GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| SGM244 | ARTIFICIAL INTELLIGENCE AND CYBER SECURITY | Seçmeli Ders Grubu | 2 | 4 | 4,00 |
Dersin Seviyesi
Önlisans
Dersin Sunulduğu Dil
İngilizce
Dersin Amacı
Yapay Zeka, siber güvenlik alanında kritik bir rol oynamaktadır ve bu dersin temel amacı, öğrencileri siber güvenlik için önemli olan temel yapay zeka algoritmaları ile tanıştırmaktır. Bu ders, siber güvenlikte yapay zekanın nasıl kullanıldığını öğretmeyi, bilgi teknolojileri ve bilgisayar bilimlerine odaklanarak öğrencileri bu alanda donanımlı hale getirmeyi amaçlamaktadır. Yapay Zeka, Makine Öğrenmesi, Derin Öğrenme kavramları, anomali tespiti, düşman (adversarial) makine öğrenme, güncel problemler ve uygulamalar gibi konular ele alınacaktır. Bu sayede öğrenciler, siber saldırıları anlamak ve siber güvenlik önlemleri geliştirmek için yapay zekaya dayalı yaklaşımları etkin bir şekilde kullanabilme yetkinliği kazanacaklardır.
Dersi Veren Öğretim Görevlisi/Görevlileri
Öğr. Gör. Onat Tanrıöver
Öğrenme Çıktıları
| 1 | Yapay zeka, makine öğrenmesi ve derin öğrenmenin temel kavramlarını, matematiksel temellerini, öğrenme paradigmalarını (gözetimli/gözetimsiz) ve model başarı/performans ölçütlerini açıklayabilme. |
| 2 | Görüntü, metin veya zaman serisi verileri üzerinde evrişimsel (CNN), tekrarlı (RNN/LSTM) ve Transformer tabanlı yapay sinir ağı modellerini hiperparametre optimizasyonu ve transfer öğrenme teknikleriyle eğitebilme. |
| 3 | Büyük dil modelleri (LLM) ve yapay zeka sistemlerine yönelik saldırı taktiklerini (OWASP LLM Top 10, Prompt Injection, Model Theft, Membership Inference ve Evasion saldırıları) analiz ederek güvenlik açıklarını teşhis edebilme. |
| 4 | Yapay zeka altyapılarının güvenliğini, düşman (adversarial) saldırılara karşı dayanıklılığını, veri gizliliği mekanizmalarını ve etik ilkeleri güvenli tasarım standartları çerçevesinde değerlendirebilme. |
| 5 | Siber tehditlerin tespiti, anomali yakalama veya zararlı içeriklerin engellenmesine (ör. e-posta spam tespiti, ağ anomalisi) yönelik yapay zeka algoritmalarını kullanan uygulamalı bir savunma çözümü tasarlayabilme ve geliştirebilme. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Yapay zekaya giriş, Yapay zekanın tarihçesi, Yapay zeka sistemlerinin kullanım senaryoları ve güvenliği, Yapay zeka için matematik temelleri, Veri görselleştirme, Gözetimli ve gözetimsiz öğrenme, Problem tipleri, Performans ölçütleri, Lineer regresyon örneği, Yetersiz uydurma (Underfitting) ve aşırı uydurma (Overfitting), Yapay sinir ağlarına giriş, Katmanlar, Aktivasyon fonksiyonları, Eğitim ve test, Hiperparametrelerin ayarlanması, Evrişimsel yapay sinir ağları (CNN), Öneğitimli CNN modelleri, Öğrenme aktarımı, Zaman serileri, Tekrarlı yapay sinir ağları (RNN), LSTM modelleri, Doğal dil işleme uygulamaları, Kelimelerin vektörlerle temsili, Transformer modelleri, Büyük dil modelleri, Yapay zeka güvenliğine giriş, Büyük dil modelleri için OWASP listesi, Prompt injection saldırıları, Model theft saldırıları, Membership inference saldırıları, Evasion saldırıları, Güvenlik önlemleri, Yapay zeka sistemlerinin hacklenmesi, Saldırı taktikleri ve teknikleri, Sistem ve altyapı güvenliği, Yapay zeka sistemleri için güvenli tasarım ilkeleri, Veri gizliliği ve yapay zeka etiği, Siber güvenlikte yapay zeka uygulamaları
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Ders işleme şekli ile ilgili bilgilendirme, Yapay zekaya giriş, Yapay zekanın tarihçesi | Anlatım, Gösterme, Tartışma | Taulli (2019) Böl. 1 s. 1-17 |
