IA & Deep Learning pour la Cybersécurité

Jour 1 : Fondations du Deep Learning & Classification Supervisée des Menaces

Module 1 : Du Machine Learning au Deep Learning Cyber

• Limites du Machine Learning classique face aux volumes de données de sécurité.
• Anatomie d’un réseau de neurones artificiels : Perceptron, fonctions d’activation, rétropropagation.
• Pipeline de Data Engineering Cyber : Nettoyage, normalisation et vectorisation des logs et fichiers PCAP.

Module 2 : Classification et Détection Automatisée de Menaces (Supervisé)

• Détection de domaines malveillants (DGA) et d’URLs de Phishing par réseaux récurrents.
• Analyse de fichiers binaires et détection de malwares via des Réseaux de Neurones Convolutionnels (CNN).
• Mesures de performance : Précision, Rappel, F1-Score et gestion des faux positifs.
• TP 1 : Développement et entraînement en Python d’un modèle d’apprentissage profond pour classifier et identifier des variantes de codes malveillants (Malwares).

Jour 2 : Détection d’Anomalies Réseau et Sécurisation des Modèles d’IA

Module 3 : Détection d’Anomalies Non Supervisée (Analyse Comportementale)

• Le défi des attaques inconnues (Zero-Day) : Pourquoi l’apprentissage non supervisé est indispensable.
• Architecture des Autoencodeurs : Principe de la reconstruction de données saines.
• Application pratique : Repérer l’exfiltration de données cachée dans le trafic réseau légitime.

Module 4 : Vulnérabilités de l’IA (Adversarial ML) & Déploiement

• Comment les attaquants trompent l’IA : Injections de bruit, empoisonnement des modèles (Poisoning), et attaques par évasion.
• Stratégies de durcissement et d’audit des modèles de Deep Learning.
• Introduction au déploiement des modèles entraînés au sein d’un pipeline SOC/SIEM.
• TP 2 : Création d’un système de détection d’intrusions réseau par Autoencodeur et simulation d’une attaque par évasion (Adversarial Attack) pour tester sa résilience.

7 validation des acquis :

• QCM final et mise en situation pour tester la compréhension des concepts et des techniques abordées.

Profil formateur :

• Esteban F. – Consultant  en Cybersécurité 

  • Expertise Terrain : Plus de 5 ans d’expérience dans l’ingénierie de sécurité, les tests d’intrusion (Pentesting) et la modélisation de données complexes. Spécialiste des architectures de réseaux de neurones appliquées à la détection de menaces, il conçoit et déploie des algorithmes prédictifs au sein d’infrastructures SOC de grands comptes.

Autres formations disponibles en Intelligence artificiel

• Axe Sécurité Applicative & Frameworks Modernes :
  • Sécurisation des Applications IA et OWASP Top 10 pour LLM
• Axe Architecture & Infrastructure Privée :
  • Architecturer et Développer une IA Souveraine : RAG et LLM locaux