Karta Przedmiotu
| Politechnika Białostocka | Wydział Informatyki | ||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Kierunek studiów | Cyberbezpieczeństwo |
Poziom i forma studiów |
pierwszego stopnia stacjonarne |
||||||||||||||||||||||||
| Grupa przedmiotów / specjalność |
Sztuczna inteligencja | Profil kształcenia | ogólnoakademicki | ||||||||||||||||||||||||
| Nazwa przedmiotu | Automatyzacja i systemy AI w cyberbezpieczeństwie | Kod przedmiotu | CYB1SIN3 | ||||||||||||||||||||||||
| Rodzaj zajęć | obieralny | ||||||||||||||||||||||||||
| Formy zajęć i liczba godzin | W | Ć | L | P | Ps | T | S | Semestr | 5,6 | ||||||||||||||||||
| 26 | 26 | Punkty ECTS | 4 | ||||||||||||||||||||||||
| Program obowiązuje od | 2026/2027 | ||||||||||||||||||||||||||
| Przedmioty wprowadzające | Metody i narzędzia AI (CYB1MAI), Wirtualizacja i konteneryzacja (CYB1WIK), Zarządzanie infrastrukturą chmurową (CYB1ZIC), | ||||||||||||||||||||||||||
| Cele przedmiotu |
Przedstawienie sposobów wykorzystania sztucznej inteligencji w automatyzacji procesów związanych z cyberbezpieczeństwem oraz ich integracji z systemami informatycznymi. Wykształcenie umiejętności projektowania prostych rozwiązań wykorzystujących AI w analizie danych bezpieczeństwa i wspomaganiu reagowania na incydenty. Rozwinięcie zdolności oceny zasadności wdrażania mechanizmów AI w systemach bezpieczeństwa z uwzględnieniem ich efektywności, kosztów oraz ograniczeń technicznych i organizacyjnych. Kształtowanie świadomości ryzyk związanych z automatyzacją i wykorzystaniem systemów AI, w szczególności w kontekście niezawodności, bezpieczeństwa oraz odpowiedzialności za podejmowane decyzje. Odniesienia do frameworka edukacyjnego mikrokompetencji SFIA: Projektowanie systemów DESN - poziom 3 Programowanie / rozwój oprogramowania PROG - poziom 3 Administracja bezpieczeństwem informacji SCTY - poziom 3 Integracja systemów SINT - poziom 3 |
||||||||||||||||||||||||||
| Ramowe treści programowe |
Zagadnienia związane z automatyzacją procesów bezpieczeństwa z wykorzystaniem sztucznej inteligencji oraz budową prostych systemów wspomagających analizę i reagowanie na incydenty. Architektury przetwarzania danych bezpieczeństwa, integracja komponentów AI z istniejącymi systemami oraz wykorzystanie narzędzi automatyzacji w analizie zdarzeń, generowaniu alertów i wspomaganiu decyzji. Zastosowania modeli językowych i innych narzędzi AI w analizie danych, wspomaganiu pracy analityka oraz tworzeniu raportów i reguł detekcji. Zagadnienia związane z utrzymaniem i monitorowaniem systemów AI, ich skalowalnością oraz wpływem błędów, ograniczeń i niewłaściwego użycia modeli na działanie systemów bezpieczeństwa i proces podejmowania decyzji. |
||||||||||||||||||||||||||
| Inne informacje o przedmiocie | przedmiot ma związek z prowadzoną na Uczelni działalnością naukową | ||||||||||||||||||||||||||
| przedmiot kształtuje umiejętności praktyczne | |||||||||||||||||||||||||||
| Wyliczenie: | Nakład pracy studenta związany z: | Godzin ogółem |
W tym kontaktowych |
W tym praktycznych |
|||||||||||||||||||||||
| udziałem w wykładach | 26 | 26 | |||||||||||||||||||||||||
| udziałem w innych formach zajęć | 26 | 26 | 26 | ||||||||||||||||||||||||
| przygotowaniem do bieżących zajęć o charakterze praktycznym | 13 | 13 | |||||||||||||||||||||||||
| realizacją zadań praktycznych | 20 | 20 | |||||||||||||||||||||||||
| przygotowaniem do zaliczenia wykładu | 15 | ||||||||||||||||||||||||||
| Razem godzin: | 100 | 52 | 59 | ||||||||||||||||||||||||
| Razem punktów ECTS: | 4 | 2.1 | 2.4 | ||||||||||||||||||||||||
| Zakładane kierunkowe efekty uczenia się | Wiedza | Umiejętności | Kompetencje społeczne |
||||||||||||||||||||||||
