Datos Identificativos 2023/24
Asignatura (*) Ciberseguridade Intelixente Código 614544024
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Segundo Optativa 3
Idioma
Inglés
Modalidade docente Híbrida
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Garabato Míguez, Daniel
Correo electrónico
daniel.garabato@udc.es
Profesorado
Garabato Míguez, Daniel
Correo electrónico
daniel.garabato@udc.es
Web
Descrición xeral A materia introduce ao estudante no desenvolvemento de estratexias baseadas en Intelixencia Artificial para a defensa de sistemas informáticos e redes de comunicacións fronte a ataques maliciosos que pretenden o seu control ou acceso á información residente ou circulante neles. Capacitaráselle na prevención, detección, análise e eliminación de ameazas nun contexto de continua evolución. Revisaranse casos de uso tipo da Intelixencia Artificial en escenarios de ciberseguridade.

Competencias do título
Código Competencias do título
A5 CE04 - Coñecer os fundamentos e técnicas básicas da intelixencia artificial e a súa aplicación práctica
A9 CE08 - capacidade para deseñar e desenvolver sistemas intelixentes seguros, en términos de integridade, confidencialidade e robustez
A20 CE19 - coñecemento de diferentes ámbitos de aplicación das tecnologías basadas en IA e a súa capacidade para ofrecer un valor engadido diferenciador
A21 CE20 - capacidade de combinar e adaptar diferentes técnicas, extrapolando coñecementos entre diferentes ámbitos de aplicación
A22 CE21 - coñecemento das técnicas que facilitan a organización e xestión de proxectos en IA en entornos reais, a xestión dos recursos e a planificación de tarefas dun xeito eficiente, tendo en conta conceptos de diseminación do coñecemento e ciencia aberta
A23 CE22 - coñecemento de técnicas que facilitan a seguridade dos datos, aplicacións e as comunicacións e as súas implicacións en diferentes ámbitos de aplicación da IA
A31 CE30 - Ser capaz de plantexar, modelar e resolver problemas que requiran a aplicación de métodos, técnicas e tecnoloxías de intelixencia artificial
B1 CG01 - Manter e extender os plantexamentos teóricos fundados para permitir a introducción e explotación de tecnoloxías novas e avanzadas no eido da Intelixencia Artificial
B2 CG02 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial
B4 CG04 - Elaborar axeitadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables no campo
B5 CG05 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións
B6 CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B7 CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo
B9 CB04 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun xeito claro e sen ambigu?idades
B10 CB05 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que terá que ser en gran medida autodirixido ou autónomo
C5 CT05 - Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras
C8 CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade
C9 CT09 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar actividades, identificar as críticas, establecer plazos e cumplilos

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer técnicas e ferramentas para implementar solucións baseadas en IA que permitan a detección automatizada de vulnerabilidades, ataques, contidos e aplicacións fraudulentas AM4
AM8
AM19
AM20
AM22
AM30
BM1
BM6
BM7
BM10
CM5
CM8
Coñecer, comprender e analizar casos reais de aplicación de técnicas de IA en diferentes ámbitos da ciberseguridade AM4
AM8
AM19
AM20
AM21
AM22
AM30
BM2
BM4
BM5
BM6
BM7
BM9
BM10
CM5
CM8
CM9
Coñecer técnicas que faciliten a seguridade por deseño e que permitan unha administración segura de sistemas e redes de comunicacións, permitan a xestión de riscos e posibiliten unha recuperación rápida ante eventos de ciberseguridade AM8
AM20
AM21
AM22
AM30
BM1
BM2
BM4
BM5
BM7
BM9
CM8
CM9
Comprender a importancia do concepto de identidade e coñecer técnicas que permitan garantir o acceso aos datos e a súa privacidade AM4
AM8
AM21
AM22
AM30
BM1
BM2
BM6
BM7
BM9
BM10
CM8

Contidos
Temas Subtemas
Teoría - Conceptos e introdución á ciberseguridade.
- Modelos de detección de ameazas e prevención de ataques.
- Detección de contidos e aplicacións fraudulentos.
- Minería de datos en sistemas de xestión de eventos.
- Control de identidade, biometrías e patróns de comportamento.
- Detección de anomalías e agrupamento para a detección de ataques en comunicacións.
- Xestión de riscos en IA, riscos críticos e perfís de normalidade, usos maliciosos e plans de continxencia e recuperación.
Práctica - Uso de ferramentas propias de contornas de ciberseguridade
- Aplicación de técnicas de IA para a resolución de problemáticas propias de ciberseguridade

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A5 A9 A20 A21 A22 A23 B1 B2 B6 B10 C5 C8 10 10 20
Prácticas de laboratorio A5 A9 A20 A21 A22 A23 A31 B1 B2 B4 B5 B6 B7 B9 C9 5.25 15.75 21
Solución de problemas A5 A9 A20 A21 A22 A23 A31 B1 B2 B4 B5 B6 B7 B9 C9 5.25 15.75 21
Proba obxectiva A5 A9 A20 A21 A22 A23 A31 B1 B2 B4 B6 B7 B9 B10 2 10 12
 
