Anasayfa›Eğitimler›Yapay Zeka Eğitimleri
Yapay Zeka Eğitimleri

SİBER GÜVENLİKTE YAPAY ZEKA EĞİTİMİ

Siber Güvenlikte Yapay Zeka Eğitimi, Digital Vizyon Akademi tarafından kurumlara yüz yüze veya online olarak verilen 4 günlük, ileri seviye düzeyinde bir programdır. SOC analistleri ve tespit mühendisleri; CIC-IDS2017 ve EMBER gibi veri setleriyle saldırı ve zararlı yazılım tespiti, UEBA, LLM ile triyaj ve Sigma kuralı üretimi, RAG tabanlı tehdit istihbaratı, güvenlik etmenleri ve SIEM entegrasyon

4 gün İleri Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

Bu eğitim, saldırı tespiti, zararlı yazılım analizi, kullanıcı davranış analitiği ve güvenlik operasyonlarında makine öğrenmesi ile üretken yapay zeka çözümleri geliştirmek isteyen güvenlik ekipleri için tasarlanmış ileri düzey bir programdır. Katılımcılar gerçekçi güvenlik veri setleriyle tespit modelleri kurar, LLM destekli SOC asistanları geliştirir ve modelleri üretime alır.

Neden Bu Eğitim?

Tespit Mühendisliği. Ağ, uç nokta, e-posta ve kimlik verisinden yanlış pozitifleri kontrol altında tutan tespit modelleri geliştirin.

Üretken YZ ile SOC. Triyaj, sorgu üretimi ve tehdit istihbaratında LLM, RAG ve etmenleri denetlenebilir biçimde kullanın.

Üretime Hazır. Modelleri SIEM'e bağlayan, kaymayı izleyen ve çekişmeli saldırılara dayanıklı bir yaşam döngüsü kurun.

“Güçlü bir SOC, her uyarıya daha fazla analist değil, analistin muhakemesini güçlendiren iyi tasarlanmış yapay zeka ekler.”

