Machine Learning appliqué à la cybersécurité

• Comprendre les usages du machine learning dans les systèmes de cybersécurité
• Identifier les principaux modèles et cas d’usage pour détecter et prévenir les menaces
• Savoir intégrer une approche IA dans une stratégie de sécurité informatique

RSSI, analystes SOC, ingénieurs sécurité, data analysts, DSI, développeurs, chefs de projet cyber et IA

Connaissances de base en cybersécurité ou en machine learning

• Comprendre le rôle du machine learning dans la cybersécurité moderne
• Identifier les principaux modèles utilisés pour la détection d’anomalies et d’intrusions
• Analyser les journaux d’événements et le trafic réseau avec des algorithmes ML
• Automatiser la classification et la priorisation des alertes de sécurité
• Utiliser l’apprentissage non supervisé pour détecter des comportements inhabituels
• Renforcer les outils SOC, SIEM, EDR et NDR grâce au machine learning
• Détecter les malwares, tentatives de phishing et menaces émergentes
• Comprendre les risques et attaques ciblant les modèles de machine learning
• Évaluer et améliorer les performances des modèles de détection
• Intégrer le machine learning dans une démarche de cybersécurité éthique et responsable

• Identifier des cas d’usage ML dans une architecture de cybersécurité
• Simuler une détection d’anomalie à partir de logs réseau
• Comparer une approche par signatures et une approche basée sur le machine learning

• Carte des principaux cas d’usage du machine learning en cybersécurité
• Fiche synthèse des modèles ML utilisés en détection et analyse de menaces
• Guide de démarrage d’un projet IA appliqué à la cybersécurité