MÓDULO 5

Preinscripciones modalidad Entre Semana hasta el 14 de octubre
Inicio del curso Executive: 18 octubre
Inicio del curso Entre Semana: 21 octubre

¡RESERVA YA TU PLAZA!

Sciences Applied to Cybersecurity: Machine learning & Complex Network

Metodología

Presencial con apoyo en teleformación.

Equipo Docente:
Regino Criado. Director Académico
• Santiago Moral. Director
Miguel Romance. Subdirector

Profesores:

Ángel Sánchez
Alejandro José García
David Gónzález
Francisco Ginel
Sergio Iglesias

Información del curso

Horas lectivas: 48 hs presenciales.
Modalidad: presencial con contenidos teóricos y prácticos.
Horario:
1- Modalidad Entre Semana: de lunes a jueves, de 16:00 a 20:00 hs., Campus de Fuenlabrada
   • Preinscripción: hasta el 14 de octubre de 2019
   • Matrícula: desde el 15 al 18 de octubre de 2019
   • Fecha de inicio: 21 de octubre

2- Modalidad Executive: viernes tarde y sábados mañana, Campus de Manuel Becerra
    • Fecha de inicio: 18 de octubre

Objetivos

Se va a trabajar sobre:

Métricas y Medidas de Ciberseguridad

Dar Sentido a los Datos No Estructurados

Gestión de Identidades y Accesos

Detección de Fraude en Tarjetas

Detección de Procesos Bañados en Logs

Clasificación, Prueba de Hipótesis y Detección de Anomalías

Modelos Predictivos para Datos Temporales

Sistemas de Automatización Forense

Redes y Modelos Gráficos

Detección de APT

Deep Learning

Regresión y Predicción

Contenidos

1. Métricas y Medidas de Ciberseguridad
1.1 Contrastando Métricas y Medidas
1.2 Selección de medidas para apoyar las métricas
1.3 Problemas con la precisión de las medidas
1.4 Problemas con la selección de medidas (datos pequeños)
1.5 Problemas con el uso de medidas
1.6 Sistema común de puntuación de bulnerabilidad (CVSS)

2. Dar sentido a los datos no estructurados
2.1 Clustering
2.Clustering Espectral, Componentes e Incrustaciones
2.3 Estudios de caso: Gestión de Identidades y Acces

3. Regresión y Predicción
3.1 Regresión y Extensión Clásica Lineal y No Lineal
3.2 Regresión moderna con datos de alta dimensión
3.3 El uso de la Regresión moderna para la inferencia causal
3.4 Estudios de caso: Detección de Procesos bañados en logs

4. Clasificación, prueba de hipótesis y detección de anomalías
4.1 Pruebas de hipótesis y clasificación
4.2 Deep Learning

4.3 Estudios de caso: a) Análisis de Respuesta, b) Clasificación de Eventos y Anomalías

5. Recomendación de Sistemas
5.1 Recomendaciones y clasificación
5.2 Filtrado colaborativo
5.3 Recomendaciones personalizadas
5.4 Estudios de caso: Sistemas de automatización Forense

6. Redes y modelos gráficos
6.1 Introducción
6.2 Redes
6.3 Modelos gráficos
6.4 Estudios de caso: Detección de APT

7. Modelos predictivos para datos temporales 7.1 Introducción
7.2 Ingeniería de predicción
7.3 Ingeniería de características
7.4 Modelado y evaluación de modelos predictivos
7.5 Estudios de Caso: Detección de Fraude en Tarjetas