fbpx

Aprenda realizar Detecção de Intrusão com o uso de Machine Learning para trabalhar na área de cibersegurança defensiva.

VOCÊ VAI APRENDER

1. Introdução a Detecção de Intrusão

Entenda como os sistemas de reconhecimento de ataques funcionam e os aspectos fundamentais da evolução ao longo dos últimos anos.

2. Práticas com Linux (Bruteforce Prevention)

Implemente um Sistema de Detecção de Intrusão de Host tradicional, capaz de avaliar o comportamento do Sistema Operacional em busca de anomalias.

3. Introdução ao Machine Learning

Entenda os conceitos introdutórios de Aprendizagem de Máquina, como métodos supervionados, não-supervisionados, classificação, regressão e clustering.

4. Pré-processamento de Datasets

Tratar os dados é fundamental para aprimorar o desempenho na detecção de ataques. Entenda como filtrar, discretizar e normalizá-los.

5. Avaliação de desempenho dos IDS

Veja como avaliar o “quão bom” é um IDS com diversas métricas de avaliação de desempenho baseadas na Confusion Matrix resultante da detecção dos ataques.

6. k-Nearest Neighbors (R ou Python)

O algoritmo k-Nearest Neighbors é conhecido pela sua simplicidade de funcionamento e pelos excelentes resultados. Vamos implementá-lo?

7. S.M.O.T.E

Balancear classes pode ser fundamental. A Synthetic Minority Over-sampling Technique pode ajudar nesta tarefa.

8. Support-vector Machines

O algoritmo Support-vector Machines é eficaz para lidar com situações complexas como sobreposição de dados. Possui diversos kernels, cada qual com sua característica. Vamos codificá-lo?

9. Neural Networks

As Neural Networks são conhecidas pela impressionante capacidade de reconhecer padrões. Serão elas capazes de detectar ataques com eficácia?

10. Decision Trees

As Decision Trees são estruturas hierárquicas clássicas que entregam também uma ótima alternativa na detecção de ataques. Vamos criar algumas?

11. Ensemble Learning

Nós conheceremos diversos algoritmos. Que tal uni-los e criar um método coletivo de classificação? Os resultados são surpreendentes na maioria das vezes. Vamos implementar Ensemble Learning e conhecer a ferramenta Waikato Environment for Knowledge Analysis, uma alternativa excelente para quem não gosta de codificar além da ferramenta Microsoft Azure Machine Learning Studio com um ambiente muito amigável e tem o processamento em nuvem como um diferencial.

12. Stacking Ensemble Learning

Stacking Ensemble Learning nos proporciona uma forma de empilhar classificadores de maneira com que os resultados sejam melhorados. Vamos criar alguns meta-modelos?

13. Estudo de Caso

Implementação de duas visões científicas relevantes: Diversity Pruning e um comparativo entre os métodos mRMR e PFI.

CERTIFICADO

Após a conclusão do curso você recebe nosso Certificado Digital reconhecido internacionalmente.

Pré-requisitos

  • Fundamentos em redes.
  • Lógica de programação.

ESCOLHA SUA FORMAÇÃO

Essencial
12x R$129à vista R$ 15006 meses de acesso
  • 150 horas de conteúdo
  • Certificado digital
  • Suporte online
  • Canal exclusivo de alunos
Completa Plus
12x R$249à vista R$ 28002 anos de acesso
  • 150 horas de conteúdo
  • Certificado digital
  • Suporte online prioritário
  • Canal exclusivo de alunos
  • Acesso antecipado a eventos

Aprenda na prática

Você aprenderá dentro de nossa plataforma única e exclusiva,
com conteúdos do básico ao avançado, laboratórios de testes,
máquinas vulneráveis e exercícios de fixação online que vão
te preparar para o mercado de trabalho.

Perguntas Frequentes

Menu
Conversar
1
Dúvidas?
Fale com atendente
Olá, deseja matricular-se? Tem alguma dúvida?