> 资源 > 视频课程 > IT与软件

人工智能驱动的网络安全自动化策略

立即下载

免费资源

暂无评分

AI 支持的检测和响应：使用 P 自动执行威胁分类、异常检测、网络钓鱼分析和 SOC 工作流程

IT与软件

你将学到什么

解释 AI 和机器学习如何集成到网络安全工作流程中，以及如何通过 AI API 集成设置 Python 环境以实现安全自动化。
使用 Python、机器学习和法学硕士构建针对网络钓鱼、网络异常、恶意软件分类和 IOC 提取的自动威胁检测系统。
创建自动化事件响应管道，使用 Python 和 AI 辅助分析执行警报丰富、调查、遏制和票务处理。
使用剧本、基于 RAG 的知识检索、事件驱动架构和广告防御来设计和部署可投入生产的 AI 安全自动化

要求

基本的 Python 编程知识、对网络安全概念（SIEM、日志、威胁）的基本了解、熟悉命令行界面以及能够访问安装了 Python 3.8+ 的计算机

描述

这门全面的实践课程教授网络安全专业人员如何利用人工智能和 Python 自动化将安全操作从被动的手动流程转变为主动的智能自动化系统。通过使用 ChatGPT、Claude API 和 Python 脚本进行强化实践培训，学习者可以构建可立即投入生产的自动化工具，以解决最耗时的 SOC 挑战、巨大的警报量、多向量威胁检测、证据收集和快速事件响应。

课程通过四个高级模块进行：模块 1 建立网络安全方面的人工智能基础，比较机器学习与大型语言模型，并指导学生构建他们的第一个人工智能驱动的安全管道；模块 2 重点介绍自动威胁检测，学生使用 ML 和 AI 开发复杂的网络钓鱼检测系统、通过隔离森林算法进行网络异常检测，以及通过 VirusTotal 和 AbuseIPDB API 提取和丰富 IOC 的威胁情报自动化。模块 3 过渡到事件响应自动化，教学生构建具有自动丰富功能的人工智能辅助警报分类系统、将多个日志源的证据关联起来的自动调查引擎，以及能够在人类监督下采取遏制行动的精心策划的响应手册。最后，模块 4 帮助学生为实际部署做好准备，涵盖 RAG 支持的安全手册、事件驱动的自主管道和对抗性 AI 防御技术，包括针对 AI 生成的规避攻击和模型强化进行测试。

每个模块都包含使用真实安全数据集的实践编码活动，课程的最终项目是学生构建一个完整的人工智能驱动的 SOC 平台，该平台将检测、调查、响应和分析师协助集成到一个统一的、持续运行的系统中。最后，学生将获得一系列可部署的自动化工具和实践经验，从而大大缩短现实世界安全操作中的“平均响应时间”。