Ön Koşullar

  • Güvenlik Operasyonu — SIEM, EDR, ağ protokolleri ve MITRE ATT&CK çerçevesi hakkında uygulamalı deneyim.
  • Python ve pandas — Python ile kayıt verisi ayrıştırma, pandas ile veri işleme ve not defteri kullanımı.
  • Makine Öğrenmesi — Sınıflandırma, anomali tespiti ve scikit-learn ile model kurma konusunda temel bilgi.
  • Çalışma Ortamı — Python 3 ve Docker kurulu, en az 16 GB belleğe sahip bir bilgisayar veya bulut not defteri.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiGüvenlikte makine öğrenmesinin güçlü ve zayıf yönlerini kavramak, güvenlik verisini hazırlayıp özellik üretmek ve ağ saldırı tespit modelleri kurmak.
Modül 1
Siber Güvenlik İçin Makine Öğrenmesi
  • Güvenlikte ML kullanım alanları ve olgunluk seviyeleri
  • İmza, kural ve öğrenen tespit yaklaşımlarının birlikteliği
  • Denetimli, denetimsiz ve yarı denetimli tespit senaryoları
  • Taban oran yanılgısı ve yanlış pozitif maliyeti
  • Saldırgan uyarlanması ve kavram kayması riski
  • Vaka: Kural tabanlı tespitin ML ile güçlendirildiği SOC
Modül 2
Güvenlik Veri Kaynakları ve Hazırlığı
  • Ağ akışı, DNS, proxy, EDR ve kimlik doğrulama kayıtları
  • Açık veri setleri: CIC-IDS2017, UNSW-NB15 ve EMBER
  • Veri setlerinde etiket hataları ve gerçekçilik sorunları
  • Kayıt ayrıştırma, normalizasyon ve OCSF şeması
  • Zeek ile ağ trafiğinden özellik çıkarımı
  • Laboratuvar: pandas ile ağ akış verisinin hazırlanması
Modül 3
Güvenlik Odaklı Özellik Mühendisliği
  • Zaman pencereli istatistikler ve davranışsal özellikler
  • Alan adları için entropi ve n-gram özellikleri
  • Oturum, kullanıcı ve varlık bazlı toplulaştırma
  • Özellik sızıntısı ve zamana dayalı veri ayrımı
  • Değerlendirme: PR-AUC, uyarı hacmi ve analist kapasitesi
  • Laboratuvar: DGA alan adı tespiti için özellik seti
Modül 4
Ağ Saldırı Tespiti (NIDS)
  • İmza tabanlı ve anomali tabanlı IDS karşılaştırması
  • Gradyan artırma modelleriyle saldırı sınıflandırma
  • Isolation Forest ve otokodlayıcı ile anomali tespiti
  • Veri setleri arası genelleme ve dağıtım farkı
  • Laboratuvar: CIC-IDS2017 ile LightGBM saldırı tespiti
  • Günün değerlendirmesi ve uç nokta tespiti gününe köprü
Günün hedefiZararlı yazılım ve oltalama tespit modelleri geliştirmek, UEBA ile anormal kullanıcı davranışını saptamak ve model çıktılarını analistlere açıklanabilir biçimde sunmak.
Modül 1
Zararlı Yazılım Tespiti ve Sınıflandırma
  • Statik analiz özellikleri: PE başlıkları, importlar, stringler
  • EMBER özellik seti ile zararlı yazılım sınıflandırma
  • Sandbox raporları ve API çağrı dizileriyle dinamik analiz
  • Bayt dizisi temsilleriyle derin öğrenme yaklaşımları
  • Zararlı yazılım aile kümeleme ve benzerlik analizi
  • Laboratuvar: EMBER verisiyle LightGBM sınıflandırıcı
Modül 2
Oltalama ve E-posta Tehditleri
  • URL, alan adı ve e-posta başlığı tabanlı özellikler
  • Transformer modelleriyle oltalama metni sınıflandırma
  • Görsel benzerlikle marka taklidi sayfa tespiti
  • LLM üretimi oltalama içeriğinin tespit zorlukları
  • İş e-postası ele geçirme (BEC) örüntüleri
  • Laboratuvar: Hugging Face ile oltalama e-postası tespiti
Modül 3
Kullanıcı ve Varlık Davranış Analitiği
  • Normal davranış profili ve benzer grup (peer group) analizi
  • Kimlik bilgisi kötüye kullanımı ve imkansız seyahat tespiti
  • İçeriden tehdit göstergeleri ve risk skorlama
  • Graf analitiği ile yanal hareket tespiti
  • Active Directory ve Entra ID oturum kayıtlarında anomali
  • Laboratuvar: Oturum kayıtlarında anormal giriş tespiti
Modül 4
Açıklanabilirlik ve Analist Geri Bildirimi
  • SHAP ile uyarı gerekçelerinin analiste sunulması
