CAS AI-Driven Cybersecurity and Strategic Defence

Dieser Kurs umfasst folgende Inhalte:

Introduction to AI in Cybersecurity

• Cybersecurity for AI and AI for Cybersecurity
• Fundamentals of Cybersecurity: Concepts, threats, and challenges
• Threat modeling and attacks on AI/ML models

Introduction to Deep Learning

• Fundamentals of neural networks, CNNs and RNNs
• Introduction to reinforcement learning for stochastic search and optimization
• Multi-agent reinforcement learning

Game Theory in Cybersecurity

• Application of game theory in cybersecurity, with a focus on defense strategies

Cybersecurity for AI Systems

• Defense strategies against adversarial attacks and AI vulnerabilities
• Adversary-aware machine learning
• Gradient-based evasion attacks
• Poisoning attacks on machine learning

Anomaly Detection & User Behavior Analysis

• Methods for detecting anomalies and analyzing user behavior in cybersecurity

Edge AI Security & Secure Cyber-Physical Systems

• Implementation of best practices for secure architectures and data protection
• Threats and vulnerabilities in Edge AI and cyber-physical systems

Explainable AI in Cybersecurity

• Techniques for enhancing transparency and trust in AI-driven security

Standards & Frameworks in AI and Cybersecurity

• Overview of key cybersecurity standards, including ISO, NIST, the EU AI Act, and GDPR
• Introduction to MLOps and ML deployment tools

Capstone Project 

• Practical application of learned concepts through a comprehensive project

Zielgruppe

Dieser Kurs richtet sich an Fachkräfte aus folgenden Bereichen:

• Cybersecurity
  z.B. IT-Sicherheitsbeauftragte, Ethical Hacker und Penetration Tester, Incident-Response-Spezialistinnen und -Spezialisten, Analystinnen und Analysten aus Security Operations Center (SOC), Chief Information Security Officers (CISOs)
• IT- und Netzwerk
  z.B. Fachpersonen aus den Bereichen IT-Architektur und Netzwerkadministration, System- und Cloud-Security-Ingenieurinnen und -Ingenieure, DevSecOps-Ingenieurinnen und -Ingenieure
• Data Science & Machine Learning 
  z.B. Expertinnen und Experten aus den Bereichen Machine Learning und Artificial Intelligence mit Interesse an Cybersecurity, Data Scientists mit Fokus auf Anomalieerkennung, Softwareentwicklerinnen und -entwickler mit Schwerpunkt auf sicherheitskritischen Anwendungen
• Unternehmen und Behörden
  z.B. IT-Sicherheitsberaterinnen und -berater sowie Personen mit und strategischer Entscheidungsfunktion. Expertinnen und Experten aus kritischen Infrastrukturen (z. B. Energie, Finanzen, Gesundheitswesen), Behördenmitarbeitende in sicherheitsrelevanten Bereichen (Polizei, Militär, Nachrichtendienste)
• Wissenschaft und Forschung
  z.B. Wissenschaftlerinnen und Wissenschaftler sowie Doktorandinnen und Doktoranden im Bereich AI-Security, Fachleute in Forschungsprojekten zu KI-gestützter Cybersecurity
• Führung
  z.B. Compliance-Administratorinnen und -Administratoren

Zulassung

Zugelassen sind Personen

• mit einem anerkannten Tertiärabschluss (Universität, Fachhochschule, Höhere Fachschule sowie Technikerschule oder Höhere Fachprüfung);
• mit qualifizierter Berufserfahrung;
• mit einer Tätigkeit in einem Arbeitsfeld, in dem sie das Gelernte umsetzen können (Prinzip Transferorientierung).

Des Weiteren gelten folgende Voraussetzungen:

• Gute Programmierkenntnisse in Python oder einer verwandten Hochsprache
• Grundlagen der Netzwerk-Sicherheit (network security)
• Grundlagen der Kryptographie, Verschlüsselungstheorie und -Methoden (encryption, cyptography)
• Security Data Visualization, Anomaly Detection
• Grundlagen von klassischer defensiver und offensiver Cybersecurity (z.B. CAS Offensive Cybersecurity, CAS Defensive Cybersecurity)

Bewerberinnen und Bewerber, die über vergleichbare Abschlüsse und entsprechende Berufserfahrung verfügen, können auf Basis einer individuellen Prüfung des Dossiers aufgenommen werden. 

Nach Abschluss dieses CAS können Sie

• Cyberangriffe auf Machine-Learning-Modelle erkennen und abwehren (z. B. Evasion-Angriffe, Data Poisoning, Model Extraction);
• KI-Modelle robust trainieren, um Sicherheitslücken zu minimieren;
• Large Language Models (LLMs) und generative KI gegen Manipulation absichern;
• KI zur automatisierten Bedrohungserkennung und Intrusion Detection einsetzen;
• Nutzerverhalten analysieren und Anomalien in Echtzeit-Datenströmen identifizieren;
• ML-gestützte Threat-Intelligence-Systeme entwickeln;
• KI-gestützte Industrieanlagen, IoT-Systeme und kritische Infrastrukturen schützen;
• Edge-Attacken in verteilten KI-Systemen erkennen und bekämpfen;
• Explainable AI (XAI) zur Interpretation von Bedrohungserkennungsmodellen einsetzen;
• Transparenz und Vertrauen in KI-basierte Sicherheitsentscheidungen schaffen;
• Spieltheoretische Modelle für proaktive Verteidigungsstrategien anwenden;
• Cyberangriffe mithilfe von Multi-Agent Reinforcement Learning (MARL) simulieren;
• Angriff- und Verteidigungsszenarien für Unternehmen und kritische Infrastrukturen modellieren;
• KI-gestützte Sicherheitsoperationen (MLSecOps) im Unternehmen etablieren;
• Incident-Response-Prozesse automatisieren und Reaktionszeiten verkürzen;
• KI-gestützte Cybersicherheit mit regulatorischen und Compliance-Anforderungen verknüpfen;
• internationale Sicherheitsstandards (z. B. EU AI Act, ISO, NIST, GDPR) praxisnah anwenden;
• Sicherheitsrisiken in KI-gestützten Organisationen fundiert bewerten;
• ethisch reflektierte und vertrauenswürdige KI-Sicherheitslösungen entwickeln.