Tiltak mot datainnbrudd

Se engelsk versjon.

Kunnskap: - Har avansert kunnskap innen deteksjon/forebygging av inntrenging i datasystemer og nettverk, spesielt: anvendelse av avanserte søkealgoritmer i inntrengingsdeteksjon, uovervåkede og overvåkede læringsmetoder brukt i disse systemene, beregningskompleksitetsteoretisk modellering, informasjonsteoretisk modellering av inntrengingsdeteksjons-/forebyggingssystemer, og inntrengingsdeteksjon i virtuelle nettverk. - Har grundig kunnskap om teori og vitenskapelige metoder som er relevante for inntrengingsdeteksjon. - Er i stand til å anvende sin kunnskap i design og analyse av inntrengingsdeteksjons-/forebyggingssystemer.

Ferdigheter: - Er i stand til å analysere eksisterende teorier, metoder og tolkninger innen inntrengingsdeteksjon og arbeide selvstendig med å løse teoretiske og praktiske problemer. - Kan bruke relevante vitenskapelige metoder i selvstendig forskning og utvikling innen inntrengingsdeteksjon. - Er i stand til å utføre kritisk analyse av ulike litteraturkilder og anvende dem i å strukturere og formulere vitenskapelig resonnement innen inntrengingsdeteksjon og -forebygging. - Er i stand til å gjennomføre et selvstendig begrenset forsknings- eller utviklingsprosjekt innen inntrengingsdeteksjon under veiledning, i henhold til gjeldende etiske regler.

Generell kompetanse: -Kan analysere relevante faglige og forskningsetiske problemstillinger innen innbruddsdeteksjon. -Kan anvende sin kunnskap og sine ferdigheter på nye felt for å utføre avanserte oppgaver og prosjekter. -Kan arbeide selvstendig og er kjent med terminologi innen innbruddsdeteksjon og -forebygging. -Kan diskutere faglige problemstillinger innen innbruddsdeteksjon og -forebygging, både med spesialister og med et generelt publikum. -Kan bidra til innovasjon og innovasjonsprosesser.

Kurset tar for seg følgende FNs bærekraftsmål (SDG):

Mål 7, delmål 7.3, også relatert til mål 12, delmål 2 - doble den globale forbedringstakten i energieffektivitet / oppnå bærekraftig forvaltning og effektiv bruk av naturressurser - ved å designe raske og effektive algoritmer for stordatabehandling reduserer vi energiforbruket, noe som samtidig sikrer pålitelighet og sikkerhet for nettverkskommunikasjon.

Mål 9, delmål 9.5 - Styrke vitenskapelig forskning, oppgradere den teknologiske kapasiteten til industrisektorer i alle land - ved å studere algoritmer for deteksjon av verts- og nettverksinntrenging, forbedrer studentene sine ferdigheter og kompetanse innen mange forskningsfelt, som informatikk, matematikk, statistikk, osv. Dette bidrar til å heve kvaliteten på forskning og utvikling i opprinnelseslandene sine.

Håndtering av KI i kurset:

Studentene oppfordres til å bruke KI i utarbeidelsen av rapporten knyttet til prosjektet, forutsatt at de oppgir hvordan de brukte KI-verktøy i denne prosessen. Prosjektoppgaven er en kompleks numerisk problemløsningsoppgave, der det er svært usannsynlig å bruke KI-verktøy for å løse den fullstendig. Dermed er sannsynligheten for at bruk av KI i utarbeidelsen av prosjektrapporten vil ha negativ innflytelse på å nå læringsmålene ubetydelig.

Det er umulig å bruke KI på den skriftlige eksamenen, siden den skriftlige eksamenen gjennomføres under kontroll i NTNUs lokaler.

-Forelesninger -Laboratoriearbeid -Numeriske øvelser

Tilleggsinformasjon: -Kurset vil være tilgjengelig for både campusstudenter (Gjøvik/Trondheim) og fjernstudenter. Hver student står fritt til å velge den pedagogiske oppleggsformen som passer best for sine egne behov. Forelesningene i kurset vil bli gitt på campus Gjøvik og er åpne for begge kategorier student. Alle forelesningene vil også være tilgjengelige på internett gjennom læringsplattformen.

Obligatoriske krav: Ingen.