  • Uyarı önceliklendirme ve risk bazlı sıralama
  • Analist geri bildirimiyle aktif öğrenme döngüsü
  • Tespit mühendisliği: ML bulgusundan Sigma kuralına
  • Vaka: Yanlış pozitifleri azaltan hibrit tespit hattı
  • Günün özeti ve üretken YZ ile SOC gününe hazırlık
Günün hedefiLLM destekli triyaj ve sorgu üretimi uygulamak, RAG ile tehdit istihbaratı asistanı kurmak, güvenlik etmenleri geliştirmek ve saldırgan perspektifini değerlendirmek.
Modül 1
LLM Destekli SOC İş Akışları
  • Uyarı zenginleştirme, özetleme ve triyaj asistanları
  • Doğal dilden KQL, SPL ve Sigma sorgusu üretimi
  • Olay zaman çizelgesi ve müdahale raporu taslakları
  • Açık ağırlıklı yerel modellerle hassas verinin korunması
  • Halüsinasyon, doğrulama ve insan onayı gereklilikleri
  • Laboratuvar: LLM ile Sigma kuralı üretme ve doğrulama
Modül 2
RAG ile Tehdit İstihbaratı
  • STIX/TAXII ve MISP ile tehdit istihbaratı verisi
  • Tehdit raporlarından IoC ve TTP çıkarımı
  • MITRE ATT&CK tekniklerine otomatik eşleme
  • Kurum içi playbook ve politika dokümanlarıyla RAG
  • Kaynak gösterme ve bilgi güvenilirliği değerlendirmesi
  • Laboratuvar: Raporları ATT&CK'e eşleyen RAG asistanı
Modül 3
Güvenlik Etmenleri ve SOAR Otomasyonu
  • LangGraph ile araç kullanan araştırma etmeni
  • SIEM, EDR ve tehdit istihbaratı API entegrasyonları
  • SOAR playbook'larında karar noktası olarak LLM
  • Etmen yetkileri, onay adımları ve denetim izi
  • Otomasyon riskleri: istem enjeksiyonu ve yanlış eylem
  • Laboratuvar: Şüpheli IP için otomatik araştırma etmeni
Modül 4
Saldırgan Perspektifi ve Güvenlik Testleri
  • YZ destekli keşif ve sosyal mühendislik senaryoları
  • Zafiyet analizi ve kod incelemesinde LLM kullanımı
  • Deepfake ses ve görüntü tespitinin sınırları
  • Kırmızı ve mor takım çalışmalarında YZ desteği
  • Demo: LLM destekli kod zafiyet taraması ve doğrulama
  • Günün değerlendirmesi ve üretim gününe köprü
Günün hedefiTespit modellerini çekişmeli saldırılara karşı sınamak, SIEM entegrasyonlu MLOps yaşam döngüsü kurmak, yönetişim gerekliliklerini karşılamak ve SOC projesini sunmak.
Modül 1
Tespit Modellerinin Çekişmeli Sağlamlığı
  • Zararlı yazılım tespitinden kaçınma: özellik manipülasyonu
  • Anomali tespitinde yavaş ve düşük profilli saldırılar
  • Tespit modeline zehirleme riski ve veri doğrulama
  • Sağlamlık testi ve çekişmeli eğitim yaklaşımları
  • MITRE ATLAS ile güvenlik ML sistemi tehdit analizi
  • Laboratuvar: Tespit modeline kaçınma saldırısı denemesi
Modül 2
Üretime Alma ve Güvenlik MLOps
  • SIEM ve veri gölü ile model entegrasyon mimarileri
  • Kafka ve FastAPI ile gerçek zamanlı skorlama
  • MLflow ile model kaydı, sürümleme ve geri alma
  • Kavram kayması izleme ve düzenli yeniden eğitim
  • Uyarı yorgunluğunu ölçen operasyonel metrikler
  • Demo: Tespit modelinin SIEM hattına bağlanması
Modül 3
Yönetişim, Mevzuat ve Veri Koruma
  • Güvenlik kayıtlarında kişisel veri ve KVKK yükümlülükleri
  • Çalışan izlemede orantılılık ve şeffaflık ilkeleri
  • NIS2, ISO/IEC 27001 ve YZ yönetişimi ilişkisi
  • EU AI Act kapsamında güvenlik amaçlı YZ sistemleri
  • Tespit modelleri için dokümantasyon ve model kartı
  • Atölye: YZ destekli SOC için yönetişim kontrol listesi
Modül 4
YZ Destekli SOC Projesi ve Kapanış
  • Grup projesi: tespit modeli, LLM asistanı ve entegrasyon
  • Tespit başarısı ve yanlış pozitif analiziyle sonuç raporu
  • Proje sunumları ve teknik geri bildirim oturumu
  • Kurumsal YZ destekli güvenlik operasyonları yol haritası
  • Eğitim değerlendirmesi, Soru-Cevap ve sertifika takdimi
  • İleri öğrenme kaynakları ve kapanış oturumu

