DURATA
2 ani
LIMBI
Spaniolă
RITM
La zi
TERMEN LIMITĂ DE APLICARE
Solicitați termenul limită de aplicare
CEA MAI DEVREME DATĂ DE ÎNCEPERE
Solicitați cea mai apropiată dată de începere
TAXE DE ȘCOLARIZARE
EUR 4.100
FORMAT DE STUDIU
În campus
Introducere
Principala caracteristică a masterului, care îl face unic, este că folosește modele Data Science și Machine Learning pentru a studia în profunzime cele mai actuale incidente de Cybersecurity, deducând din această analiză cele mai introduse arhitecturi de protecție în sector.
Antrenăm viitorii arhitecți de securitate cibernetică în cele mai solicitate tehnici de protecție, precum Arhitecturile Zero Trust, aplicând modele Data Science în proiectarea acestora, în validarea robusteței arhitecturilor și în identificarea atacurilor care provoacă cele mai multe pierderi. provoacă în industrie.
Suntem organizați în cinci module. Le poți lua într-un an sau mai mulți. Cele două module inițiale sunt Introducere în securitatea cibernetică și programare în Python axată pe date. Următoarele trei module se concentrează, pe de o parte, pe aspectele arhitecturale și tehnologice ale securității cibernetice (Modelul NIST 800) și pe modelele de analiză a celor mai actuale tehnici de atac precum Cyber Kill Chain și MITRE ATT&CK. La aceasta adăugăm aplicația practică a Data Science și Machine Learning (în mod fundamental Python) pentru a identifica anomalii în comportamentul sistemelor și al oamenilor, care permit o reacție rapidă la un atac.
Pe măsură ce terminați fiecare dintre module, veți obține gradul universitar superior corespunzător. La finalul celor cinci module și al Proiectului Final de Master, se eliberează diploma de Master. O poți lua atât dacă ai o diplomă universitară, cât și dacă ai dovezi experiență în lumea Informaticii.
Suntem la Campusul Fuenlabrada al URJC. Durata Masterului este de 600 de ore. Vom începe pe 15 octombrie cu orele de după-amiază: de la 16:00 la 20:00 de luni până joi. Având în vedere situația actuală, pentru cursul 20/21, cursurile pot fi urmate personal sau prin streaming. Să transmitem toate orele!!!
Obiective
Masterul în DATE, REȚELE COMPLEXE și SECURITATE CIBERNICĂ își propune să se antreneze în principalele tehnici de protecție împotriva atacurilor și amenințărilor în sistemele de operare, rețele, aplicații software, sisteme web, baze de date și învățare automată.
Admitere
Curriculum
Modulul 1 Fundamentele securității cibernetice (corespunde cu „Cursul universitar avansat în Fundamentele securității cibernetice”)
- Operațiuni de securitate și Iam
- Criptografie
- Rețele complexe
- Introducere în cadrul Nist
- Știința datelor
- Proiecte practice
- Model bazat pe Cyberdata
Modulul 2. Introducere în Python. (Cospunde cu „Cursul universitar avansat de Introducere în Python)
- Limbajul de programare Python
- Programare pentru toată lumea (Noțiuni introductive cu Python)
- Biblioteci Python pentru rețele complexe
- Biblioteci Python pentru învățare automată
Modulul 3. Securitate cibernetică: strategii arhitecturale și tehnologice. (Cospunde cu „Cursul universitar avansat de securitate cibernetică: strategii arhitecturale și tehnologice.)
- Introducere în Cybersecurity
- Securitatea sistemului
- Criptografie și rețele
- Cazuri de studiu
- Politica de securitate
Modulul 4. Date pentru managementul lanțului de ucidere: monitorizare și răspuns. Corespunde „Cursului universitar avansat de date pentru managementul lanțului de ucidere: monitorizare și răspuns)
- Algebră - Introducere Matlab
- Probabilitate - Introducere Matlab
- Preprocesare - Curățare
- Concepte de bază-cost
- Modele parametrice (retururi, logistică etc.)
