KYBS3050 Machine learning methods for cyber security (5 cr)

Study level:
Advanced studies
Grading scale:
0-5
Language:
English
Responsible organisation:
Faculty of Information Technology
Curriculum periods:
2020-2021, 2021-2022, 2022-2023

Description

Käydään läpi rivakalla tahdilla sekä koneoppimisen perusteita että esimerkkejä tietoturvallisuuden näkökulmasta. Lisäksi syvennetään menetelmien käyttöä poikkeaman tunnistuksessa. 

- KNN pohjaiset työkalut

- Graafipohjaisia menetelmiä (Laplacian eigenmaps,
diffusion maps, jne)
- Tukivektoripohjaisia menetelmiä
- Syviin neuroverkkoihin pohjautuvia menetelmiä
ja niiden ymmärtämiseen vaadittavien matemaattisten
työkalujen läpikäymistä.

Learning outcomes

Ymmärtää koneoppimisen periaatteet. 

Osaa soveltaa koneoppimista erilaisissa tietoturvaan liittyvissä kysymyksissä. 

Description of prerequisites

Esitietoina lineaarialgebran, numeerisen laskennan ja ohjelmoinnin perusteet.  

Study materials

Luennot ja notebookit.

Completion methods

Method 1

Evaluation criteria:
Arviointi perustuu harjoitustyöhön.
Select all marked parts
Parts of the completion methods
x

Participation in teaching (5 cr)

Type:
Participation in teaching
Grading scale:
0-5
Language:
English

Teaching