Currículo

Aprendizagem Automática para Cibersegurança 04912

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

OA1. Compreender como utilizar algoritmos de aprendizagem de máquinas para estudar problemas de cibersegurança. OA2. Implementar algoritmos de aprendizagem automática supervisionados e não supervisionados, tais como regressão logística, árvores de decisão, k-means, entre outros; OA3. Utilizar as bibliotecas Python - NumPy, e Scikit-learn; OA4. Compreender como combater o malware, detectar spam, e anomalias cibernéticas; OA5. Utilizar TensorFlow no domínio da cibersegurança e implementar exemplos aplicados ao mundo real.

Programa

CP1. Técnicas de Aprendizagem Automática 1.1. Fundamentos da aprendizagem automática 1.2. Aprendizagem supervisionada e não-supervisionada 1.3. O paradigma emergente da aprendizagem profunda CP2. Introdução da aprendizagem automática para cibersegurança 2.1. O paradigma atual orientado aos dados 2.2. Arquitetura da Internet e comportamento do tráfego 2.3 Detecção de anomalias e aplicações de segurança de rede CP3. Introdução à aprendizagem automática adversária e modelos de ameaça 3.1 Detecção de ataques 3.2 Defesa contra adversários CP4. Ética, responsabilidade e transparência na cibersegurança: 4.1 Equidade, transparência e explicabilidade dos modelos de aprendizagem automática 4.2 Privacidade e atualizações de privacidade para aplicações de cibersegurança 4.3 Implicações dos erros nos modelos de aprendizagem automática 4.4 Desenvolvimento e implementação de aprendizagem automática segura

Método de Avaliação

Avaliação Períodica Este tipo de avaliação engloba duas componentes, nomeadamente: - Um trabalho prático em grupo, com peso de 50% na nota final; - Uma frequência (prova escrita) com peso de 50% na nota final da UC. A nota aprovação à unidade curricular é de 10 valores. Exame Final Em caso de não aprovação na componente de avaliação períodica, os estudantes podem realizar apenas um exame final sobre a totalidade da matéria, com um peso de 100% na nota final da UC. A nota aprovação à unidade curricular é de 10 valores.

Carga Horária

Bibliografia

Principal

• Gupta B., Sheng Q., Machine Learning for Computer and Cyber Security: Principle, Algorithms, and Practices, CRC Press, 2019. : . .

Secundária

• Chio C., Freeman D., Machine Learning and Security: Protecting Systems with Data and Algorithms. O’Reilly Media, 2012. : . .

Disciplinas de Execução