Meer informatie en/of de actuele prijs van deze training opvragen is zo geregeld. We houden hierbij rekening met eventuele lopende acties, subsidies of relatiekortingen.
Duur:
2 dagen
Categorie:
Zoals in vrijwel elk vakgebied, kunnen AI toepassingen en kennis ook in de informatiebeveiliging/cybersecurity bijdragen aan efficiënter en sneller werken. Omdat ook cybercriminelen gebruik maken van AI bij geautomatiseerde exploits, social engineering en bijvoorbeeld phishing- en ransomware aanvallen, heeft AI een vaste plek gekregen in het kat-en-muis spel waarin cybersecurity specialisten opereren. Met de komst van AI is het dreigingslandschap veranderd en wordt hetzelfde verwacht van jouw defensieve en offensieve vaardigheden.
In deze 2-daagse workshop beginnen we met een korte introductie van AI basisprincipes en begrippen, maar gaan we al snel praktisch aan de slag met toepassingen op het gebied van SIEM, SOC, Threat Intelligence, Vulnerability Scanning en Penetratietesten. Na afloop weet je hoe AI de beveiliging van je organisatie bedreigt, maar ook hoe je AI oplossingen kunt inzetten om deze risico's te mitigeren.
Er is geen certificering verbonden aan deze workshop.
Basisprincipes en Toepassingen van AI in Cybersecurity
AI & cybersecurity-trends
Basisprincipes van AI e
Verschil tussen AI, machine learning en deep learning
Soorten AI in cybersecurity: supervised, unsupervised, reinforcement learning
AI-gedreven detectie vs. traditionele beveiligingsmethoden
AI bij Dreigingsn Machine Learning detectie
AI in SIEM- en SOC-platformen
Gebruik van anomaly detection voor netwerkbeveiliging
Case study: AI-gedreven Intrusion Detection Systems (IDS)
AI voor Malware- en Phishingdetectie
Deep learning voor malwareclassificatie
AI bij het herkennen van phishing-mails
AI-tools voor phishing-analyse
Praktische Implementatie van AI in SOC’s
AI-automatisering in incident response
SIEM-integratie met AI
Demo: AI-gebaseerde dreigingsanalyse
AI in Red Teaming en Penetratietests
Hoe AI wordt ingezet voor offensieve cybersecurity
AI-gedreven vulnerability scanning en exploit ontwikkeling
AI-gebaseerde pentest-tools
Ethische Aspecten en AI-bias in Cybersecurity
Bias en risico’s van AI in cybersecurity
Wet- en regelgeving rondom AI-gebruik
Case study: ethische dilemma’s in AI-gedreven security
AI en Zero-Day Detectie
AI bij het voorspellen en detecteren van zero-day aanvallen
Deep learning en threat intelligence
AI-tools voor zero-day detectie testen
Toekomst van AI in Cybersecurity
AI en quantum computing in security
AI-gedreven cyber threat intelligence
AI in supply chain security
AI-roadmap voor organisaties
* Verschil tussen AI, machine learning en deep learning
* Soorten AI in cybersecurity: supervised, unsupervised, reinforcement learning
* AI-gedreven detectie vs. traditionele beveiligingsmethoden
Zoals in vrijwel elk vakgebied, kunnen AI toepassingen en kennis ook in de informatiebeveiliging/cybersecurity bijdragen aan efficiënter en sneller werken. Omdat ook cybercriminelen gebruik maken van AI bij geautomatiseerde exploits, social engineering en bijvoorbeeld phishing- en ransomware aanvallen, heeft AI een vaste plek gekregen in het kat-en-muis spel waarin cybersecurity specialisten opereren. Met de komst van AI is het dreigingslandschap veranderd en wordt hetzelfde verwacht van jouw defensieve en offensieve vaardigheden.
In deze 2-daagse workshop beginnen we met een korte introductie van AI basisprincipes en begrippen, maar gaan we al snel praktisch aan de slag met toepassingen op het gebied van SIEM, SOC, Threat Intelligence, Vulnerability Scanning en Penetratietesten. Na afloop weet je hoe AI de beveiliging van je organisatie bedreigt, maar ook hoe je AI oplossingen kunt inzetten om deze risico's te mitigeren.
Er is geen certificering verbonden aan deze workshop.
Basisprincipes en Toepassingen van AI in Cybersecurity
AI & cybersecurity-trends
Basisprincipes van AI e
Verschil tussen AI, machine learning en deep learning
Soorten AI in cybersecurity: supervised, unsupervised, reinforcement learning
AI-gedreven detectie vs. traditionele beveiligingsmethoden
AI bij Dreigingsn Machine Learning detectie
AI in SIEM- en SOC-platformen
Gebruik van anomaly detection voor netwerkbeveiliging
Case study: AI-gedreven Intrusion Detection Systems (IDS)
AI voor Malware- en Phishingdetectie
Deep learning voor malwareclassificatie
AI bij het herkennen van phishing-mails
AI-tools voor phishing-analyse
Praktische Implementatie van AI in SOC’s
AI-automatisering in incident response
SIEM-integratie met AI
Demo: AI-gebaseerde dreigingsanalyse
AI in Red Teaming en Penetratietests
Hoe AI wordt ingezet voor offensieve cybersecurity
AI-gedreven vulnerability scanning en exploit ontwikkeling
AI-gebaseerde pentest-tools
Ethische Aspecten en AI-bias in Cybersecurity
Bias en risico’s van AI in cybersecurity
Wet- en regelgeving rondom AI-gebruik
Case study: ethische dilemma’s in AI-gedreven security
AI en Zero-Day Detectie
AI bij het voorspellen en detecteren van zero-day aanvallen
Deep learning en threat intelligence
AI-tools voor zero-day detectie testen
Toekomst van AI in Cybersecurity
AI en quantum computing in security
AI-gedreven cyber threat intelligence
AI in supply chain security
AI-roadmap voor organisaties
* Verschil tussen AI, machine learning en deep learning
* Soorten AI in cybersecurity: supervised, unsupervised, reinforcement learning
* AI-gedreven detectie vs. traditionele beveiligingsmethoden
Train slimmer, niet harder. TSTC's unieke werkwijze garandeert het effectief opdoen van skills én de grootste kans van slagen.
Lees meer over TSTC
