Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación, Departamento externo vinculado a las titulaciones
Áreas: Ciencia de la Computación e Inteligencia Artificial, Área externa M.U en Intelixencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: Matriculable
· Conocer técnicas y herramientas para implementar soluciones basadas en IA que permitan la detección automatizada de vulnerabilidades, ataques, contenidos y aplicaciones fraudulentas.
· Conocer, comprender y analizar casos reales de aplicación de técnicas de IA en diferentes ámbitos de la ciberseguridad
· Conocer técnicas que faciliten la seguridad por diseño y que permitan una administración segura de sistemas y redes de comunicaciones, permitan la gestión de riesgos y posibiliten una recuperación rápida ante eventos de ciberseguridad.
· Comprender la importancia del concepto de identidad y conocer técnicas que permitan garantizar el acceso a los datos y su privacidad.
Conceptos e introducción a la ciberseguridad.
Modelos de detección de amenazas y prevención de ataques.
Detección de contenidos y aplicaciones fraudulentos.
Minería de datos en sistemas de gestión de eventos.
Control de identidad, biometrías y patrones de comportamiento.
Detección de anomalías y agrupamiento para la detección de ataques en comunicaciones.
Gestión de riesgos en IA, riesgos críticos y perfiles de normalidad, usos maliciosos y planes de contingencia y recuperación.
Bibliografía básica:
Effective Cybersecurity: A Guide to Using Best Practices and Standards.
William Stallings
Addison-Wesley Professional, 2018
ISBN 978-0134772806
Machine Learning and Security: Protecting Systems with Data and Algorithms, 1ra edición.
Clarence Chio, David Freeman.
O'Reilly, 2018
ISBN 978-1491979907
Mastering Machine Learning for Penetration Testing: Develop an extensive skill set to break self-learning systems using Python, 1ra edición
Chiheb Chebbi,
Packt Publisinh, 2018
ISBN 978-1788997409
Bibliografía complementaria:
- Hands-On Artificial Intelligence for Cybersecurity: Implement smart AI systems for preventing cyber attacks and detecting threats and network anomalies.
Alessandro Parisi
Packt Publishing, 2019
ISBN 978-1789804027
- ENISA. Agencia de la Unión Europea para la Ciberseguridad.
https://www.enisa.europa.eu/
BÁSICAS Y GENERALES
CG1 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y
avanzadas en el campo de la Inteligencia Artificial.
CG2 - Abordar con éxito todas las etapas de un proyecto de Inteligencia Artificial.
CG4 - Elaborar adecuadamente y con cierta originalidad composiciones escritas o argumentos motivados, redactar planes,
proyectos de trabajo, artículos científicos y formular hipótesis razonables en el campo.
CG5 - Trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la gestión del tiempo, personas y toma de
decisiones.
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de
ideas, a menudo en un contexto de investigación
CB7 - Que los/las estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos
nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
CB9 - Que los/las estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos
especializados y no especializados de un modo claro y sin ambigüedades
CB10 - Que los/las estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de
ser en gran medida autodirigido o autónomo.
TRANSVERSALES
CT5 - Entender la importancia de la cultura emprendedora y conocer los medios al alcance de las personas emprendedoras.
CT8 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y
cultural de la sociedad.
CT9 - Tener la capacidad de gestionar tiempos y recursos: desarrollar planes, priorizar actividades, identificar las críticas, establecer
plazos y cumplirlos.
ESPECÍFICAS
CE4 - Conocer los fundamentos y técnicas básicas de la inteligencia artificial y su aplicación práctica.
CE8 - Capacidad para diseñar y desarrollar sistemas inteligentes seguros, en términos de integridad, confidencialidad y robustez.
CE19 - Conocimiento de diferentes ámbitos de aplicación de las tecnologías basadas en IA y su capacidad para ofrecer un valor
añadido diferenciador.
CE20 - Capacidad de afrontar entornos interdisciplinares y combinar y adaptar diferentes técnicas, extrapolando conocimientos
entre diferentes ámbitos.
CE21 - Conocimiento de las técnicas que facilitan la organización y gestión de proyectos en IA en entornos reales, la gestión de
los recursos y la planificación de tareas de una manera eficiente, teniendo en cuenta conceptos de diseminación del conocimiento y
ciencia abierta.
