Странице предмета

(1) Упознавање са основама информационе безбедности и приватности: дефиниција, основни појмови, прикупљање безбедносних захтева, контроле, моделовање претњи и анализа ризика. (2) Приступи аутоматске детекције злоупотреба и аномалија: системи базирани на правилима, модели машинског учења и модели засновани на дубоком учењу. Приступи засновани на надгледаном и ненадгледаном учењу. (3) Примена вештачке интелигенције у безбедности рачунарских мрежа: надгледање мреже, детекција злоупотреба (intrusion detection) и профилирање мреже. Детекција malware-а и botnet мрежа. (4) Примена вештачке интелигенције за приоритизацију рањивости (vunerability prioritization) (5) Примена вештачке интелигенције у заштити осетљивих података и биометријској аутентификацији. Решавање проблема приватности великих количина података. Верификација приватности. Анонимизација и псеудонимизација података. (6) Примена вештачке интелигенције у детекцији spam порука. (7) Напади на моделе машинског учења (adversarial machine learning). (8) Заштита интелектуалне својине модела машинског учења. (9) Студије случаја. Рачунарске и лабораторијске вежбе које прате овај курс су осмишљене на такав начин да кроз практичан рад са постојећим софтверским алатима за тренинг стандардних предиктивних модела машинког и дубоког учења (Scikit-Learn, Keras/TensorFlow ), практично примене теоријске концепте који ће бити обрађивани на предавањима. Неизоставни део предмета је самостални студентски пројекат, где је идеја да студент самостално одабере проблем из области информационе безбедности и приватности података. Студент потом темељно истражује литературу на тему како се овај проблем може решити применом техника истраживања података и машинског учења, како би утврдио предности и недостатке до тада предложених решења и на основу тога, кроз консултације са предавачима, конципирао предлог пројекта. По завршетку пројекта, студент презентује своје истраживање у оквиру извештаја.