صيد الهجمات باستخدام الذكاء الاصطناعي

تحليل التهديدات السيبرانية وصيد الهجمات

أساسيات الأمن السيبرانى 4.7(57)4 ساعات و57 دقيقة21 درساقسمان

ماذا ستتعلم؟

فهم أساسيات الذكاء الاصطناعي في الأمن السيبراني
التعرف على بيانات الأمن السيبراني وهندسة الخصائص
استخدام التعلم الآلي لاكتشاف التهديدات
تحليل السلوك واكتشاف الشذوذ
فهم منهجية البحث عن التهديدات Threat Hunting
تطبيق خطوات الاستجابة للحوادث الأمنية
تنفيذ تطبيقات عملية على كل محور

عن الدورة

يشرح هذا الكورس كيفية استخدام الذكاء الاصطناعي في الأمن السيبراني لاكتشاف التهديدات وصيدها والدفاع ضدها. يبدأ بمحاضرة تمهيدية ثم أساسيات الذكاء الاصطناعي في الأمن السيبراني Cyber AI Foundations مع تطبيق عملي. بعد ذلك تتعلم بيانات الأمن السيبراني وهندسة الخصائص Security Data and Features، ثم التعلم الآلي لاكتشاف التهديدات ML Threat Detection، والتحليل السلوكي واكتشاف الشذوذ Behavioral and Anomaly Analysis. وتنتقل إلى منهجية البحث عن التهديدات Threat Hunting، وأخيرا الاستجابة للحوادث الأمنية Incident Response، وكل جزء يتبعه تطبيق عملي. وينتهي الكورس باختبار نهائي وكتاب عمل. ينفع هذا الكورس المهتمين بالأمن السيبراني وفرق SOC والدفاع، ويفضل أن تكون لديك معرفة أولية بالأمن والشبكات. وفي النهاية ستكون قادرا على فهم كيف يدعم الذكاء الاصطناعي كشف السلوك غير الطبيعي، وتحليل البيانات الأمنية، ومتابعة خطوات الاستجابة للحوادث بهدف الحماية.

نتائج متوقعة من الدورة

القدرة على اكتشاف التهديدات السيبرانية باستخدام تقنيات الذكاء الاصطناعي.
فهم عملي لكيفية تحليل البيانات الأمنية داخل بيئات SOC.
الاستعداد للعمل في فرق صيد التهديدات والدفاع السيبراني.
تنفيذ استجابات ذكية للحوادث وتقليل زمن وتأثير الاختراقات.

تقييمات المتدربين

التقييمات هنا من المتدربين الذين اشتروا الدورة وأكملوا 50٪ من المحتوى على الأقل — لا توجد تقييمات من شخص لم يطلع على المحتوى.

