説明
ハッカーのための機械学習は、サイバーセキュリティ専門家に機械学習システムを攻撃し、防御するために必要なスキルを提供することを目的としたコースです。ML技術がセキュリティソリューションに不可欠になるにつれて、その脆弱性を理解することが重要です。このコースは、MLハッキングラボの設定から始まり、Pythonを使用してモデルと対話する方法を学びます。参加者はML攻撃面をマッピングし、エンドツーエンドの分類器攻撃を実施します。カリキュラムには、PEファイル構造とバイトレベルの回避、マルウェア分類器の構築とバイパス、言語モデルを使用したフィッシングとソーシャルエンジニアリングの自動化が含まれています。また、ディープフェイクの作成と検出、行動分析、敵対的ML技術、脆弱性発見のためのスマートファジング、モデルの盗難、汚染、透かし、バックドアについても扱います。コースの終了時には、学習者はMLシステムをテストし、保護し、敵対的サンプルを作成および検出し、効果的なモデル防御戦略を適用できるようになります。このコースは、敵対的機械学習と自動脅威検出の専門知識を持つ上級サイバーセキュリティオフィサー、ツェリン・トブザンによって教えられます。このコースは、MLベースのセキュリティソリューションにおける専門知識を拡張したいサイバーセキュリティ専門家に最適です。
- カテゴリー教育・研究
- 料金モデルサブスクリプション
ハッカーのための機械学習の主要機能
MLハッキングラボの設定
Pythonを使用してMLモデルと対話
ML攻撃面のマッピング
エンドツーエンドの分類器攻撃の実施
回避のためのPEファイルの修正
言語モデルを使用したフィッシングの自動化
敵対的ML技術の実行
モデルの盗難とバックドア攻撃の調査
ハッカーのための機械学習の使い方は?
設定: MLハッキングラボを構成する
対話: Pythonを使用してMLモデルと関わる
マッピング: ML攻撃面を特定する
実施: エンドツーエンドの分類器攻撃を実行する
修正: 検出を回避するためにPEファイルを変更する
自動化: フィッシングのために言語モデルを使用する
実行: 敵対的ML攻撃を行う
調査: モデルの盗難とバックドアを調査する
ハッカーのための機械学習の使用例
- MLシステムのセキュリティ
- 敵対的攻撃
- フィッシングの自動化
- ディープフェイクの検出
- モデル盗難防止







