AI+ Security Level 2 – ML für Cybersicherheit – Kurs

Dieser Aufbaukurs verbindet Methoden des maschinellen Lernens mit praktischer Cybersicherheit. Aufbauend auf Grundlagenkenntnissen in KI und Sicherheit vermittelt er, wie Machine-Learning-Techniken eingesetzt werden, um E-Mail-Bedrohungen zu erkennen, Malware zu identifizieren, Netzwerkanomalien zu detektieren und die Nutzerauthentifizierung zu stärken. Python wird als Programmiersprache für sicherheitsorientierte KI-Anwendungen eingeführt. Ein eigenes Capstone-Projekt verbindet die Lerninhalte zu einer realen Sicherheitslösung. Die Zertifizierung schließt mit einem international anerkannten Herstellerzertifikat ab und erfordert eine jährliche Rezertifizierung zur Aufrechterhaltung der Gültigkeit.

Die ersten beiden Module — KI-Grundlagen und Python für Sicherheit — legen das theoretische und technische Fundament. Teilnehmende erhalten einen strukturierten Einstieg in die Grundlagen künstlicher Intelligenz und deren Anwendungsfelder in der Cybersicherheit. Parallel dazu wird Python als Programmiersprache für sicherheitsorientierte Anwendungen eingeführt, wobei der Fokus auf praktisch einsetzbaren Programmierkenntnissen liegt.

• Grundlagen und Anwendungsgebiete von KI in der Cybersicherheit
• Überblick über aktuelle Bedrohungslandschaft und Angriffsmuster
• Python-Grundlagen für KI-Anwendungen: Variablen, Schleifen, Funktionen
• Wichtige Python-Bibliotheken für Machine Learning im Security-Kontext
• Datenverarbeitung und -analyse mit Python
• Erste sicherheitsorientierte Skripte schreiben und testen

Die Kernmodule 3 bis 6 — ML-Anwendungen in der Cybersicherheit — behandeln konkrete Anwendungsgebiete von maschinellem Lernen in der Sicherheit. Jedes Modul widmet sich einem spezifischen Bedrohungstyp und zeigt, wie ML-Algorithmen für dessen Erkennung und Abwehr eingesetzt werden können. Teilnehmende arbeiten mit realen Datensätzen und entwickeln eigene Erkennungsmodelle.

• Anwendung von ML zur Klassifikation von E-Mail-Bedrohungen (Phishing, Spam)
• Erstellung und Training von Modellen zur Malware-Erkennung
• Netzwerkanomalien mit unüberwachtem Lernen identifizieren
• Verhaltensbasierte Nutzerauthentifizierung mit ML-Methoden absichern
• Vergleich verschiedener Algorithmen hinsichtlich Erkennungsrate und False-Positive-Rate
• Bewertung von Modellgüte und Optimierung der Detektionsgenauigkeit

Die Module 7 bis 9 — Erweiterte KI-Sicherheitstechniken — führen in fortgeschrittenere Anwendungsgebiete ein. Generative Adversarial Networks werden als sowohl offensive als auch defensive Technologie im Sicherheitsbereich beleuchtet. KI-gestütztes Penetrationstesting schließt den inhaltlichen Bogen vom Angriff zur Verteidigung.

• Aufbau und Funktionsweise von Generative Adversarial Networks (GANs)
• Anwendungsgebiete von GANs in der Cybersicherheit
• Grundlagen des Penetrationstestings und methodischer Ansatz
• Einsatz von KI-Werkzeugen zur Unterstützung von Penetrationstests
• Automatisierung von Angriffssimulationen mit ML-Methoden
• Dokumentation und Berichterstattung von Penetrationstestergebnissen

Der gesamte Kurs ist stark auf praktische Anwendung ausgerichtet und setzt folgende Praxis-Schwerpunkte. Programmierübungen in Python, die Arbeit mit realen Datensätzen aus dem Sicherheitsbereich und ein abschließendes Capstone-Projekt stellen sicher, dass Teilnehmende am Ende des Kurses eigenständig handeln können.