| 2 | Yapay zeka sistemlerinin kullanım senaryoları ve güvenliği | Anlatım, Gösterme, Tartışma | Santos, Radanliev (2024) Böl. 1 s. 1-32 |
| 3 | Yapay zeka için matematik temelleri, Veri görselleştirme | Anlatım, Gösterme, Tartışma, Problem çözme | |
| 4 | Gözetimli ve gözetimsiz öğrenme, Problem tipleri, Performans ölçütleri, Lineer regresyon örneği, Yetersiz uydurma (Underfitting) ve aşırı uydurma (Overfitting) | Anlatım, Gösterme, Tartışma, Problem çözme | Taulli (2019) Böl. 3 s. 39-67 |
| 5 | Yapay sinir ağlarına giriş, Katmanlar, Aktivasyon fonksiyonları, Eğitim ve test, Hiperparametrelerin ayarlanması | Anlatım, Gösterme, Tartışma, Problem çözme | Taulli (2019) Böl. 4 s. 69-75 |
| 6 | Evrişimsel yapay sinir ağları (CNN), Öneğitimli CNN modelleri, Öğrenme aktarımı | Anlatım, Gösterme, Tartışma, Problem çözme, Quiz | Taulli (2019) Böl. 4 s. 76-89 |
| 7 | Zaman serileri, Tekrarlı yapay sinir ağları (RNN), LSTM modelleri, Doğal dil işleme uygulamaları | Anlatım, Gösterme, Tartışma, Problem çözme | Taulli (2019) Böl. 4 s. 76-89 |
| 8 | Arasınav | ||
| 9 | Kelimelerin vektörlerle temsili, Transformer modelleri, Büyük dil modelleri | Anlatım, Gösterme, Tartışma, Problem çözme | |
| 10 | Yapay zeka güvenliğine giriş, Büyük dil modelleri için OWASP listesi, Prompt injection saldırıları, Model theft saldırıları | Anlatım, Gösterme, Tartışma, Problem çözme | Santos, Radanliev (2024) Böl. 4 s. 105-142 |
| 11 | Membership inference saldırıları, Evasion saldırıları, Güvenlik önlemleri | Anlatım, Gösterme, Tartışma, Problem çözme | Santos, Radanliev (2024) Böl. 4 s. 105-142 |
| 12 | Yapay zeka sistemlerinin hacklenmesi, Saldırı taktikleri ve teknikleri | Anlatım, Gösterme, Tartışma, Quiz | Santos, Radanliev (2024) Böl. 5 s. 143-166 |
| 13 | Sistem ve altyapı güvenliği, Yapay zeka sistemleri için güvenli tasarım ilkeleri | Anlatım, Gösterme, Tartışma | Santos, Radanliev (2024) Böl. 6 s. 167-198 |
| 14 | Veri gizliliği ve yapay zeka etiği | Anlatım, Gösterme, Tartışma | Santos, Radanliev (2024) Böl. 7-8 s. 199-268 |
| 15 | Siber güvenlikte yapay zeka uygulamaları | Anlatım, Gösterme, Tartışma, Problem çözme | |
| 16 | Final sınavı |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Omar Santos, Petar Radanliev, Beyond the Algorithm: AI, Security, Privacy, and Ethics, Addison Wesley (2024) 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.
Planlanan Öğrenme Aktiviteleri ve Metodları
Anlatım, Gösterme, Tartışma, Problem çözme, Quiz
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 70 |
| Quiz | 2 | 30 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 2 | 2 |
| Quiz | 2 | 1 | 2 |
| Derse Katılım | 14 | 3 | 42 |
| Rehberli Problem Çözümü | 14 | 2 | 28 |
| Bireysel Çalışma | 14 | 2 | 28 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 8 | 8 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 15 | 15 |
| Toplam İş Yükü (saat) | 127 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 4 | 2 | 1 | 2 | 2 | 1 | 1 | 1 | 3 | 2 | 1 | 3 | 1 | 1 | 1 |
| ÖÇ 2 | 3 | 2 | 3 | 4 | 2 | 2 | 2 | 2 | 3 | 2 | 2 | 2 | 1 | 1 | 1 |
| ÖÇ 3 | 2 | 5 | 3 | 4 | 3 | 3 | 2 | 3 | 4 | 2 | 1 | 3 | 2 | 3 | 2 |
| ÖÇ 4 | 1 | 3 | 4 | 2 | 4 | 2 | 2 | 2 | 3 | 2 | 1 | 2 | 2 | 5 | 4 |
| ÖÇ 5 | 3 | 4 | 4 | 5 | 3 | 4 | 3 | 2 | 3 | 2 | 2 | 2 | 1 | 2 | 1 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek