Eğitimin Amacı ve Kapsamı
Saldırganların otomasyon ve üretken yapay zekayı hızla benimsediği ortamda, savunma ekiplerinin de alarm yorgunluğunu azaltmak, tehditleri erken yakalamak ve analiz süresini kısaltmak için hem klasik makine öğrenmesini hem de LLM'leri doğru senaryolarda konumlandırması gerekir. Eğitim, siber güvenliğin temel dikeylerinde hangi problemin hangi yapay zeka tekniğiyle (sınıflandırma, kümeleme, grafik analizi, RAG veya LLM agent) çözülmesi gerektiğini uygulamalı olarak gösterir.
Katılımcılar e-posta/URL oltalama tespiti, CTI raporlarından otomatik IOC ve MITRE ATT&CK TTP çıkarımı ve zafiyet (CVE) önceliklendirme üzerine çalışan örnek uygulamalar geliştirir ve kurumları için bir SecOps AI yol haritası hazırlar.
Kimler Katılmalı?
- Siber güvenlik mühendisleri, SOC analistleri ve güvenlik mimarları
- Güvenlik ürünleri ve iç güvenlik otomasyonları geliştiren veri bilimciler ve yazılımcılar
- Siber tehdit istihbaratı (CTI) ve zafiyet yönetimi ekipleri
- Ön koşul: temel siber güvenlik kavramları ve başlangıç/orta seviye Python bilgisi
Kazanımlar
- Siber güvenlik problemlerinde klasik ML, derin öğrenme ve LLM yaklaşımlarından doğru olanı seçmek
- URL, alan adı (DGA) ve e-posta içeriklerinden oltalama (phishing) sınıflandırıcısı geliştirmek
- LLM ve yapılandırılmış çıktı şemalarıyla tehdit istihbaratı raporlarından STIX/TAXII uyumlu IOC ve TTP çıkarmak
- Statik kod analizi (SAST) ve CVE verilerini bağlamsal olarak zenginleştirip yama önceliklendirmesi yapmak
- Güvenlik operasyonlarında kullanılan yapay zeka modellerinin yanlış alarm ve halüsinasyon risklerini yönetmek
Konular
Siber Güvenlikte Yapay Zeka Haritası: Savunma ve Saldırı
- Saldırganların AI kullanımı (polimorfik oltalama, keşif otomasyonu) ve savunma tarafındaki karşılıkları
- Ne zaman deterministik kural, ne zaman denetimli/denetimsiz ML, ne zaman LLM/RAG kullanılmalı?
Oltalama (Phishing), DGA ve Zararlı İçerik Sınıflandırma
- URL, DNS/DGA ve e-posta metinlerinden özellik mühendisliği ve transformer tabanlı sınıflandırma
- Dengesiz veri setlerinde (imbalanced data) yüksek precision ve düşük yanlış alarm optimizasyonu
Siber Tehdit İstihbaratı (CTI) ve MITRE ATT&CK Otomasyonu
- Yapılandırılmamış tehdit raporlarından LLM ile IOC, tehdit aktörü ve MITRE ATT&CK tekniği çıkarma
- Kurum içi tehdit istihbaratı bilgi tabanı üzerinde RAG ile hızlı bağlam sorgulama
Zafiyet Yönetimi, Kod Analizi ve Yama Önceliklendirme
- CVSS, EPSS, KEV ve varlık kritiklik verilerini birleştiren risk skorlama modelleri
- SAST/DAST bulgularında yanlış pozitif eleme ve geliştiriciler için güvenli kod düzeltme önerileri
SecOps AI Yönetişimi, Veri Gizliliği ve Güvenilirlik
- Hassas olay loglarının ve güvenlik verilerinin dış modellere sızmasını önleyen yerel/hibrit mimari
- İnsan onayı (human-in-the-loop), açıklanabilirlik (SHAP/LIME) ve operasyonel başarı metrikleri
Bu Kategorideki Diğer Eğitimler
-
EDR, NDR ve bulut telemetrisi üzerinde davranışsal makine öğrenmesi, dizi (sequence) modelleri ve grafik analizleriyle zararlı yazılım, fidye yazılımı, C2 iletişimi ve çok adımlı saldırı zincirlerini tespit etmeyi öğreten eğitim.
- Canlı Kurs
- 5 modül
-
Etiketli saldırı verisinin bulunmadığı log, ağ trafiği ve kullanıcı davranışı (UEBA) akışlarında Isolation Forest, Autoencoder, zaman serisi ve grafik tabanlı denetimsiz anomali tespiti kurmayı ve yanlış alarmları azaltmayı öğreten eğitim.
- Canlı Kurs
- 5 modül
-
SIEM, SOAR ve vaka yönetim süreçlerine LLM asistanları, doğal dilden KQL/SPL sorgu üretimi, otomatik alarm zenginleştirme, triyaj agent'ları ve olay özetleme iş akışlarını güvenli biçimde entegre etmeyi öğreten eğitim.
- Canlı Kurs
- 5 modül
-
Makine öğrenmesi ve derin öğrenme modellerine yönelik model çalma (extraction), üyelik çıkarımı (membership inference), tersine çevirme (inversion), zehirleme ve yanıltma saldırılarını MITRE ATLAS çerçevesinde inceleyen ve koruma yöntemlerini öğreten eğitim.
- Canlı Kurs
- 5 modül
-
FGSM, PGD, Carlini & Wagner, AutoAttack ve kara kutu (black-box) yanıltma saldırılarını IBM Adversarial Robustness Toolbox (ART) ile uygulamalı inceleyen; adversarial training ve sertifikalı dayanıklılık tekniklerini öğreten eğitim.
- Canlı Kurs
- 5 modül
-
Model eğitimi ve fine-tuning veri setlerine yönelik etiket çevirme (label flipping), temiz etiketli zehirleme (clean-label poisoning) ve gizli backdoor/trojan saldırılarını; spektral imza analizi ve veri temizleme ile önlemeyi öğreten eğitim.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