| CYB1_W06 | CYB1_U01 | CYB1_K01 | |||||||||||||||||||||||||
| CYB1_W09 | CYB1_U05 | CYB1_K02 | |||||||||||||||||||||||||
| CYB1_W14 | CYB1_U12 | CYB1_K03 | |||||||||||||||||||||||||
| CYB1_W16 | CYB1_U13 | ||||||||||||||||||||||||||
| CYB1_W17 | CYB1_U20 | ||||||||||||||||||||||||||
| Cele i treści ramowe sformułował(a) | dr inż. Anna Łupińska-Dubicka | Data: | 09/04/2026 | ||||||||||||||||||||||||
| Realizacja w roku akademickim | 2028/2029 | ||||||||||||||||||||||||||
| Treści programowe | |||||||||||||||||||||||||||
| Wykład | |||||||||||||||||||||||||||
| 1. | Automatyzacja procesów w cyberbezpieczeństwie | ||||||||||||||||||||||||||
| 2. | Architektura przepływu danych i procesów analitycznych | ||||||||||||||||||||||||||
| 3. | Integracja komponentów AI w systemach bezpieczeństwa | ||||||||||||||||||||||||||
| 4. | Automatyzacja analizy incydentów | ||||||||||||||||||||||||||
| 5. | Zastosowania modeli językowych (LLM) w cyberbezpieczeństwie | ||||||||||||||||||||||||||
| 6. | Wykorzystanie AI w analizie danych i generowaniu wiedzy | ||||||||||||||||||||||||||
| 7. | Automatyzacja detekcji i generowanie reguł | ||||||||||||||||||||||||||
| 8. | Wykorzystanie AI w procesach wytwarzania i utrzymania systemów | ||||||||||||||||||||||||||
| 9. | Skalowalność i wydajność rozwiązań opartych na AI | ||||||||||||||||||||||||||
| 10. | Monitorowanie i utrzymanie systemów AI | ||||||||||||||||||||||||||
| 11. | Ryzyko oraz bezpieczeństwo systemów wykorzystujących AI | ||||||||||||||||||||||||||
| 12. | Podejmowanie decyzji inżynierskich | ||||||||||||||||||||||||||
| 13. | Zaliczenie wykładu | ||||||||||||||||||||||||||
| Pracownia specjalistyczna | |||||||||||||||||||||||||||
| 1. | Wprowadzenie do projektu i koncepcja systemu | ||||||||||||||||||||||||||
| 2. | Dane wejściowe i ich przygotowanie | ||||||||||||||||||||||||||
| 3. | Projektowanie przepływu danych (pipeline) | ||||||||||||||||||||||||||
| 4. | Wykorzystanie modeli AI w systemie | ||||||||||||||||||||||||||
| 5. | Wspomaganie podejmowania decyzji | ||||||||||||||||||||||||||
| 6. | Generowanie wyników i raportów | ||||||||||||||||||||||||||
| 7. | Wykorzystanie modeli językowych (LLM) | ||||||||||||||||||||||||||
| 8. | Obsługa błędów i sytuacji wyjątkowych | ||||||||||||||||||||||||||
| 9. | Skalowalność rozwiązania (ujęcie koncepcyjne) | ||||||||||||||||||||||||||
| 10. | Monitorowanie działania systemu | ||||||||||||||||||||||||||
| 11. | Analiza ryzyk i ograniczeń | ||||||||||||||||||||||||||
| 12. | Integracja elementów systemu i weryfikacja działania rozwiązania | ||||||||||||||||||||||||||
| 13. | Prezentacje i ocena projektów, wystawienie ocen | ||||||||||||||||||||||||||
| Metody dydaktyczne (realizacja stacjonarna) |
|||||||||||||||||||||||||||
| W | wykład z prezentacją multimedialną | ||||||||||||||||||||||||||
| Ps | programowanie z użyciem komputera | ||||||||||||||||||||||||||
| Metody dydaktyczne (realizacja zdalna) |
|||||||||||||||||||||||||||
| W | wykład z prezentacją multimedialną | ||||||||||||||||||||||||||
| - | |||||||||||||||||||||||||||
| Forma zaliczenia | |||||||||||||||||||||||||||
| W | zaliczenie pisemne | ||||||||||||||||||||||||||
| Ps | ocena sprawozdań z wykonanych zadań oraz ocena projektu | ||||||||||||||||||||||||||
| Warunki zaliczenia | |||||||||||||||||||||||||||
| W | Uzyskanie min. 30% punktów z każdego efektu uczenia się z zakresu wiedzy, a po spełnieniu tego warunku ostateczna ocena wynika z sumy uzyskanych punktów. Kryteria oceny: [ 0 – 50]% punktów – 2.0 (50 – 60]% punktów – 3.0 (60 – 70]% punktów – 3.5 (70 – 80]% punktów – 4.0 (80 – 90]% punktów – 4.5 (90 – 100]% punktów – 5.0 |
||||||||||||||||||||||||||
