AI+ Security Level 1™ 

• Cyberbeveiligingsprofessionals: Breid uw vaardigheden uit door AI-gestuurde methoden te leren voor geavanceerde dreigingsdetectie en beveiligingsmaatregelen.
• Netwerkingenieurs: Verwerf expertise in het integreren van AI om netwerkbeveiliging, dreigingsanalyse en detectie van afwijkingen te verbeteren.
• IT-managers: Verwerf de kennis om AI-gestuurde beveiligingsoplossingen te beheren voor de bescherming en het risicobeheer van uw organisatie.
• AI-liefhebbers: Verken het raakvlak tussen AI en cyberbeveiliging en ontdek hoe AI-technologieën het digitale beveiligingslandschap transformeren.
• Beveiligingsanalisten: Verdiep uw kennis van AI-aangedreven tools om complexe cyberbeveiligingsrisico’s in moderne infrastructuren te identificeren en te beperken.

• Uitgebreid leerprogramma: Verken de integratie van AI en cyberbeveiliging via Python, machine learning en het beperken van bedreigingen om een solide technische basis te leggen.
• Praktische aanpak Pas concepten toe in een afstudeerproject en los praktische cyberbeveiligingsuitdagingen op door gebruik te maken van AI-tools en praktische probleemoplossende vaardigheden.
• Geavanceerde kennis: verdiep je in geavanceerde onderwerpen zoals AI-gebaseerde authenticatie en GAN's om inzicht te krijgen in de nieuwste strategieën en innovaties op het gebied van cyberbeveiliging.
• Strategische besluitvorming stimuleren met AI-analyses: beheers AI-modellen om bedrijfsgegevens te analyseren, resultaten te voorspellen en beter geïnformeerde, realtime beslissingen te nemen die het concurrentievoordeel vergroten.
• AI-gestuurde dreigingsdetectie: leer malware, phishing en afwijkingen te detecteren met behulp van machine learning, waardoor je beter in staat bent om aanvallen te voorspellen en te voorkomen.
• Relevantie voor de sector: Blijf voorop lopen op het gebied van cyberbeveiliging door AI-toepassingen onder de knie te krijgen, waardoor u een waardevolle aanwinst wordt voor toekomstgerichte beveiligingsfuncties en -organisaties.

Inhoud

• 1.1 Definitie en reikwijdte van cyberbeveiliging
• 1.2 Belangrijke concepten op het gebied van cyberbeveiliging
• 1.3 CIA-triade (vertrouwelijkheid, integriteit, beschikbaarheid)
• 1.4 Cybersecurity-raamwerken en -normen (NIST, ISO/IEC 27001)
• 1.5 Wet- en regelgeving op het gebied van cyberbeveiliging (bijv. AVG, HIPAA)
• 1.6 Het belang van cyberbeveiliging in moderne ondernemingen
• 1.7 Carrières in cyberbeveiliging

• 2.1 Kernfuncties van het besturingssysteem (geheugenbeheer, procesbeheer)
• 2.2 Gebruikersaccounts en rechten
• 2.3 Toegangscontrolemechanismen (ACL's, DAC, MAC)
• 2.4 Beveiligingsfuncties en configuraties van het besturingssysteem
• 2.5 Beveiliging van het besturingssysteem versterken (patches, onnodige services uitschakelen)
• 2.6 Beveiligingsoverwegingen bij virtualisatie en containerisatie
• 2.7 Veilig opstarten en veilige toegang op afstand
• 2.8 Kwetsbaarheden in het besturingssysteem en maatregelen ter beperking

• 3.1 Netwerktopologieën en -protocollen (TCP/IP, OSI-model)
• 3.2 Netwerkapparaten en hun functies (routers, switches, firewalls)
• 3.3 Netwerkbeveiligingsapparaten (firewalls, IDS/IPS)
• 3.4 Netwerksegmentatie en -zonering
• 3.5 Beveiliging van draadloze netwerken (WPA2, kwetsbaarheden van Open WEP)
• 3.6 VPN-technologieën en gebruiksscenario's
• 3.7 Netwerkadresvertaling (NAT)
• 3.8 Basisprobleemoplossing voor netwerken

• 4.1 Soorten bedreigingsactoren (scriptkiddies, hacktivisten, natiestaten)
• 4.2 Methodologieën voor het opsporen van bedreigingen met behulp van AI
• 4.3 AI-tools voor het opsporen van bedreigingen (SIEM, IDS/IPS)
• 4.4 Open-source intelligence (OSINT)-technieken
• 4.5 Inleiding tot kwetsbaarheden
• 4.6 Softwareontwikkelingscyclus (SDLC) en beveiligingsintegratie met AI
• 4.7 Zero-day-aanvallen en strategieën voor patchbeheer
• 4.8 Tools en technieken voor het scannen van kwetsbaarheden met behulp van AI
• 4.9 Misbruik maken van kwetsbaarheden (praktijkoefeningen)

