Cybersecurity

Lo scopo dell'insegnamento è quello di insegnare ad applicare tecniche di machine learning (incluso deep learning) in ambito di cybersecurity, e di capire le vulnerabilità che queste tecniche hanno in ambiti adversarial. Obiettivi Specifici Gli studenti impareranno formalmente e praticamente come funzionano diversi modelli di machine learning, le loro applicazioni a problemi di cybersecurity, e numerose vulnerabilità, attacchi e difese per proteggerli. Conoscenza e Comprensione - conoscenza e comprensione dei fondamenti matematici dietro le tecniche moderne di machine learning - conoscenza e comprensione delle vulnerabilità dei modelli di machine learning ad attacchi adversarial - conoscenza e comprensione di tecniche per proteggere i modelli da questi attacchi - conoscenza e comprensione di varie applicazioni del machine learning ai problemi di cybersecurity Applicazione di Conoscenza e Comprensione - come selezionare le giuste tecniche di machine learning per un dato problema - come implementare modelli di machine learning per risolvere dati problemi - come analizzare i possibili rischi derivanti dalle applicazioni di machine learning a sistemi critici, come cybersecurity Autonomia di Giudizio Gli studenti saranno in grado di giudicare l’appropriatezza di una data applicazione di machine learning e valutarne possibili failure mode e vulnerabilità ad attacchi Abilità Comunicative Gli studenti saranno in grado di descrivere la sicurezza e l’appropriatezza di una data applicazione di machine learning e potranno valutare ed argomentare potenziali vulnerabilità e faliure modes. Capacità di Apprendimento Successivo Gli studenti saranno in grado di approfondire argomenti e modelli di machine learning più complessi e saranno equipaggiati con la conoscenza necessaria per studiare problemi di ricerca aperti nelle aree di cybersecurity e machine learning