Descriptif
Après avoir suivi ce module les étudiants auront les connaissances nécessaires pour comprendre comment les technologies d’intelligence artificielle permettront d’aider à atteindre les objectifs de la cybersécurité. Ils acquerront aussi des compétences sur comment utiliser les algorithmes et outils de l’IA dans le domaine de la cybersécurité.
Objectifs pédagogiques
Acquis d'apprentissageÀ l'issue de l'UE, l'élève sera capable de:
- Identifier les problèmes liés la diversité des données et paramètres dans les systèmes d'information
- Écrire des scripts utilisant l'IA pour la détection d'intrusion
- Identifier les solutions IA pour améliorer la sécurité
Compétences de rattachement (et justification)
- BC7.1 – Identifier, analyser et caractériser les éléments de sécurité permettant d’atteindre un objectif cible (disponibilité, intégrité, authentification, confidentialité, traçabilité) en vue de gérer la sécurité des systèmes numériques; Justification : Analyse de logs, profils utilisateurs
- BC7.2 – Concevoir, dimensionner, mettre en place la sécurité d’un système numérique en s’appuyant sur les architectures, les technologies, les outils et les méthodes nécessaires pour assurer l’atteinte des objectifs de sécurité du système; Justification : Concevoir une solution de détection basé sur IA et faire interagir cette solution avec les outils de bases de sécurité
24 heures en présentiel (16 blocs ou créneaux)
4 heures de travail personnel estimé pour l’étudiant.
effectifs minimal / maximal:
8/30Diplôme(s) concerné(s)
Pour les étudiants du diplôme Diplôme d'ingénieur
Pincipes réseaux, SIEM, IDS,
Format des notes
Numérique sur 20Pour les étudiants du diplôme Diplôme d'ingénieur
Vos modalités d'acquisition :
Evaluation par projet : réalisation, rapport et présentation
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
- Crédit d'Option 3A acquis : 2.5
Pour les étudiants du diplôme Echange international non diplomant
Programme détaillé
Apprentissage supervisé, classification, apprentissage non supervisé, principes du Deep Learning, analyse des séries temporelles. Les menaces des modèles d'IA. Attaques sur un système IA. Détection et analyse des anomalies par l’IA. Les outils IA pour la cybersécurité.
Mots clés
cyberattaques, machine learning, enjeux de donnéesMéthodes pédagogiques
CoursPrésentation des cas d'usages par des industriels (intervenants)
Démonstrations
Apprentissage par projet
Présentation des projets sous format séminaire.