• Implementierung eines E-Mail-Klassifikators mit Python und scikit-learn
• Training eines Malware-Erkennungsmodells auf Basis eines realen Datensatzes
• Anomalieerkennung in simulierten Netzwerkdaten
• Entwicklung eines verhaltensbasierten Authentifizierungsmodells
• Visualisierung von Modellergebnissen und Schwellenwertoptimierung
• Aufbau einer GAN-Demonstration zur Erzeugung und Erkennung synthetischer Sicherheitsdaten
• Planung und Durchführung eines einfachen KI-gestützten Penetrationstests
• Analyse und Dokumentation der Ergebnisse des Penetrationstests
• Optionales Erweiterungsmodul: AI Agents for Security Level 2
• Wiederholung und Prüfungsvorbereitung für alle Module
• Erstellung eines vollständigen Capstone-Projekts als eigenständige Sicherheitslösung
• Präsentation der Projektergebnisse und kritische Rückschau der gewählten Methoden

Das Capstone-Projekt (Modul 10) verbindet alle Kursinhalte zu einer eigenständigen Problemlösung. Teilnehmende wählen ein reales Sicherheitsproblem und lösen es mit den im Kurs erlernten ML-Methoden und Python-Kenntnissen.

Dieser Kurs richtet sich an Fach- und Führungskräfte, die in der Cybersicherheit tätig sind oder dorthin wechseln wollen und dabei KI-Methoden als Werkzeug zur Bedrohungserkennung einsetzen möchten. Er ist als Aufbaukurs konzipiert und setzt grundlegende Vorkenntnisse voraus.

• Cybersecurity-Analysten, die ihre Arbeit durch ML-Methoden effizienter gestalten wollen
• IT-Sicherheitsingenieure, die den Einsatz von KI in ihrer Sicherheitsinfrastruktur planen
• Penetrationstester, die KI-Werkzeuge in ihre Methodik integrieren möchten
• ML-Ingenieure, die sich auf sicherheitsrelevante Anwendungen spezialisieren
• Security-Operatoren, die Anomalie- und Bedrohungserkennung automatisieren wollen

Der Kurs wird überwiegend im Combined-Learning-Format angeboten, das Live-Online-Phasen mit selbstgesteuerten Lernabschnitten verbindet. Ergänzend steht ein Online-Seminar-Format zur Verfügung. Theoretische Einführungen wechseln sich mit Python-Programmierübungen und der Arbeit an realen Sicherheitsdatensätzen ab. Das Capstone-Projekt wird als eigenständige Arbeit außerhalb der Präsenzphasen durchgeführt.

Die Kursdauer beträgt in der Regel mehr als eine Woche bis zu einem Monat. Je nach gewähltem Format und individuellem Tempo kann die tatsächliche Dauer variieren. Vollzeit- und Teilzeitoptionen stehen zur Verfügung. Individuelle Starttermine können mit dem Anbieter abgestimmt werden.

Nach erfolgreichem Abschluss erhalten Teilnehmende ein international anerkanntes Herstellerzertifikat sowie ein Lehrgangszertifikat des Anbieters. Die Zertifizierung erfordert eine jährliche Rezertifizierung, um ihre Gültigkeit aufrechtzuerhalten. Benachrichtigungen werden drei Monate vor dem jeweiligen Fälligkeitstermin versandt. Die Schritte zur Rezertifizierung sind im Kandidatenhandbuch dokumentiert.

Die Kombination aus maschinellem Lernen und Cybersicherheit gehört zu den gefragtesten Qualifikationen im IT-Sicherheitsbereich. Unternehmen suchen zunehmend nach Fachkräften, die nicht nur Sicherheitsbedrohungen kennen, sondern auch in der Lage sind, automatisierte Erkennungssysteme auf Basis von ML zu entwickeln und zu betreiben. Dieser Kurs schafft genau diese Verbindung. Das Capstone-Projekt stellt sicher, dass Teilnehmende keine rein theoretischen Kenntnisse erwerben, sondern eine reale Sicherheitslösung eigenständig entwickeln. Dieses Portfolio-Stück ist im Bewerbungsprozess für Sicherheitspositionen ein konkreter Vorteil gegenüber rein zertifikatsorientierten Mitbewerbern. Die jährliche Rezertifizierung stellt darüber hinaus sicher, dass Kompetenzen aktuell bleiben, da das Sicherheitsfeld sich schnell entwickelt.