• Tous les cours
• Départements
• Premier cycle
• Cycles supérieurs
• Recherche par critères

(3.0 cr.)

Objectifs généraux

• Analyser les problématiques contemporaines de cybersécurité et le rôle de l'intelligence artificielle dans leur résolution.
• Évaluer l'efficacité des systèmes réels de détection et de réponse aux incidents utilisant l'IA.
• Concevoir des solutions de cybersécurité intégrant l'IA adaptées à divers contextes opérationnels.
• Intégrer des pratiques sécuritaires, éthiques et robustes dans le déploiement de systèmes intelligents.

Quelques objectifs spécifiques parmi d'autres:

Comparer les approches traditionnelles (règles, signatures) et celles basées sur l'IA en cybersécurité; Exploiter des algorithmes d'IA pour détecter des événements suspects dans des environnements opérationnels; Corréler des événements de sécurité provenant de multiples sources (logs, réseau, utilisateurs); Réduire les faux positifs dans les systèmes de détection par le choix et la configuration de modèles d'IA adaptés; Concevoir des systèmes de détection adaptatifs face à des menaces évolutives; Identifier les risques liés à l'utilisation de l'IA (attaques adversariales, contournement); Intégrer des outils d'IA dans des architectures de cybersécurité existantes (SOC, SIEM); Évaluer les solutions en fonction de leur impact opérationnel (coût, latence, explicabilité).

Données de sécurité; qualité et préparation des données; analyse exploratoire appliquée à la sécurité; détection intelligente d'incidents; limites des approches traditionnelles; apprentissage supervisé, détection de menaces; apprentissage non supervisé; identification de comportements inconnus ou émergents; réduction des faux positifs; priorisation des alertes dans les centres opérationnels de sécurité (SOC); intégration de modèles intelligents (SIEM, IDS/IPS, outils de surveillance); interprétation et explicabilité des décisions automatisées en sécurité informatique; évaluation opérationnelle des systèmes intelligents; sécurité des systèmes d'intelligence artificielle; automatisation de la réponse aux incidents; orchestration de sécurité; exploitation des grands modèles de langage (LLM), génération de règles et soutien aux analystes; enjeux éthiques et légaux liés à l'automatisation de décisions de sécurité; validation expérimentale et reproductibilité des analyses.

Formule pédagogique : Cours Magistral

---

Programmes dans lesquels se trouve ce cours