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 Sztuczna inteligencja w analizie zagrożeń Kod przedmiotu CYB1SIN2
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 Bezpieczeństwo sieci komputerowych (CYB1BSK),   Metody i narzędzia AI (CYB1MAI),   Podstawy cyberbezpieczeństwa (CYB1PCY),  
Cele przedmiotu Ukazanie roli sztucznej inteligencji w procesie identyfikacji, analizy i oceny zagrożeń w systemach teleinformatycznych, z uwzględnieniem zarówno jej zastosowań, jak i potencjalnych nadużyć. Wykształcenie umiejętności interpretacji wyników działania metod AI w kontekście bezpieczeństwa oraz ich wykorzystania w podejmowaniu decyzji operacyjnych. Rozwinięcie zdolności porównywania podejść opartych na sztucznej inteligencji z klasycznymi metodami detekcji zagrożeń oraz oceny ich przydatności w różnych scenariuszach. Kształtowanie krytycznego podejścia do stosowania AI w cyberbezpieczeństwie, w szczególności w zakresie ograniczeń, podatności na manipulacje oraz ryzyka błędnych interpretacji i wykorzystania przez podmioty atakujące.

Odniesienia do frameworka edukacyjnego mikrokompetencji SFIA:
Analiza danych DTAN - poziom 3
Administracja bezpieczeństwem informacji SCTY - poziom 3
Analiza zagrożeń / threat intelligence THIN - poziom 3
Zarządzanie ryzykiem bezpieczeństwa informacji INAS - poziom 3
Ramowe treści programowe Zagadnienia związane z zastosowaniem sztucznej inteligencji w analizie zagrożeń w systemach ICT oraz jej wpływem na współczesne metody detekcji i analizy incydentów. Wybrane klasy zastosowań AI w cyberbezpieczeństwie, związane z identyfikacją anomalii, klasyfikacją zdarzeń oraz wspomaganiem analizy danych bezpieczeństwa w różnych kontekstach operacyjnych. Sposoby interpretacji wyników działania modeli oraz ich wykorzystania w procesach analitycznych, w tym porównanie z podejściami opartymi na regułach i wiedzy eksperckiej. Ograniczenia, podatności i ryzyka związane ze stosowaniem AI, w tym problem fałszywych alarmów, możliwość manipulacji modelami i danymi oraz wykorzystanie AI jako narzędzia wspomagającego działania atakujących.
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_U07 CYB1_K01
CYB1_W07 CYB1_U09 CYB1_K02
CYB1_W08 CYB1_U12
CYB1_W11 CYB1_U13
CYB1_W14
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. Rola sztucznej inteligencji w analizie zagrożeń
2. Typy problemów analitycznych w cyberbezpieczeństwie
3. Zastosowania AI w detekcji zdarzeń i anomalii
4. Zastosowania AI w analizie zachowań i wzorców
5. Zastosowania AI w analizie treści i komunikacji
6. Porównanie podejść klasycznych i metod opartych na AI
7. Interpretacja wyników działania modeli w praktyce
8. Fałszywe alarmy oraz koszt podejmowanych decyzji
9. Wykorzystanie sztucznej inteligencji przez podmioty atakujące
10. Podatności modeli AI oraz możliwości ich wykorzystania
11. Bezpieczeństwo systemów wykorzystujących AI
12. Krytyczna ocena zastosowań AI w cyberbezpieczeństwie
13. Zaliczenie wykładu
Pracownia specjalistyczna
1. Wprowadzenie do projektu i wybór scenariusza zagrożeń
2. Analiza problemu oraz dostępnych danych
3. Klasyczne metody detekcji a podejścia oparte na AI
4. Interpretacja wyników działania metod AI
5. Analiza błędów (fałszywe alarmy i pominięcia zagrożeń)
6. Podatności modeli AI i możliwości ich manipulacji
7. Wykorzystanie modeli językowych (LLM) w analizie zagrożeń
8. Wykorzystanie AI przez podmioty atakujące
9. Ocena przydatności metod AI w analizie zagrożeń
10. Analiza ryzyk i ograniczeń zastosowań AI
11. Podejmowanie decyzji inżynierskich
12. Opracowanie i weryfikacja wyników projektu
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 - poprawna interpretacja wyników działania metod AI w analizie zagrożeń oraz wykorzystanie ich do sformułowania prostych wniosków dotyczących bezpieczeństwa
E4 - porównanie podejścia opartego na AI z metodą klasyczną na podstawie podanego przykładu oraz wskazanie podstawowych zalet i ograniczeń obu rozwiązań
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 obszary zastosowań sztucznej inteligencji w analizie zagrożeń oraz rozumie ich rolę w procesach detekcji i analizy incydentów
E2 ograniczenia, podatności i ryzyka związane ze stosowaniem AI w cyberbezpieczeństwie, w tym możliwość manipulacji modelami oraz ich wykorzystania przez podmioty atakujące
Umiejętności: student potrafi
E3 interpretować wyniki działania metod AI w kontekście analizy zagrożeń oraz wykorzystywać je do wspomagania podejmowania decyzji
E4 porównać podejścia oparte na AI z metodami klasycznymi oraz ocenić ich przydatność w różnych scenariuszach bezpieczeństwa
Kompetencje społeczne: student jest gotów do
E5 krytycznej oceny zastosowań AI w cyberbezpieczeństwie oraz podejmowania świadomych decyzji z uwzględnieniem ryzyka błędów i nadużyć
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. J. Andress, Podstawy bezpieczeństwa informacji, Helion, Gliwice, 2022
2. MITRE ATT&CK: https://attack.mitre.org/
3. V. Costa-Gazcón, Aktywne wykrywanie zagrożeń w systemach IT w praktyce. Wykorzystywanie analizy danych, frameworku ATT&CK oraz narzędzi open source, Helion, Gliwice, 2022
4. J. Sotiropoulos, Ataki na AI, środki neutralizujące i strategie obronne : przewodnik dla specjalistów do spraw cyberbezpieczeństwa po atakach adwersarialnych, modelowaniu zagrożeń i wprowadzaniu zabezpieczeń zgodnych ze strategią MLSecOps, Helion, Gliwice, 2025
Literatura uzupełniająca
1. C. Chio, D. Freeman, Machine Learning and Security. Protecting Systems with Data and Algorithms, O'Reilly, 2018
2. J.P. Mueller, Machine Learning Security Principles. Keep data, networks, users, and applications safe from prying eyes, Packt Publishing, 2022
Koordynator przedmiotu: dr inż. Anna Łupińska-Dubicka Data: 09/04/2026
wydrukowane w programie Świerk , © Świerk V2
© Świerk V2