| Ps | Minimalne wymagania odnośnie efektów uczenia się: E3 - opracowanie prostego rozwiązania wykorzystującego AI do analizy danych bezpieczeństwa lub wsparcia reagowania na incydent na podstawie dostarczonego przykładu lub szablonu E4 - dobór podstawowego narzędzia AI do wskazanego problemu oraz wskazanie jego ograniczeń i warunków poprawnego zastosowania E5 - realizacja projektu na min. 50% punktów Zaliczenie całości po spełnieniu powyższych warunków oraz zsumowaniu uzyskanych punktów. Kryteria oceny: [ 0 – 50]% punktów – 2.0 (50 – 60]% punktów – 3.0 (60 – 70]% punktów – 3.5 (70 – 80]% punktów – 4.0 (80 – 90]% punktów – 4.5 (90 – 100]% punktów – 5.0 |
||||||||||||||||||||||||||
| Symbol efektu | Zakładane efekty uczenia się | Odniesienie do efektów uczenia się zdefiniowanych dla kierunku studiów | |||||||||||||||||||||||||
| Wiedza | Umiejętności | Kompetencje społeczne |
|||||||||||||||||||||||||
| Wiedza: student zna i rozumie | |||||||||||||||||||||||||||
| E1 | sposoby wykorzystania sztucznej inteligencji w automatyzacji procesów cyberbezpieczeństwa oraz rozumie zasady integracji komponentów AI z systemami informatycznymi | ||||||||||||||||||||||||||
| E2 | ograniczenia i ryzyka związane z wdrażaniem systemów AI, w tym wpływ błędów modeli na działanie systemów oraz proces podejmowania decyzji | ||||||||||||||||||||||||||
| Umiejętności: student potrafi | |||||||||||||||||||||||||||
| E3 | zaprojektować proste rozwiązanie wykorzystujące AI do automatyzacji analizy danych bezpieczeństwa lub wspomagania reagowania na incydenty | ||||||||||||||||||||||||||
| E4 | dobrać i wykorzystać narzędzia AI w kontekście cyberbezpieczeństwa, uwzględniając ich ograniczenia oraz wymagania techniczne | ||||||||||||||||||||||||||
| Kompetencje społeczne: student jest gotów do | |||||||||||||||||||||||||||
| E5 | odpowiedzialnego stosowania AI w systemach bezpieczeństwa, z uwzględnieniem konsekwencji błędów, ograniczeń technologii oraz wpływu automatyzacji na proces podejmowania decyzji | ||||||||||||||||||||||||||
| Symbol efektu | Sposób weryfikacji efektu uczenia się | Forma zajęć na której zachodzi weryfikacja | |||||||||||||||||||||||||
| E1 | zaliczenie pisemne | W | |||||||||||||||||||||||||
| E2 | zaliczenie pisemne | W | |||||||||||||||||||||||||
| E3 | ocena sprawozdań z wykonanych zadań, ocena projektu | Ps | |||||||||||||||||||||||||
| E4 | ocena sprawozdań z wykonanych zadań, ocena projektu | Ps | |||||||||||||||||||||||||
| E5 | ocena sprawozdań z wykonanych zadań, ocena projektu | Ps | |||||||||||||||||||||||||
| Literatura podstawowa | |||||||||||||||||||||||||||
| 1. | B. Jaime, Python. Automatyzacja zadań. Jak efektywnie pracować z danymi, arkuszami Excela, raportami i e-mailami, Helion, Gliwice, 2023 | ||||||||||||||||||||||||||
| 2. | A. Géron, Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow, Helion, Gliwice, 2023 | ||||||||||||||||||||||||||
| 3. | J. Andress, Podstawy bezpieczeństwa informacji, Helion, Gliwice, 2022 | ||||||||||||||||||||||||||
| 4. | Machine Learning in Python: https://scikit-learn.org/ | ||||||||||||||||||||||||||
| 5. | Keras dokumentacja: https://keras.io/ | ||||||||||||||||||||||||||
| 6. | TensorFlow dokumentacja: https://www.tensorflow.org/ | ||||||||||||||||||||||||||
| Literatura uzupełniająca | |||||||||||||||||||||||||||
| 1. | A. Sweigart, Automatyzacja nudnych zadań z Pythonem. Nauka programowania, Helion, Gliwice, 2021 | ||||||||||||||||||||||||||
| 2. | W. McKinney, Python w analizie danych. Przetwarzanie danych za pomocą pakietów pandas i NumPy oraz środowiska Jupyter, Helion, Gliwice, 2023 | ||||||||||||||||||||||||||
| Koordynator przedmiotu: | dr inż. Anna Łupińska-Dubicka | Data: | 09/04/2026 | ||||||||||||||||||||||||