Примена вештачке интелигенције у рачунарској безбедности

Циљ и исход предмета

Циљ предмета је стицање знања о појединим алгоритмима вештачке интелигенције који су применљиви у рачунарској безбедности, овладавање основним принципима рада, карактеристикама и увид у досадашње њихово коришћење са осмишљавањем потенцијалних нових примена кроз дискусију. Након завршеног курса, студент ће разумети како наведени алгоритми раде и биће у стању да у програмском језику Пајтон сагледа основне концепте примене појединих алгоритама.

Теоријска настава

Основни концепти алгоритама вештачке интелигенције који се примењују у рачунарској безбедности. Историјска перспектива алгоритама вештачке интелигенције. Основни принципи рада. Примена великих језичких модела у рачунарској безбедности. Основни принципи рада. Предности и мане јавно доступних у односу на локалне језичке моделе. Одабрани алгоритми, основни принципи рада и најчешће примене у рачунарској безбедности: K-menas Clustering, рекурентне неуронске мреже, ансамбл стабала одлучивања Наивни Бајес. Примена алгоритама у фази прикупљања података, извиђања, социјалном инжењерингу и друге примене. Примена алгоритама у фази откривања рањивости, за класификацију објеката са потенцијалним рањивостима, при идентификовању потенцијалних нападача. Примена алгоритама у фази откривања напада у мрежном саобраћају. Класификација мрежног саобраћаја. Примена алгоритама код антивирус решења. Примене алгоритама као побољшање sandox решења. Примена алгоритама у фази откривања напада у логовима, на мрежне баријере и SIEM решења. Етичке дилеме, други алгоритми и будућа примена.

Практична настава

Програмски језик Пајтон примењен на алгоритме вештачке интелигенције. Реализација алгоритма K-menas Clustering за проблем класификације смештањем у кластере над одабраним корпусом података. Реализација алгоритма RNN у процесу бинарне класификације малициозног софтвера. Реализација алгоритма Random forest за решавање проблема класификације малициозног софтвера и оптимизација хипер параметара. Приказ резултата графичким путем уз одређивање тачности класификације у фази тестирања за сваки ансабл стабала одлучивања. Имплементација алгоритма Наивни Бајес на откривање аномалија у логовима оперативног система Windows. Имплементација LLM језичких модела и њихова употреба у рачунарској безбедности.