4.7

★★★★★

57 تقييم

5★

4★

3★

2★

1★

محتوى الدورة

Cyber AI Hunter

17 درس

المحاضرة التمهيدية Course Introيقدم كورس Cyber AI الذي يجمع الذكاء الاصطناعي بالأمن السيبراني للهجوم والدفاع والأتمتة، ويعرض متطلبات المعمل مثل VirtualBox وKali Linux، ومصادر البيانات الحقيقية، ومنهجية التفكير بدل حفظ الأدوات.10:36
أساسيات الذكاء الاصطناعي في الأمن السيبراني Cyber AI Foundations (الجزء الأول)يؤسس مفاهيم الذكاء الاصطناعي في الأمن السيبراني، ويبين حدود الأمن التقليدي القائم على القواعد، وتطور التهديدات، ومشكلة انفجار البيانات والسجلات، وكيف يكشف التعلم السلوك الشاذ.20:08
أساسيات الذكاء الاصطناعي في الأمن السيبراني Cyber AI Foundations (الجزء الثاني)يكمل أساسيات Cyber AI بالتأكيد على السرعة والاستباقية، وما لا يفعله الذكاء الاصطناعي، والفرق بين Automation والذكاء الاصطناعي، ونموذج Human in the Loop، ودوره في تقليل ضوضاء التنبيهات في SOC.22:09
التطبيق العملي الأول Cyber AI Labيطبق أول معمل عمليا على Kali Linux بإنشاء مجلدات المعامل وتحميل ملف بيانات والتحقق منه بأوامر مثل wc وsha، ثم الفحص الأولي لمحتوياته والبحث عن الرسائل الأكثر تكرارا.30:37
بيانات الأمن السيبراني وهندسة الخصائص Security Data & Features (الجزء الأول)يشرح هندسة الخصائص Feature Engineering التي تحول البيانات الخام والسجلات إلى إشارات قابلة لتعلم النموذج، ومصادر بيانات الأمن مثل الشبكة والهوية والتطبيقات، ومشاكل الجودة وأمثلة مثل معدل تسجيل الدخول.17:33
بيانات الأمن السيبراني وهندسة الخصائص Security Data & Features (الجزء الثاني)يكمل هندسة الخصائص بأمثلة مثل الأنماط الزمنية وتنوع الاتصالات، والجمع بين السلوك والتوقيعات، ومشكلة عدم توازن الفئات لندرة الهجمات، وأخطاء شائعة مثل نسخ خصائص بلا تحقق من السياق.20:15
التطبيق العملي الثاني Security Data Labيطبق المعمل الثاني على سجلات الأمن، بتحويلها إلى خصائص مفيدة بأوامر مثل grep، وفهم توزيع القيم، ومؤشرات مثل معدل البايتات، والتمييز بين الخصائص الجيدة والسيئة قبل بناء نموذج التعلم.17:10
التعلم الآلي لاكتشاف التهديدات ML Threat Detection (الجزء الأول)يشرح استخدام التعلم الآلي لكشف التهديدات، ومقارنته بالكشف القائم على التوقيعات، والتوازن بين Precision وRecall، والتعلم الخاضع للإشراف وشبه الخاضع، ومقارنة نماذج مثل Random Forest والشبكات العصبية.15:37
التعلم الآلي لاكتشاف التهديدات ML Threat Detection (الجزء الثاني)يكمل التعلم الآلي لكشف التهديدات بمواضيع أهمية الخصائص وقابلية التفسير، ومقاييس ROC AUC وPR AUC، وتكلفة الإنذارات الكاذبة، وحلقات التغذية الراجعة من المحللين، والمخاطر التشغيلية وصيانة النموذج.17:23
التحليل السلوكي واكتشاف الشذوذ Behavioral & Anomaly Analysisيشرح التحليل السلوكي واكتشاف الشذوذ، ببناء خط أساس للسلوك الطبيعي للمستخدمين والأجهزة والشبكة، ورصد الانحراف عنه، وأنواع الشذوذ، ومنها دخول صحيح في وقت أو مكان غير معتاد، وأن التغيير قد يكون مشروعا.26:29
التطبيق العملي الثالث Behavioral Analysis Labتطبيق عملي على Kali Linux لبناء Behavioral Baseline من بيانات حقيقية، وكشف الanomalies دون الاعتماد على signatures، والتفريق بين الanomaly الحقيقية والسلوك المشروع لتقليل false positives بالاعتماد على السياق.11:50
منهجية البحث عن التهديدات Threat Hunting (الجزء الأول)يشرح كيف تُربط الأحداث المتفرقة في صورة واحدة عبر الـ correlation، وحدود الربط اليدوي ودور الذكاء الاصطناعي، ومستويات استخبارات التهديدات، ولماذا يبقى السلوك أصعب على المهاجم تغييره من الـ IPs والـ hashes.13:21
منهجية البحث عن التهديدات Threat Hunting (الجزء الثاني)يتابع منهجية الربط بالذكاء الاصطناعي لكشف الحملات متعددة المراحل بدل التنبيهات المعزولة، مع التحذير من بيانات التدريب المنحازة أو الناقصة، ثم مراجعة أسئلة اختبار الموديول.16:47
التطبيق العملي الرابع Threat Hunting Labتطبيق عملي لدمج threat intelligence في إثراء الأحداث الأمنية، وربط alerts من مصادر مختلفة في incident واحد، ومطابقة السلوك المرصود مع MITRE ATT&CK، مع بقاء القرار النهائي للمحلل البشري.11:40
الاستجابة للحوادث الأمنية Incident Responseيقدم الاستجابة للحوادث كسباق مع الزمن، وكيف يفيد الذكاء الاصطناعي في ترتيب الـ incidents حسب الخطر وإثراء السياق وبناء الخط الزمني واقتراح الإجراءات، مع مخاطر الثقة الزائدة وبقاء القرار للإنسان.23:48
التطبيق العملي الخامس Incident Response Labتطبيق عملي لاستخدام مخرجات الذكاء الاصطناعي في triage الحوادث وتحديد الأولويات وتخطيط الاستجابة على Kali Linux، مع درجة الثقة وتحذير من Over Trust، وخلاصة الكورس بأن الإنسان يوافق قبل أي أتمتة.12:50
الاختبار النهائي Final Examمراجعة أسئلة الاختبار النهائي للكورس، ومنها تعريف الـ behavioral baseline، ولماذا لا تُعد كل anomaly حادثة أمنية، وأهمية MITRE ATT&CK، وأفضلية السلوك والسياق على الـ signature، وختام الكورس.9:40