• 5.1 Een inleiding tot AI
• 5.2 Soorten en toepassingen van AI
• 5.3 Risico's in de praktijk identificeren en beperken
• 5.4 Een veerkrachtige en adaptieve beveiligingsinfrastructuur opbouwen met AI
• 5.5 Verbetering van digitale verdedigingsmechanismen met behulp van CSAI
• 5.6 Toepassing van machine learning in cyberbeveiliging
• 5.7 Bescherming van gevoelige gegevens en systemen tegen diverse cyberdreigingen
• 5.8 Concepten van dreigingsinformatie en dreigingsopsporing

• 6.1 Inleiding tot Python-programmeren
• 6.2 Inzicht in Python-bibliotheken
• 6.3 De programmeertaal Python voor cyberbeveiligingstoepassingen
• 6.4 AI-scripting voor automatisering van cyberbeveiligingstaken
• 6.5 Gegevensanalyse en -bewerking met Python
• 6.6 Beveiligingstools ontwikkelen met Python

• 7.1 Inzicht in de toepassing van machine learning in cyberbeveiliging
• 7.2 Van anomaliedetectie tot gedragsanalyse
• 7.3 Dynamische en proactieve verdediging met behulp van machine learning
• 7.4 Machine learning gebruiken voor het detecteren van e-mailbedreigingen
• 7.5 Verbetering van phishingdetectie met AI
• 7.6 Autonome identificatie en afweren van e-mailbedreigingen
• 7.7 Toepassing van geavanceerde algoritmen en AI bij de detectie van malwarebedreigingen
• 7.8 Identificatie, analyse en beperking van kwaadaardige software
• 7.9 Verbetering van gebruikersauthenticatie met AI-technieken
• 7.10 Penetratietesten met AI

• 8.1 Incidentresponsproces (identificatie, inperking, uitroeiing, herstel)
• 8.2 Levenscyclus van incidentrespons
• 8.3 Een incidentresponsplan opstellen
• 8.4 Detecteren en analyseren van incidenten
• 8.5 Beheersing, uitroeiing en herstel
• 8.6 Activiteiten na een incident
• 8.7 Digitaal forensisch onderzoek en bewijsverzameling
• 8.8 Planning voor noodherstel (back-ups, bedrijfscontinuïteit)
• 8.9 Penetratietesten en kwetsbaarheidsbeoordelingen
• 8.10 Juridische en regelgevende overwegingen bij beveiligingsincidenten

• 9.1 Inleiding tot open-source beveiligingstools
• 9.2 Populaire open-sourcebeveiligingstools
• 9.3 Voordelen en uitdagingen van het gebruik van open-source tools
• 9.4 Implementatie van open-sourceoplossingen in organisaties
• 9.5 Ondersteuning en bronnen van de gemeenschap
• 9.6 Netwerkbeveiligingsscans en kwetsbaarheidsdetectie
• 9.7 Tools voor beveiligingsinformatie- en gebeurtenisbeheer (SIEM) (open-sourceopties)
• 9.8 Open-source pakketfilterende firewalls
• 9.9 Tools voor wachtwoordhashing en -kraken (ethisch gebruik)
• 9.10 Open-source forensische tools

• 10.1 Opkomende cyberdreigingen en trends
• 10.2 Kunstmatige intelligentie en machine learning in cyberbeveiliging
• 10.3 Blockchain voor beveiliging
• 10.4 Beveiliging van het Internet of Things (IoT)
• 10.5 Cloudbeveiliging
• 10.6 Kwantumcomputers en de impact ervan op de beveiliging
• 10.7 Cyberbeveiliging in kritieke infrastructuur
• 10.8 Cryptografie en veilige hashing
• 10.9 Bewustwording en training op het gebied van cyberbeveiliging voor gebruikers
• 10.10 Continue beveiligingsmonitoring en -verbetering

• 11.1 Inleiding
• 11.2 Use Cases: AI in cyberbeveiliging
• 11.3 Presentatie van de resultaten

• 1. Inzicht in AI-agenten
• 2. Wat zijn AI-agenten
• 3. Belangrijkste mogelijkheden van AI-agenten in cyberbeveiliging
• 4. Toepassingen en trends voor AI-agenten in cyberbeveiliging
• 5. Hoe werkt een AI-agent
• 6. Kernkenmerken van AI-agenten
• 7. Soorten AI-agenten

• CrowdStrike
• Flair.ai
• ChatGPT
• Pluralsight

Lesmethode

Cursus onder begeleiding van een docent OF cursus in eigen tempo + officieel examen + digitale badge

Kenmerken

Inclusief online examen onder toezicht, met één gratis herkansing.
Examenopzet: 50 vragen, 70% vereist om te slagen, 90 minuten, online examen onder toezicht

Toegang tot alle materialen en examens wordt gedurende 365 dagen na levering geboden.

Voorkennis

• Basisvaardigheden in Python-programmeren, kennis van cyberbeveiliging, basisbegrippen van machine learning, basiskennis van netwerken, vaardigheden in Linux en de opdrachtregel