Eğitim Kazanımları

  • Güvenlik Verisi — Ağ, DNS, EDR ve kimlik kayıtlarını ayrıştırıp sızıntısız ve zamana dayalı modelleme veri setleri hazırlayabileceksiniz.
  • Saldırı Tespiti — Gradyan artırma ve anomali tespiti yöntemleriyle ağ saldırılarını yakalayan modeller geliştirebileceksiniz.
  • Zararlı Yazılım Analizi — EMBER gibi özellik setleriyle zararlı yazılım sınıflandırma ve aile kümeleme modelleri kurabileceksiniz.
  • Davranış Analitiği — UEBA yaklaşımıyla kimlik kötüye kullanımı, içeriden tehdit ve yanal hareket belirtilerini tespit edebileceksiniz.
  • LLM ile SOC — Triyaj, KQL ve Sigma sorgusu üretimi ile olay raporlamada LLM'leri doğrulama adımlarıyla kullanabileceksiniz.
  • Tehdit İstihbaratı — RAG ile tehdit raporlarından IoC ve TTP çıkaran, bulguları ATT&CK'e eşleyen asistanlar geliştirebileceksiniz.
  • Sağlam Modeller — Tespit modellerini kaçınma ve zehirleme saldırılarına karşı test edip savunma önlemleri uygulayabileceksiniz.
  • Operasyonel Süreklilik — SIEM entegrasyonu, kayma izleme ve KVKK uyumunu kapsayan sürdürülebilir bir güvenlik YZ hattı kuracaksınız.

Kimler İçin Uygundur?

  • SOC analistleri
  • tespit mühendisleri
  • tehdit avcıları
  • güvenlik veri bilimcileri
  • olay müdahale uzmanları ve güvenlik ürünleri geliştiren yazılım ekipleri.

Sıkça Sorulan Sorular

Siber Güvenlikte Yapay Zeka Eğitimi kimler için uygundur?
Program; SOC analistleri, tespit mühendisleri, tehdit avcıları, güvenlik veri bilimcileri, olay müdahale uzmanları ve güvenlik ürünleri geliştiren yazılım ekipleri için tasarlanmıştır.
Eğitim ne kadar sürer ve hangi konuları kapsar?
Eğitim 4 tam gün ve 16 modülden oluşur. Güvenlik verisi ve ağ saldırı tespiti, zararlı yazılım, oltalama ve UEBA, üretken yapay zeka ile SOC operasyonları ve son gün çekişmeli sağlamlık, MLOps, yönetişim ve proje işlenir.
Katılım için hangi ön bilgiler gerekiyor?
SIEM, EDR ve MITRE ATT&CK konusunda uygulamalı deneyim, Python ve pandas ile veri işleme becerisi ve scikit-learn ile temel model kurma bilgisi beklenir. Laboratuvarlar için Python ve Docker kurulu bir ortam gerekir.
Bu eğitim 1 günlük Yapay Zeka ve Siber Güvenlik Eğitimi'nden nasıl ayrılır?
1 günlük program farkındalık odaklıdır ve kodlama içermez. Bu 4 günlük program ise güvenlik verisiyle tespit modelleri geliştirmeyi, LLM tabanlı SOC asistanları ve etmenler kurmayı ve bunları üretime almayı uygulamalı olarak öğretir.
Eğitimde hangi araçlar kullanılıyor, sertifika veriliyor mu?
pandas, scikit-learn, LightGBM, SHAP, Zeek, Hugging Face Transformers, LangGraph, MISP, Sigma, Kafka, FastAPI ve MLflow kullanılır. Programı tamamlayan katılımcılar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika d Digital Vizyon AKADEMİ KATILIM SERTİFİKASI Bu sertifika [Katılımcı Adı Soyadı] adlı katılımcının aşağıdaki eğitim programını başarıyla tamamladığını belgeler. Siber Güvenlikte Yapay Zeka Eğitimi Sertifika Kodu DV-2026XX00 Tarih 15.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

Süre4 gün
Seviyeİleri Seviye
FormatOnline / Yüz Yüze / Hibrit
Sertifika✓ Var
Hemen Bilgi Al
İlgili Eğitimler

Benzer Programlar

+90 (501) 369 40 14 WhatsApp [email protected] LinkedIn