Комплексная программа "Методы киберразведки. Новый арсенал OSINT в цифровом мире"

Программа включает модули:

• Методы киберразведки. Новый арсенал OSINT в цифровом мире

• Основы машинного обучения и нейронных сетей

Аудитория курса:

Руководители и специалисты информационно-аналитических отделов, служб безопасности коммерческих и государственных организаций, отделов экономической и информационной безопасности и для всех, кто заинтересован в организации эффективной защиты и развития бизнеса.

OSINT и конкурентная разведка.

• OSINT и конкурентная разведка

• Терминология, история, методология, общие принципы и правовые основы деятельности Работа с базами данных в цифровом мире.

• Поиск информации о людях, компаниях, событиях

• Поиск субъектов в офшорных юрисдикциях

• Due Diligence

Новый взгляд на традиционные поисковые системы

• Логика работы поисковиков

• Изменение алгоритмов ранжирования

• Изменения в языке запросов

• Новые поисковые системы и их особенности

Поиск информации в невидимом Интернете

• Работа с источниками в «сером интернете», даркнете, в мессенджерах, в среде Tor

Сбор информации из подключенных цифровых устройств.

• Использование мобильных приложений, GPS-трекеров, умных камер и других IoT для сбора информации о владельцах.

Разведка по Большим данным

• Сбор Больших данных

• Новые методы анализа (обогащение, очистка, ассоциирование, машинное обучение, нейронные сети)

• Подготовка отчетов на основе проведенного анализа для принятия управленческих решений

• Обзор современных инструментов OSINT и разведки в Интернете: Palantir, IBM i2, IBM Watson, HPE Idol, Avalanche Palantir, IBM i2, IBM Watson, HPE Idol, Avalanche

• Кейсы и решения типовых практических задач для разных отраслей.

• Мастер-класс «Идентификация личности по цифровым отпечаткам на основе методов OSINT».

Основы машинного обучения и нейронных сетей

• Введение в машинное обучение (Machine Learning, ML)

• Основная терминология, область применения и актуальность;

• Типовые ML задачи;

• Обучение с учителем: классы алгоритмов и разбор конкретных алгоритмов;

• Обучение без учителя: классы алгоритмов и разбор конкретных алгоритмов;

• Обучение с подкреплением: классы алгоритмов и разбор конкретных алгоритмов;

• Практика: создание первой модели

• Современный процесс создания ML-моделей

• Как сформулировать задачу

  • Поиск и источники данных

  • Препроцессинг данных

  • Выбор подходящего ML-алгоритма

  • Тренировка модели

  • Оценка результата

• Data science инструменты: основные языки программирования, ML-фреймворки и облачные сервисы

• Практика: создание ML-модели с использованием облачного сервиса

Введение в глубокое обучение (Deep Learning, DL)

• Основная терминология, область применения и актуальность;

• Основы нейронных сетей. Персептрон;

• Современные нейросетевые архитектуры;

• Сверточные нейронные сети;

• Рекуррентные нейронные сети;

• Состязательные нейронные сети

• Автоэнкодеры;

• Data science инструменты: DL-фреймворки;

• Практика:

  • Основы R

  • Лабораторная по задаче компьютерного зрения

  • Лабораторная по предсказания значения временных рядов.