитектуры нейросетей. К таким навыкам относятся: анализ специфических уязвимостей и векторов атак на модели машинного обучения, оценка тактик и техник злоумышленников и проактивное прогнозирование инцидентов.
Специалисты AI Threat Intelligence защищают как сами модели искусственного интеллекта от манипуляций, так и всю инфраструктуру от атак с применением ИИ. Интерес к направлению стремительно растет, а спрос на специалистов с такими компетенциями ежегодно увеличивается многократно. Актуальность также основывается на развитии сферы искусственного интеллекта, а также внедрении регуляторных стандартов (AI Governance) и активизации злоумышленников.
По окончании курса слушатели изучат:
-
Принципы инженерии мониторинга и обнаружения угроз
-
Принципы инженерии данных и специфика аналитики в области информационной безопасности
-
Особенности работы с угрозами и атаками ИИ-систем
-
Процесс оценивания и анализа рисков киберугроз
-
Процесс выявления трендов и появление новых критических угроз и угроз уровня «zero-day»
-
Координация действий команды при активных атаках
-
Создание регламентов, инструкций и стандартов по информационной безопасности сотрудников
-
Аналитики SOC и обнаружения киберугроз ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ ㅤㅤㅤ
Специалисты информационной безопасности ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ ㅤㅤㅤㅤㅤㅤ
Архитекторы DevSecOps ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ ㅤㅤ
Руководители служб информационной безопасности
Специалисты, использующие ИИ в своей деятельности на пользовательском уровне
Модуль 1 «Фундамент киберзащиты и архитектура безопасности ИИ-систем»
• Эволюция угроз и новая парадигма безопасности: от CIA-триады к защите данных и моделей ИИ.
• Архитектура современных ИТ- и AI-инфраструктур. Уязвимости в гибридных системах.
• Правовой ландшафт и суверенитет данных. ФЗ-152, ФЗ-187, ГОСТы, ПНСТы и роль отечественных фреймворков.
• Аналитик киберзащиты ИИ-систем как ключевое звено выживания организации и профессия будущего. Проблемы, тенденции и перспективы.
Модуль 2 «Инженерия мониторинга, сетевая аналитика и обнаружение угроз»
• Архитектура и инженерия SIEM-систем. Эволюция SIEM, сбор логов, нормализация, корреляция, дашборды.
• Сетевой мониторинг и глубокий анализ трафика: протоколы, перехват, C2, эксфильтрация, шифрованный трафик.
• Системы обнаружения и предотвращения вторжений (IDS/IPS), сигнатурный и аномальный анализ.
• Применение ML и ИИ в мониторинге.
Модуль 3 «Инженерия данных и продвинутая аналитика для ИБ и AI-инфраструктур»
• Архитектура данных и телеметрия в ИБ и AI-системах. Форматы логов, специфика телеметрии ML-моделей.
• Инструментарий аналитика от SQL до Python. BI-инструменты. Очистка данных.
• Поведенческая аналитика и статистические методы. Базовые линии, графовая аналитика, детектирование отклонений.
• Применение машинного обучения в детектировании угроз. Алгоритмы кластеризации, изолирующие леса, NLP для анализа логов.
Модуль 4 «Расследование инцидентов и Incident Response»
• Методология расследования киберинцидентов. Фреймворки расследований (NIST SP 800-61, SANS PICERL). Сохранение цифровых доказательств (chain of custody). Форензика и ее инструменты.
• Управление инцидентами, создание, ведение и обновление IRP. Роли и ответственность в команде реагирования. Эскалация и коммуникация при инцидентах. Минимизация ущерба при инцидентах.
• Анализ вредоносного ПО. Статический и динамический анализ. Песочницы для безопасного исполнения. Индикаторы компрометации и тактики злоумышленников.
Модуль 5 «Особенности аналитики ИИ-систем»
• Этапы создания ИИ-системы.
• Аналитика обучающих данных и аналитика на всех этапах создания ИИ-системы.
• Детектирование отравления данных, защита от отравления.
• Мониторинг дрейфа данных, телеметрия инференса ML.
Модуль 6 «MLSecOps. Обеспечение безопасности ИИ-систем»
• Специфические угрозы для ML-моделей (adversarial attacks, data poisoning)
• Базовый аудит AI-пайплайнов и MLOps-инфраструктуры
• Инциденты MLSecOps и способы защиты.
• MLSecOps-практики, инструменты и фреймворки
Модуль 7 «Разработка политик и соответствие требованиям»
• Разработка политик безопасности. Структура политик ИБ: от стратегических до операционных. Разработка регламентов доступа, парольной политики, инцидент-менеджмента
• Стандарты безопасной разработки DevSecOps. Документирование процедур и инструкций
• Compliance и регуляторные требования. Российское законодательство: ФЗ-152, ФЗ-187, приказы ФСТЭК. Международные стандарты: ISO 27001, NIST CSF, GDPR. Отраслевые требования. Взаимодействие с регуляторами и отчетность
Модуль 8 «Оценка рисков, выгод и ущербов в аналитике кибербезопасности»
• Оценка рисков в аналитике кибербезопасности и машинного обучения
• Оценка потенциального и мультипликативного ущерба
• Оценка потенциальных и мультипликативных выгод
• Навыки презентации рисков бизнесу и обоснование целесообразности предлагаемых мер
Модуль 9 «Обучение персонала и культура безопасности»
• Программы ускоренного и адаптивного обучения. Разработка учебных материалов по кибергигиене.
• Геймификация обучения безопасности. Симуляции фишинговых атак. Тестирование, измерение ROI программ обучения и оценка эффективности.
• Коммуникация и изменение поведения. Психология восприятия рисков пользователями. Техники эффективного донесения информации. Педагогический дизайн. Работа с сопротивлением изменениям.
• Построение культуры безопасности в организации
Модуль 10 «Аналитика, отчетность и тренды»
• Подготовка отчетов для стейкхолдеров. Типовые аналитические отчеты.
• Анализ трендов. Превентивный мониторинг угроз. Анализ критических угроз и zero-day уязвимостей.
• Прогнозирование векторов атак на основе трендов. Сценарное моделирование будущих угроз
• Лучшие практики и бенчмаркинг. Изучение крупных инцидентов.
Модуль 11 «Обеспечение надежности и отказоустойчивости информационных систем»
• Обеспечение высокой доступности информационных систем. Методы предотвращения простоев в работе. Техники SRE
• Резервирование и резервное копирование данных. Защита от потери данных и сбоев системы
• Мониторинг инфраструктуры. Отслеживание состояния серверов и другого оборудования
• Планирование аварийного восстановления. Процедуры для быстрого восстановления работоспособности
Модуль 12 «Лучшие практики и итоговая аттестация»
• Полный цикл аналитики: от оценки уязвимостей до разработки политик
• Лучшие практики аналитики кибербезопасности и машинного обучения
• Карьерное развитие в аналитике. Составление портфолио проектов. Подготовка резюме. Нетворкинг в индустрии кибербезопасности. План непрерывного профессионального развития
-
Удостоверение о повышении квалификации по итогам обучения
-
Необходимая подготовка
-
Базовые навыки работы с нейронными сетями
-
Базовые навыки обеспечения информационной безопасности в качестве пользователя (сложные пароли, антивирусная защита, блокировка экрана)
-
Понимание принципов работы моделей машинного обучения
-