CE22 - Conocimiento de técnicas que facilitan la seguridad de los datos, aplicaciones y las comunicaciones y sus implicaciones en
diferentes ámbitos de aplicación de la IA.
CE30 - Ser capaz de plantear, modelar y resolver problemas que requieran la aplicación de métodos, técnicas y tecnologías de
inteligencia artificial.
Clases expositivas (10 horas):
Exposición oral complementada con el uso de medios audiovisuales y la introducción de algunas preguntas dirigidas a los/las estudiantes, con la finalidad de transmitir conocimientos y facilitar el aprendizaje. Además del tiempo de exposición oral por parte del profesor, esta actividad formativa requiere del alumnado la dedicación de un tiempo para preparar y revisar por cuenta propia los materiales objeto de la clase.
Clases interactivas (11 horas):
Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: se trata de sesiones cuyo objetivo es que el alumnado adquiera determinadas competencias en base a la resolución de ejercicios, estudio de casos y realización de proyectos que requieran la aplicación de los conocimientos y competencias desarrolladas durante la asignatura. Estas sesiones pueden requerir del alumnado la presentación oral de su solución a los problemas planteados. Los trabajos realizados por el alumnado se pueden realizar de forma individual o en grupos de trabajo.
Clases prácticas de laboratorio: clases dedicadas a que el alumnado desarrolle trabajos prácticos que impliquen abordar la resolución de problemas complejos, y el análisis y diseño de soluciones que constituyan un medio para su resolución. Esta actividad puede requerir del alumnado la presentación oral de los trabajos realizados. Los trabajos realizados por el alumnado se pueden realizar de forma individual o en grupos de trabajo.
E1: Examen final 25%
E2: Evaluación de trabajos prácticos 40%
E3: Evaluación de trabajos tutelados 35%
Para superar (y liberar) tanto E2 como E3 es preciso alcanzar un 40% de la puntuación máxima prevista para estos elementos de evaluación. No hay mínimo exigido para E1.
Para superar la materia es necesario alcanzar los mínimos anteriores (en E2 y E3) y sumar en la nota final ponderada un mínimo de 5 puntos sobre 10.
En el caso de no obtener el mínimo exigido para superar alguna de las partes (E2 y E3), el/la alumno/a tendrá una segunda oportunidad en la que solo entregará los elementos no superados.
En el caso de superar parte de los elementos evaluados, pero no alcanzar el mínimo preciso para aprobar la materia completa, la calificación a incluir en las respectivas actas se calculará como el mínimo entre la media ponderada de las partes superadas y 4,9.
Tendrá la condición de “Presentado” quien entregue todas las prácticas y trabajos obligatorios o se presente a la prueba objetiva en el período oficial de evaluación.
Las entregas de las prácticas y trabajos se deben realizar dentro del plazo establecido, y seguirán las especificaciones indicadas en el enunciado tanto para la presentación como para la defensa.
En el caso de realización fraudulenta de ejercicios o pruebas, se aplicará la "Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións" de la universidad. En aplicación de la normativa correspondiente sobre plagio, la copia total o parcial de algún ejercicio de prácticas o de teoría supondrá el suspenso en las dos oportunidades del curso, con la calificación de 0,0 en ambos casos.
Tiempo de trabajo presencial: 21 horas totales, divididas en 10h (Clases de teoría), 11h (Clases prácticas).
Tiempo de trabajo personal: 54h.
La asignatura se impartirá en inglés. La docencia expositiva será impartida por la UVigo y retransmitida para todo el alumnado. Habrá un grupo de docencia interactiva específico y presencial en cada universidad (USC-UDC-UVigo).
Maria Purificacion Cariñena Amigo
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Teléfono
- 881813563
- Correo electrónico
- puri.carinena [at] usc.es
- Categoría
- Profesor/a: Profesor Contratado/a Doctor
| Miércoles | |||
|---|---|---|---|
| 18:30-20:00 | Grupo /CLE_01 | Inglés | IA.12 |
| 22.01.2025 10:30-14:00 | Grupo /CLIL_01 | IA.12 |
| 22.01.2025 10:30-14:00 | Grupo /CLE_01 | IA.12 |
| 01.07.2025 10:30-14:00 | Grupo /CLE_01 | IA.12 |
| 01.07.2025 10:30-14:00 | Grupo /CLIL_01 | IA.12 |