Fundep

Objetivo

Diante das mudanças progressivas em cibersegurança impulsionadas pela ciência de dados, é cada vez mais necessária a formação e/ou atualização de profissionais no tema. Este curso visa oferecer aos estudantes um primeiro contato com o tema de ciência de dados aplicada à cibersegurança através de uma perspectiva híbrida: teórica e prática. O curso inicia com exercícios para introduzir ao estudante o raciocínio lógico de um cientista de dados e seu uso voltado à prevenção, detecção e mitigação de ataques. Serão apresentadas as plataformas utilizadas em ciência de dados, como Kaggle e Jupyter, através de exemplos e exercícios voltados para a área de cibersegurança. O curso segue com uma série de seis diferentes estudos de caso, em Python, representativos e relacionados aos principais problemas em cibersegurança, como detecção de malware, detecção de anomalia, de bots, de spams, vazamentos de informações e phishing. 

Público-alvo

Profissionais graduados, estudantes de graduação ou pós-graduação em Ciência da Computação e afins familiarizados com lógica de programação e estatística, sendo desejável alguma experiência com a linguagem de programação Python. Para um maior aproveitamento do curso é desejável ter noções de segurança cibernética, porém não é um requisito. Acredita-se que este curso à distância pode contribuir para motivar e preparar o estudante a ingressar na pós-graduação na área de ciência de dados ou cibersegurança, contribuindo na busca por competências mais sólidas em computação e no tema em foco..

Pré-requisitos

Conhecimento em  lógica de programação e fundamentos de estatística. Experiência com a linguagem de programação Python. Para um maior aproveitamento do curso é desejável ter noções de segurança cibernética, porém não é um requisito.

Website - cdseg.dcc.ufmg.br

Conteúdo

A O conteúdo do curso contempla parte do programa visto em disciplinas como estatística, programação, ciência de dados e cibersegurança que estudantes de ciência da computação e cursos afins aprendem, porém o conteúdo será introduzido de forma aplicada e através de uma perspectiva prática. O curso se divide em quatro módulos, iniciando pela introdução de conceitos e definições relevantes relacionados à cibersegurança, ciência de dados e estatística. Na sequência, as principais ferramentas serão introduzidas, incluindo noções básicas de programação em Python e as principais bibliotecas. O curso segue com a apresentação das principais formas de visualização dos dados e a introdução de ferramentas como Seaborn através de exemplos e exercícios. Por fim, o curso finaliza com um conjunto de cinco estudos de caso específicos da área de cibersegurança em que os conhecimentos adquiridos serão combinados e utilizados na análise dos dados, predição e detecção de ataques. O conteúdo detalhado de cada módulo segue:  

 Módulo 1 - Introdução: definições e fundamentos sobre cibersegurança (princípios de segurança, principais ataques e defesas), ciência de dados (incluindo conceitos referentes à aprendizado de máquina supervisionado, não supervisionado e semi-supervisionado e aprendizado estatístico) e estatística (medidas de tendência central e medidas de dispersão), curva ROC, matriz de confusão e Kappa, acurácia.

 Módulo 2 - Ferramentas: básico sobre plataformas Kaggle e Jupyter e uso de bibliotecas como pandas e numpy, além de sintaxe básica da linguagem Python, variáveis, operadores aritméticos, operadores lógicos, estruturas condicionais e de repetição. A introdução às ferramentas ocorrerá por meio de exemplos na área de cibersegurança. 

 Módulo 3 - Visualização dos dados: histogramas, gráficos de linha e de barra, box-plots, gráfico de dispersão. Uso de bibliotecas e ferramentas para geração e visualização de gráficos como Seaborn e matplolib. Exercícios na geração de gráficos e visualização de dados.

Módulo 4 - Estudos de caso: Este módulo é composto por cinco estudos de caso, cada estudo segue uma parte teórica e outra parte prática. Os cinco estudos são: introdução a malware e aplicação de aprendizado de máquina para detecção de malwares; introdução a phishing e aplicação de aprendizado de máquina para detecção de phishing; sistemas de detecção de intrusão e exemplo prático do uso de técnicas de aprendizado na detecção de intrusão; ataques de negação de serviço e predição de ataques através de aprendizado estatístico; SPAMs e técnicas de classificação na detecção de SPAMs.

Carga horária
O estudante deverá se dedicar aproximadamente 40 horas para assistir às aulas, ler o material, participar dos encontros síncronos e resolver os exercícios do curso ao longo de 12 semanas (3 meses).

Material didático
Todo o material de apoio ao curso será fornecido em formato digital e consiste em:
Videoaulas: aulas em vídeo gravado (cerca de 900 minutos ou 15 horas); 
Aula ao vivo: encontros com datas marcadas para esclarecimento de dúvidas através de videoconferência com a turma.
Slides em formato de anotação.

Avaliação e certificado
O curso terá uma avaliação ao final do módulo 4. A avaliação será realizada a distância. A nota mínima para aprovação é de 60%. Será oferecido um certificado para alunos aprovados. O certificado será emitido, apenas em formato digital, pela UFMG, em até 60 dias após o término do curso (esse período é necessário para correção das provas e registro do certificado). Não haverá emissão de certificado apenas para participação.