Künstliche Intelligenz (KI) Certified AI Advanced Threat Detection

Grundlagen der KI-gestützten Bedrohungserkennung

Grenzen signaturbasierter Erkennung und der Paradigmenwechsel hin zu verhaltensbasierter Analyse, vermittelt über interaktive Online-Dashboards.

Aufbau einer kostenfreien Open-Source-Datenpipeline. Nutzung von Google Colab und frei verfügbaren PCAP-Datensätzen zur Datenaufbereitung und Visualisierung mit Open-Source-Bibliotheken wie Matplotlib und Seaborn.

Anomalieerkennung in Netzwerkverkehr (NTA)

Identifikation von anomaler interner Kommunikation durch KI-gestützte Graphenanalyse in browserbasierten Jupyter-Notebooks.

Implementierung eines Isolation-Forest-Modells in Python (Scikit-learn) via Google Colab. Training des Modells mit kostenfreien Zeek-Logs zur Erkennung von simulierten C2-Beacons.

KI-gestützte Endpoint Detection and Response (EDR)

KI-gestützte Auswertung von Prozessausführungsbäumen und API-Calls unter Nutzung von Open-Source-Datensätzen (z.B. Mordor).

Konfiguration von Open-Source-Wazuh-Agenten in einer kostenfreien Cloud-Instanz. Training eines Random-Forest-Klassifikators zur Erkennung von PowerShell-Obfuskation anhand frei verfügbarer Sysmon-Daten.

User and Entity Behavior Analytics (UEBA)

Entwicklung von dynamischen Schwellenwerten zur Reduzierung von Alert Fatigue, programmiert in kostenfreien Jupyter-Umgebungen.

Analyse von Active Directory-Logs mit dem kostenfreien OpenUBA-Framework. Konfiguration von ML-Jobs in einer Open-Source-Elastic-Umgebung zur Aufdeckung anomaler Datenexfiltration.

Automatisierte Malware-Analyse mit Deep Learning

Einsatz von Convolutional Neural Networks (CNNs) zur Klassifizierung von Malware-Familien, trainiert auf kostenfreien GPU-Instanzen (z.B. Colab).

Nutzung einer cloudbasierten, kostenfreien Cuckoo Sandbox-Instanz. Training eines PyTorch-basierten CNN-Modells im Browser zur Klassifizierung von Ransomware-Samples anhand von Image-basierten Binärrepräsentationen.

Natural Language Processing (NLP) in der Threat Intelligence

Generierung von STIX-Formaten aus Fließtexten zur Einspeisung in kostenfreie Threat Intelligence Plattformen.

Entwicklung eines NLP-Skripts mit kostenfreien Hugging Face Transformers im Browser. Automatisierte Auswertung öffentlicher Threat-Reports und Einspeisung der IoCs in eine cloudbasierte Open-Source-MISP-Instanz.

Adversarial Machine Learning in der Erkennung

Manipulation von Trainingsdaten zur Erzeugung von Backdoors, analysiert in isolierten, browserbasierten Containern.

Strategien zur Erhöhung der Robustheit durch Adversarial Training mit quelloffenen Frameworks.

Durchführung eines Evasion-Angriffs auf ein NTA-Modell unter Verwendung der kostenfreien, quelloffenen Adversarial Robustness Toolbox (ART) direkt im Browser. Anschließende Härtung des Modells.

SOC-Integration und Alert Triage mit KI

Integration von trainierten ML-Modellen in Open-Source Security Operations Center (SOC) Architekturen.

Automatisierte Priorisierung von Sicherheitswarnungen zur Entlastung von Analysten, umgesetzt mit kostenfreien SOAR-Tools.

Integration der entwickelten ML-Modelle in die kostenfreie Open-Source-Plattform TheHive und Shuffle SOAR. Erstellung eines automatisierten Playbooks im Browser zur Reaktion auf KI-generierte Alerts.