Série de séminaires sur la transformation numérique : Applications d’Apprentissage Automatique en Cybersécurité

Veuillez prendre note que ce séminaire se déroulera sur deux jours :

Le lundi 22 novembre 2021 de 9 h 00 à 12 h 00
et
Le mercredi, 24 novembre 2021 de 9 h 00 à 12 h 00

Vue d’ensemble

La sécurité de l’infrastructure numérique de l’organisation est essentielle aux stratégies de transformation numérique. En proposant une introduction théorique et pratique au domaine de la science des données de cybersécurité, ce séminaire aidera le public à apprécier les avantages et les exigences de la prise de décision intelligente axée sur les données dans les systèmes de cybersécurité. Les techniques clés d’apprentissage automatique seront discutées, en commençant par l’analyse exploratoire simple des données et en terminant avec plusieurs réseaux avancés y compris d’apprentissage profond.

Chaque technique d’apprentissage automatique présentée sera fondée sur des concepts théoriques et cas d’utilisation de cybersécurité pour mieux comprendre les données, l’événement et l’application d’apprentissage automatique.

Les participants termineront ce séminaire avec une base théorique et technique de l'apprentissage automatique et de la cybersécurité. À la fin, les participants auront plusieurs programmes fonctionnels d'apprentissage automatique qui peuvent être utiles pour d'autres applications; l'identification d'autres opportunités d'apprentissage; et des compétences utiles dans le milieu universitaire et/ou à leur lieu de travail.

Sujets principaux

Modélisation des données : analyse exploratoire des données, nettoyage/manipulation des données et régression linéaire/non linéaire

Principes fondamentaux de l’apprentissage automatique : fonctions d’activation, sélection/ingénierie des fonctions, évaluations de modèles

Outils et environnement : Introduction à l’exploration de données Python, Google Colab et Orange

Exemples d’apprentissage automatique en cybersécurité : machines vectorielles de soutien, forêt aléatoire, réseaux de neurones, réseaux profonds et traitement du langage naturel

Exploration des attaques de cybersécurité : DDOS, malware, botnets, détection de spam et fausses nouvelles

Qui devrait assister

Ce séminaire est idéal pour les analystes, les ingénieurs et les étudiants des cycles supérieurs qui cherchent une introduction à l’apprentissage automatique, en se concentrant sur son application en cybersécurité. Les techniques et les approches utilisées sont facilement transférables et peuvent être appliquées à de nombreuses industries axées sur les données. Bien que ce séminaire ne nécessite aucune expérience préalable en programmation ou en cybersécurité, une compréhension de base sur des concepts de l’apprentissage automatique et de la cybersécurité serait bénéfique.

L’instructeur

Brad Conlin est candidat au doctorat à l’Université d’Ottawa dans le cadre du programme transformation numérique et innovation (Digital Transformation & Innovation). Les recherches de M. Conlin portent principalement sur l’application d’algorithmes d’apprentissage automatique en cybersécurité. Ses recherches comprennent des réseaux de neurones avancés et des données open-source pour la prédiction, avec l’application de python, Google Colab / Jupyter Notebooks, et d’autres outils et méthodes de premier plan. Il possède plus de 15 ans d’expérience en tant qu’analyste de données et plus de cinq ans en science des données. M. Conlin est entraîneur, instructeur et mentor depuis près de 20 ans et a remporté plusieurs compétitions académiques, sportives et professionnelles à titre de compétiteur et d’entraîneur. M. Conlin est un récipiendaire de la Bourse d’études supérieures en sciences et technologie (QEII-GSST) de la Reine Elizabeth II pour ses recherches sur la détection des fraudes par hameçonnage par certificat SSL. Il a également reçu une subvention de recherche de l’École de gestion (SMRF) pour des recherches antérieures tout en complétant des études supérieures antérieures.