Примена на машинско учење во информациска безбедност

Примена на машинско учење во информациска безбедност

1.

Наслов на наставниот предмет

Примена на машинско учење во информациска безбедност

Application of Machine Learning in Information Security

2.

Код

m23_w_052

3.

Студиска програма

Пресметување во облак, Управување во информатички технологии, Биоинформатика, Едукација со ИКТ, Еко-информатика, Интелигентни системи, Интернет технологии и сајбер безбедност, Компјутерски науки, Статистика и аналитика на податоци, Софтвер за вградливи системи, Софтверско инженерство, Пресметување во облак, Управување во информатички технологии, Биоинформатика, Безбедност, криптографија и кодирање, Статистика и аналитика на податоци, Софтверско инженерство, Data science in computer science and engineering, Безбедност, криптографија и кодирање,

4.

Организатор на студиската програма (единица, односно институт, катедра, оддел)

Факултет за информатички науки и компјутерско инженерство

5.

Степен (прв, втор, трет циклус)

Втор циклус

6.

Академска година / семестар

5 / Зимски

7. Број на ЕКТС кредити

6.0

8.

Наставник

ворн. проф. д-р Александра Поповска Митровиќ ворн. проф. д-р Христина Михајлоска проф. д-р Весна Димитрова

9.

Предуслови за запишување на предметот

10.

Цели на предметната програма (компетенции):


Целта на предметот е примена на машинско учење низ примери од областа на безбедноста на информациите и илустрација на употребата на различни техники за учење во јасни сценарија.

11.

Содржина на предметната програма:


Анализа на методи од машинско учење и примена на соодветен метод за решавање на проблеми поврзани со информациска безбедност. Анализа на резултатите добиени со методи од машинско учење и наоѓање на решенија за подобрување на истите со користење на разни карактеристики на методите и алгоритмите.

12.

Методи на учење:


Предавања, проекти, дискусии, работилници

13.

Вкупен расположив фонд на време

6.0 ЕКТС x 30 часа = 180 часа

14.

Распределба на расположивото време

60 + 0 + 45 + 45 + 30 = 180 часа

15.

Форми на наставните активности

15.1.

Предавања- теоретска настава

60 часови

15.2.

Вежби (лабораториски, аудиториски), семинари, тимска работа

0 часови

16.

Други форми на активности

16.1.

Проектни задачи

45 часови

16.2.

Самостојни задачи

45 часови

16.3.

Домашно учење

30 часови

17.

Начин на оценување

17.1.

Тестови

0 бодови

17.2.

Семинарска работа/ проект ( презентација: писмена и усна)

45 бодови

17.3.

Активности и учење

20 бодови

17.4.

Завршен испит

50 бодови

18.

Критериуми за оценување (бодови/ оценка)

до 50 бода

5 (пет) (F)

од 51 до 60 бода

6 (шест) (E)

од 61 до 70 бода

7 (седум) (D)

од 71 до 80 бода

8 (осум) (C)

од 81 до 90 бода

9 (девет) (B)

од 91 до 100 бода

10 (десет) (A)

19.

Услов за потпис и полагање на завршен испит

Домашна работа

20.

Јазик на кој се изведува наставата

Македонски и англиски

21.

Метод на следење на квалитетот на наставата

Механизам за интерна евалуација и анкети

22.

Литература

22.1.

Задолжителна литература

Ред.бр.

Автор

Наслов

Издавач

Година

7897

M. Stamp

Introduction to Machine Learning with Applications in Information Security

2023

7898

C. Chio, D. Freeman

Machine Learning and Security

2018

22.2.

Дополнителна литература

Ред.бр.

Автор

Наслов

Издавач

Година