Saldırıyı olmadan önce tahmin edin
Ağ akış verisinden öznitelik çıkarımı ve veri seti hazırlıktan Random Forest/XGBoost sınıflandırmaya, Isolation Forest ve autoencoder anomali tespitinden SOC entegrasyonuna kadar makine öğrenmesiyle ağ saldırı tespitini uygulamalı öğreten orta seviye DVA eğit…
Akış verisinden öznitelik, ML modelleri ve saldırı sınıflandırma
Bu orta seviye eğitim, ağ güvenliğinde öngörücü analitiği (predictive analytics) makine öğrenmesiyle uygulamayı öğretir. NetFlow/IPFIX ve PCAP verisinden akış bazlı öznitelik çıkarımı (paket sayısı, byte, süre, flag dağılımı), CIC-IDS2017/NSL-KDD gibi veri setleriyle çalışma ele alınır. Denetimli sınıflandırma (Random Forest, XGBoost) ile saldırı türü tespiti; Isolation Forest ve autoencoder ile anomali tabanlı sıfırıncı gün tespiti işlenir. Dengesiz veri, SMOTE, precision/recall ve ROC-AUC ile değerlendirme, özellik önemi, yanlış pozitif yönetimi ve modeli bir SOC akışına entegre etme uygulamalı gösterilir.
3 Gün. Her gün dört modül; her modül gerçek bir akış veri seti üzerinde kod ve metrik ölçümüyle pekiştirilir.
Orta Seviye — Ağ trafiği verisinden öznitelik çıkarımı ve makine öğrenmesiyle saldırı tespiti ve öngörücü analitik.
Gerçek saldırı veri setleri (CIC-IDS2017 vb.) Python/scikit-learn ile işlenir; her model eğitilip precision/recall ve ROC-AUC ile ölçülerek öncesi/sonrası karşılaştırılır.
İmza beklemeden davranış desenlerinden saldırı girişimlerini erken yakalarsınız.
Precision, recall ve ROC-AUC ile modelin gerçek başarısını yanlış pozitifleriyle değerlendirirsiniz.
Isolation Forest ve autoencoder ile bilinmeyen (sıfırıncı gün) sapmaları tespit edersiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Python ve pandas ile temel veri işleme deneyimi gerekir.
TCP/IP, port, flag ve akış (flow) kavramlarına aşinalık beklenir.
Sınıflandırma ve eğitim/test ayrımı gibi temel ML kavramları faydalıdır.
scikit-learn kurulu Python ortamı (Jupyter/Colab) ve örnek veri setleri.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
NetFlow/PCAP verisinden akış bazlı öznitelikler çıkarıp model için hazırlarsınız.
CIC-IDS2017 gibi setleri temizler, ölçekler ve sızıntısız ayırırsınız.
Random Forest ve XGBoost ile saldırı türlerini doğru şekilde tespit edersiniz.
SMOTE ve class_weight ile azınlık saldırı sınıflarını gözden kaçırmazsınız.
Precision, recall, F1 ve ROC-AUC ile modeli gerçekçi biçimde değerlendirirsiniz.
Isolation Forest ve autoencoder ile bilinmeyen saldırı sapmalarını yakalarsınız.
DDoS, port tarama ve C2 beacon desenlerini öznitelik uzayında ayırt edersiniz.
Modeli SIEM uyarı akışına bağlar ve yanlış pozitif geri bildirimiyle iyileştirirsiniz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Microsoft Teams ağ planlaması: Network Planner ile kapasite hesabı, codec bant genişliği, local breakout, uçtan uca QoS ve CQD/Power BI ile kalite izleme uygula
Detayları Gör →
Ağ servisleri, port ve protokol yönetimi, DNS/DHCP, güvenlik duvarı, SSH/RDP/VPN ile uzaktan erişim ve tcpdump ile trafik izleme uygulamalı olarak öğretilir.
Detayları Gör →
Veri merkezi için VXLAN ve BGP EVPN: CLOS spine-leaf underlay, VTEP/VNI overlay, EVPN Type 2/3/5 rotaları, anycast gateway ve çoklu kiracı tasarımı uygulamalı.
Detayları Gör →
Ağ ve host analizi formatları: pcap/pcapng yapısı, NetFlow, IPFIX, sFlow akış verileri ve Zeek log formatlarını karşılaştırıp format dönüşümünü uygulamalı öğren
Detayları Gör →
SPAN, TAP ve NetFlow ile doğru noktadan trafik yakalama; Wireshark I/O Graph ve istatistiklerle ağ baz çizgisi çıkarma ve sapma tespiti. DVA eğitimi.
Detayları Gör →