Atención personalizada 1 0 1
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Exposición oral complementada co uso de medios audiovisuais e a introdución dalgunhas preguntas dirixidas ao alumnado, coa finalidade de transmitir coñecementos e facilitar a aprendizaxe. Ademais do tempo de exposición oral por parte do profesor, esta actividade formativa require do alumnado a dedicación dun tempo para preparar e revisar por conta propia os materiais obxecto da clase.
Prácticas de laboratorio Clases dedicadas a que o alumnado desenvolva traballos prácticos que impliquen abordar a resolución de problemas complexos, e a análise e deseño de solucións que constitúan un medio para a súa resolución. Esta actividade pode requirir do alumnado a presentación oral dos traballos realizados. Os traballos realizados polo alumnado poden realizarse, segundo o caso, de forma individual ou en grupos de traballo.
Solución de problemas Trátase de sesións nas que o obxectivo é que o alumnado adquira determinadas competencias en base á resolución de exercicios, estudo de casos e realización de proxectos que requiran da aplicación dos coñecementos e competencias desenvolvidas durante a materia. Estas sesións poden requirir do alumnado a presentación oral da súa solución aos problemas formulados. Os traballos realizados polo alumnado poden realizarse, segundo o caso, de forma individual ou en grupos de traballo.
Proba obxectiva Exame no que se poderán avaliar tanto os aspectos teóricos como prácticos vistos ao longo do curso.

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas de laboratorio
Solución de problemas
Descrición
Levarase a cabo un seguimento das prácticas a desenvolver durante as horas reservadas no horario (sesións de laboratorio). Adicionalmente, para abordar aqueles problemas de especial dificultade, tamén se poderán empregar as franxas horarias dispoñibles para a atención do alumnado.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas de laboratorio A5 A9 A20 A21 A22 A23 A31 B1 B2 B4 B5 B6 B7 B9 C9 Avaliación de traballos prácticos (E2) 40
Proba obxectiva A5 A9 A20 A21 A22 A23 A31 B1 B2 B4 B6 B7 B9 B10 Exame final (E1) 20
Solución de problemas A5 A9 A20 A21 A22 A23 A31 B1 B2 B4 B5 B6 B7 B9 C9 Avaliación de traballos tutelados (E3) 40
 
Observacións avaliación
Para superar (e liberar) tanto os traballos prácticos coma os traballos tutelados requírese acadar un 40% da puntuación máxima prevista para estes elementos de avaliación. Non hai mínimo esixido para a proba obxectiva.
Para superar a materia é preciso acadar os mínimos anteriores (nos traballos prácticos e tutelados) e sumar na nota final ponderada un mínimo de 5 puntos sobre 10.
No caso de non obter o mínimo esixido para superar algunha das partes (traballos prácticos e /ou tutelados), o alumnado terá unha segunda oportunidade na que so entregará os elementos non superados.
No caso de superar parte dos elementos avaliados, pero non acadar o mínimo preciso para aprobar a materia completa, a cualificación a incluír nas respectivas actas calcularase como o mínimo entre a media ponderada das partes superadas e 4.9.
Terá a condición de “Presentado” quen entregue todas as prácticas e traballos obrigatorios ou se presente á proba obxectiva no período oficial de avaliación.
As entregas das prácticas e traballos deben realizarse dentro do prazo establecido, e seguirán as especificacións indicadas no enunciado tanto para a presentación como para a defensa.

Os profesores facilitarán, na medida do posible e dentro dos horarios establecidos para a materia, a asistencia aos grupos de teoría e prácticas que mellor se axusten ás necesidades dos alumnos que teñen a matrícula a tempo parcial, para os que tamén aplica a forma de avaliación aquí establecida. Os alumnos con dispensa académica de exención de asistencia deberán asistir a todas as probas de avaliación.
A realización fraudulenta das probas ou actividades de avaliación, unha vez comprobada, implicará directamente a cualificación de "suspenso" (nota numérica 0) na convocatoria en que se cometa, tanto se a comisión da falta se produce na primeira oportunidade como na segunda.

A docencia impartirase en inglés. A docencia expositiva será impartida pola UVigo e retransmitida para todo o alumnado. Haberá un grupo de docencia interactiva específico e presencial en cada universidade (USC-UDC-UVigo).

Fontes de información
Bibliografía básica William Stallings (2018). Effective Cybersecurity: A Guide to Using Best Practices and Standards. Addison-Wesley Professional

Bibliografía complementaria Alessandro Parisi (2019). Hands-On Artificial Intelligence for Cybersecurity: Implement smart AI systems for preventing cyber attacks and detecting threats and network anomalies. Packt Publishing


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións

Recomendase ao alumnado, para un aproveitamento óptimo da materia, un seguimento activo das clases así como participar nas distintas actividades e o uso da atención personalizada para a resolución das dúbidas ou cuestións que lle podan xurdir.

Segundo se recolle nas diferentes normativas de aplicación para a docencia universitaria en materia de perspectiva de xénero, nesta materia empregarase linguaxe non sexista, propiciarase a intervención de alumnas e alumnos na aula, etc. Así mesmo, traballarase para identificar e modificar prexuízos e actitudes sexistas, fomentando valores de respecto e igualdade. En xeral, intentarase detectar situacións de discriminación, por exemplo, por razón de xénero e proporanse accións e medidas para corrixilas.



(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías