دوره آموزشی هوش مصنوعی عاملمحور برای امنیت سایبری
3 ساعت 30 دقیقهمتوسط2026-08-17
مدرسین
Pearson
جزئیات دوره
هوش مصنوعی عاملمحور یا Agentic AI در حال تغییر شیوه انجام بسیاری از فعالیتهای امنیت سایبری است. سیستمهای مبتنی بر AI Agent میتوانند بخشهایی از فرایند شناسایی تهدید، بررسی رخدادها و تحلیل آسیبپذیریها را با دخالت حداقلی انسان انجام دهند و به تیمهای امنیتی کمک کنند سریعتر به تهدیدهای جدید واکنش نشان دهند.
در این دوره با مفاهیم پایه AI Agent، معماریهای Agentic AI و Retrieval-Augmented Generation یا RAG آشنا میشوید و یاد میگیرید چگونه عاملهای هوشمند را برای کاربردهای امنیت سایبری طراحی و پیادهسازی کنید. همچنین با پروتکلها و روشهای ارتباطی مورد استفاده برای اتصال Agentها به یکدیگر آشنا خواهید شد.
در بخش عملی دوره، ابزارها و فریمورکهایی مانند LangChain، LlamaIndex و CrewAI بررسی میشوند و میآموزید چگونه از آنها برای ساخت سیستمهای امنیتی خودکار استفاده کنید. از شناسایی تهدید و پاسخگویی به رخدادهای امنیتی گرفته تا تحلیل آسیبپذیریها، Agentها میتوانند بخشهای مختلف فرایندهای امنیتی را به شکل خودکار اجرا و هماهنگ کنند.
یکی از بخشهای مهم دوره به امنیت ارتباط میان Agentها اختصاص دارد. یاد میگیرید چگونه ریسکهای ناشی از ارتباط و همکاری Agentها را ارزیابی کنید و هنگام ساخت برنامههای مبتنی بر Agentic AI، ملاحظات امنیتی را از ابتدا در معماری سیستم در نظر بگیرید.
این دوره برای تحلیلگران SOC، معماران امنیت سایبری، متخصصان امنیت و توسعهدهندگان AI طراحی شده است و دیدی عملی برای ساخت و مدیریت سیستمهای Agentic AI در محیطهای امنیتی مدرن ارائه میدهد.
اهداف یادگیری
مفاهیم پایه AI Agent، Agentic AI و RAG را توضیح دهید.
با پروتکلها و معماریهای مورد استفاده برای تعامل و ارتباط میان Agentها آشنا شوید.
سیستمهای امنیتی خودکار مبتنی بر AI Agent را با استفاده از فریمورکهایی مانند LangChain، LlamaIndex و CrewAI طراحی و پیادهسازی کنید.
از AI Agentها برای خودکارسازی Threat Detection و شناسایی تهدیدهای امنیتی استفاده کنید.
فرایند Incident Response را با کمک Agentهای هوشمند خودکار و هماهنگ کنید.
از Agentic AI برای تحلیل آسیبپذیریها و شناسایی نقاط ضعف امنیتی استفاده کنید.
ریسکها و پیامدهای امنیتی ارتباط میان Agentهای مختلف را ارزیابی کنید.
برنامههای AI مبتنی بر Agent را با در نظر گرفتن الزامات امنیتی طراحی کنید.
چندین Agent را برای انجام وظایف پیچیده امنیت سایبری با یکدیگر هماهنگ و Orchestrate کنید.
سیستمهای Agentic AI متناسب با نیازهای عملیات امنیت سایبری مدرن طراحی کنید.
در این دوره با مفاهیم پایه AI Agent، معماریهای Agentic AI و Retrieval-Augmented Generation یا RAG آشنا میشوید و یاد میگیرید چگونه عاملهای هوشمند را برای کاربردهای امنیت سایبری طراحی و پیادهسازی کنید. همچنین با پروتکلها و روشهای ارتباطی مورد استفاده برای اتصال Agentها به یکدیگر آشنا خواهید شد.
در بخش عملی دوره، ابزارها و فریمورکهایی مانند LangChain، LlamaIndex و CrewAI بررسی میشوند و میآموزید چگونه از آنها برای ساخت سیستمهای امنیتی خودکار استفاده کنید. از شناسایی تهدید و پاسخگویی به رخدادهای امنیتی گرفته تا تحلیل آسیبپذیریها، Agentها میتوانند بخشهای مختلف فرایندهای امنیتی را به شکل خودکار اجرا و هماهنگ کنند.
یکی از بخشهای مهم دوره به امنیت ارتباط میان Agentها اختصاص دارد. یاد میگیرید چگونه ریسکهای ناشی از ارتباط و همکاری Agentها را ارزیابی کنید و هنگام ساخت برنامههای مبتنی بر Agentic AI، ملاحظات امنیتی را از ابتدا در معماری سیستم در نظر بگیرید.
این دوره برای تحلیلگران SOC، معماران امنیت سایبری، متخصصان امنیت و توسعهدهندگان AI طراحی شده است و دیدی عملی برای ساخت و مدیریت سیستمهای Agentic AI در محیطهای امنیتی مدرن ارائه میدهد.
اهداف یادگیری
مفاهیم پایه AI Agent، Agentic AI و RAG را توضیح دهید.
با پروتکلها و معماریهای مورد استفاده برای تعامل و ارتباط میان Agentها آشنا شوید.
سیستمهای امنیتی خودکار مبتنی بر AI Agent را با استفاده از فریمورکهایی مانند LangChain، LlamaIndex و CrewAI طراحی و پیادهسازی کنید.
از AI Agentها برای خودکارسازی Threat Detection و شناسایی تهدیدهای امنیتی استفاده کنید.
فرایند Incident Response را با کمک Agentهای هوشمند خودکار و هماهنگ کنید.
از Agentic AI برای تحلیل آسیبپذیریها و شناسایی نقاط ضعف امنیتی استفاده کنید.
ریسکها و پیامدهای امنیتی ارتباط میان Agentهای مختلف را ارزیابی کنید.
برنامههای AI مبتنی بر Agent را با در نظر گرفتن الزامات امنیتی طراحی کنید.
چندین Agent را برای انجام وظایف پیچیده امنیت سایبری با یکدیگر هماهنگ و Orchestrate کنید.
سیستمهای Agentic AI متناسب با نیازهای عملیات امنیت سایبری مدرن طراحی کنید.
سرفصل ها
مقدمه
- هوش مصنوعی عاملی برای امنیت سایبری - مقدمه
مبانی سیستمهای هوش مصنوعی عاملی
- اهداف یادگیری
- عامل هوش مصنوعی چیست
- درک انواع مختلف عاملهای هوش مصنوعی
- حلقه عاملی - ReAct، برنامهریزی و اجرا
- بررسی موارد استفاده عمومی از هوش مصنوعی عاملی برای امنیت سایبری
- منابع و مخازن GitHub برای این دوره
تولید افزوده شده با بازیابی (RAG)، RAG عاملی و پروتکل زمینه مدل (MCP)
- اهداف یادگیری
- معرفی RAG
- درک RAG عاملی
- پایگاههای داده برداری و مدلهای تعبیه
- معرفی MCP
- استفاده از مدلهای با وزن باز و معرفی Hugging Face
- معرفی Ollama-AnythingLLM-vLLM-ComfyUI
- معرفی WebMCP
قابلیت همکاری - پروتکلهایی برای اینترنت عاملها
- اهداف یادگیری
- معرفی پروتکل Agent2Agent
- مقایسه A2A با AGNTCY و ACP
- سرویس نام عامل (ANS) برای کشف امن عاملهای هوش مصنوعی
- پیامدهای امنیتی ارتباط بین عاملی
هماهنگی با LangChain، LangGraph و LlamaIndex
- اهداف یادگیری
- معرفی LangChain و LangGraph
- ساخت اولین برنامه هوش مصنوعی خود با LangChain
- ارزیابی برنامههای هوش مصنوعی با LangSmith
- معرفی LlamaIndex
- ساخت یک عامل با LangGraph
- ساخت یک سرور MCP با FastMCP
کاوش CrewAI، n8n، Apache Airflow و سایر چارچوبهای عاملی
- اهداف یادگیری
- معرفی CrewAI برای همکاری عاملها
- کاوش n8n برای گردشکارهای عاملی کمکد
- معرفی Apache Airflow برای وظایف عامل دادهمحور
کابین خلبان معمار - IDEهای مبتنی بر هوش مصنوعی و عاملهای کدنویسی
- اهداف یادگیری
- معرفی Cursor
- استفاده از Windsurf و Cascade
- درک مهارتهای عامل، قوانین، حافظهها و فایلهای گردش کار
- کاوش OpenAI Codex
- استفاده از Claude Code
- استفاده از هوش مصنوعی برای بازبینی امن کد
- استفاده از ابزارهای اضافی مانند Antigravity، OpenCode و Warp
نتیجهگیری
- هوش مصنوعی عاملی برای امنیت سایبری - خلاصه