|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/data-science-in-cybersecurity-case-studies/
课程评论：没有评论
Coursera 上的“数据科学与网络安全实现”课程深入探讨了机器学习在网络安全领域的广泛应用。该课程强调，机器学习几乎在所有行业中都对网络安全产生了颠覆性影响，尤其是在处理海量数据进行异常检测方面。 课程内容主要围绕网络安全中的常见问题展开，包括恶意软件、异常检测、SQL 注入、信用卡欺诈、僵尸网络、垃圾邮件和网络钓鱼。所有这些主题都通过实际案例研究进行讲解。 **课程结构概述：** * **第一部分：统计学 - 机器学习** * **统计学基础：** 涵盖集中趋势（平均数、中位数、众数）、离散程度（方差、标准差）以及数据可视化等核心统计概念，为后续的机器学习应用奠定基础。 * **评估指标：** 重点讲解混淆矩阵、准确率和 Kappa 系数等模型评估指标，这些指标对于理解和评价机器学习模型性能至关重要。 * **第二部分：案例研究** * **支付欺诈：** 介绍支付欺诈的背景，并通过机器学习技术深入分析如何检测和预防此类欺诈。部分内容提供“无需编码”的讲解，方便更广泛的学习者理解。 * **恶意软件：** 探讨恶意软件的类型和传播方式，并展示如何利用机器学习来识别和防御恶意软件。 * **网络钓鱼：** 分析网络钓鱼的常见手段，并通过机器学习模型来识别和阻止钓鱼攻击。 * **IDS (入侵检测系统)：** 解释 IDS 的原理，并演示机器学习在提高 IDS 检测能力方面的作用。 * **垃圾邮件：** 介绍垃圾邮件的特点，以及如何利用机器学习技术有效地过滤垃圾邮件。 * **Twitter 僵尸网络检测：** 专注于利用机器学习来识别和检测 Twitter 平台上的僵尸网络。 * **恶意 SQL 注入：** 讲解 SQL 注入的攻击原理，并展示机器学习在防范此类攻击中的应用。 * **医疗欺诈检测（无代码）：** 提供一个“无需编码”的案例研究，展示机器学习在医疗欺诈检测中的应用。 总而言之，该课程旨在为学习者提供一套实用的技能，使他们能够运用数据科学和机器学习来解決复杂的网络安全挑战。
Machine learning is disrupting cybersecurity to a greater extent than almost any other industry. Many problems in cyber security are well suited to the application of machine learning as they often involve some form of anomaly detection on very large volumes of data. This course deals the most found issues in cybersecurity such as malware, anomalies detection, SQL injection, credit card fraud, bots, spams and phishing. All these problems are covered in case studies.Section 1:Statistics - Machine LearningLecture 1:Central Tendency (Preview)Lecture 2:Measures Dispersion (Preview)Lecture 3:Data Visualization (Preview)Lecture 4:Confusion Matrix, Accuracy and KappaSection 2:Case StudiesLecture 5:Introduction to Payment Fraud (Preview)Lecture 6:Machine Learning in Payment FraudLecture 7:"NO CODING"_Machine Learning in Payment FraudLecture 8:Introduction to MalwareLecture 9:Machine Learning in MalwareLecture 10:Introduction to PhishingLecture 11:Machine Learning in PhishingLecture 12:Introduction to IDSLecture 13:Machine Learning in IDSLecture 14:Introduction to SpamLecture 15:Machine Learning in SpamLecture 16:Introduction to Twitter Bot DetectorLecture 17:Machine Learning in Twitter Bot DetectorLecture 18:Introduction to Malicious SQL InjectionLecture 19:Machine Learning in SQL InjectionLecture 20:"NO CODE"_Machine Learning in Medical Fraud Detection (Preview)Data.zip