- Modele neparametrice
- Modele nesupravegheate
- Sâmburi
- Adânc
- Genetică - (filtrarea particulelor)
- Sisteme de recomandare
- Detectarea anomaliilor
Modulul 5. Științe aplicate securității cibernetice: învățare automată și rețea complexă (corespunde cu „Cursul universitar avansat de științe aplicate securității cibernetice: învățare automată și rețea complexă)
- Metrici și măsuri de securitate cibernetică
- Înțelegerea datelor nestructurate
- Regresie și predicție
- Clasificare, Testare de Ipoteze și Detectare Anomalii
- Recomandare de sisteme
- Analiza complexă a rețelei
- Modele predictive pentru date temporale
Tfm. (pentru studenții cu diplomă universitară)
Studentul trebuie să efectueze o analiză tehnologică, o analiză de piață, o dezvoltare a unui model de consultanță și/sau o analiză a produselor care combină utilizarea datelor pentru a rezolva problemele de securitate cibernetică.
Rezultatul programului
Competențe generale
Abilitatea de a căuta informații specifice legate de diferitele subiecte ale masterului din toate sursele disponibile.
Abilitatea de a prezenta și dezvolta rapoarte.
Capacitatea de a interpreta documente tehnice.
Abilitatea de a lucra în echipă, într-un mediu interdisciplinar.
Managementul resurselor: organizarea și capacitatea de a stabili prioritățile de lucru.
Flexibilitate de adaptare în timpul dezvoltării unui proiect, capacitate de regândire.
Raționamentul critic: analiza, sinteza și evaluarea diferitelor alternative.
Abilitatea de comunicare eficientă în scris și oral.
Managementul informațiilor: colectarea informațiilor, organizare etc.
Responsabilitate și capacitate de auto-învățare.
Competențe specifice
Studentul va afla cum funcționează diferiții algoritmi și tehnici de criptare și beneficiile și limitările acestora.
Veți învăța diferitele sisteme și tipuri de autentificare, precum și diferența dintre autentificare și autorizare.
Studentul va fi capabil să evalueze riscurile potențiale și să recomande modalități de a le reduce.
Studentul va cunoaște limbajul de programare Python, va obține o privire de ansamblu asupra limbajului și va putea construi programe complexe.
Veți deveni familiarizați cu conceptele fundamentale ale tratamentului variabil, dezvoltării algoritmilor și programarii.
Studentul va învăța o viziune cuprinzătoare a tehnologiilor și tehnicilor de securitate cibernetică.
Veți învăța noi metode de calcul a datelor criptate, securitatea rețelei și proiectarea protocolului
Veți cunoaște cele mai eficiente tehnici de învățare automată.
Veți afla diferențele și compatibilitatea dintre Octave și Matlab.
Veți ști cum să faceți diferența între modelele grafice și modelele de rețea.
Veți ști cum să diferențiați predicțiile privind datele temporale de alte tipuri de date.
În plus, vor fi garantate următoarele competențe de bază:
Deține și înțelege cunoștințe care oferă o bază sau o oportunitate de a fi original în dezvoltarea și/sau aplicarea ideilor, adesea într-un context de cercetare.
Că studenții să știe cum să aplice cunoștințele dobândite și capacitatea lor de a rezolva probleme în medii noi sau puțin cunoscute în contexte mai largi (sau multidisciplinare) legate de domeniul lor de studiu;
Că studenții sunt capabili să integreze cunoștințele și să se confrunte cu complexitatea emiterii judecăților bazate pe informații incomplete sau limitate
Că studenții știu cum să-și comunice concluziile – și cunoștințele și motivele supreme care le susțin – publicului specializat și nespecializat într-un mod clar și fără ambiguitate;
Că studenții dețin abilitățile de învățare care le permit să continue să studieze într-un mod care va fi în mare parte auto-direcționat sau autonom.
Că studenții sunt capabili să stabilească interrelațiile relevante între diversele discipline care alcătuiesc masterul.
Că studenții au abilități de comunicare la nivel oral și scris în diseminarea cunoștințelor de fabricație și proiectare.
Că Au Capacitate de Sinteză și Analiză în Prezentarea Conținuturilor.
Că studenții sunt capabili să aplice raționamentul critic în domeniul bibliografiei generice și specifice legate de domeniul studiilor conexe.