ИИ и машинное обучение в информационной безопасности

Журналов событий становится всё больше, а аналитиков в SOC не прибавляется. Сигнатурные правила плохо ловят новые техники и нетипичное поведение, а поток алертов съедает время, которое нужно на расследование. Модели машинного обучения и LLM-помощники помогают отсеять шум, найти отклонения и ускорить разбор инцидентов, но только если вы понимаете, на чём модель обучена, где она ошибается и как встроить её в существующие процессы мониторинга.

На курсе вы пройдёте весь путь от сырых журналов до работающего сервиса. Подготовите данные безопасности, обучите классические модели и нейронные сети, разберёте типовые сценарии SOC: DDoS, фишинг, внутренние угрозы и вредоносное ПО. Отдельный блок посвящён LLM и AI-агентам: триаж алертов, обогащение инцидентов, работа с базой знаний на отечественных и локальных моделях, без передачи логов во внешние облака. Затем вы подключите модель к SIEM и SOAR и разберёте, как защитить саму ИИ-систему от атак уклонения, отравления данных и prompt injection.

Результат курса — собственный проект с кодом, метриками и отчётом, который можно показать работодателю или перенести на данные вашей организации. Вы также научитесь отличать задачи, где модель действительно даёт выигрыш, от тех, где надёжнее остаться на правилах, и будете знать, какие требования 152-ФЗ и законодательства о критической информационной инфраструктуре нужно учесть до запуска.