دوره آموزشی رهبر امنیتی آماده برای عصر هوش مصنوعی: تعادل میان نوآوری، ریسک و تابآوری
5 ساعت 41 دقیقهمتوسط2026-07-31
مدرسین

Pearson
جزئیات دوره
هوش مصنوعی همزمان در حال تغییر دادن ماهیت تهدیدات سایبری و ابزارهایی است که تیمهای امنیتی برای مقابله با آنها استفاده میکنند. در چنین شرایطی، مدیران امنیت اطلاعات باید بتوانند علاوه بر شناخت تهدیدهای جدید، مسیر استفاده مسئولانه و مؤثر از AI را نیز برای سازمان خود مشخص کنند.
در این دوره، Avinash Naduvath، متخصص حوزه امنیت سایبری و هوش مصنوعی، یک چارچوب عملی برای رهبری پذیرش AI در امنیت سایبری ارائه میدهد. ابتدا یاد میگیرید چگونه تهدیدهای مبتنی بر هوش مصنوعی را ارزیابی کنید و سپس از AI برای تقویت دفاع سایبری، افزایش قابلیتهای امنیتی و بهبود عملکرد تیمهای امنیتی استفاده کنید.
در ادامه، ریسکهای جدید ناشی از استفاده از AI را بررسی میکنید؛ از الزامات Compliance و ریسکهای مربوط به فروشندگان و تأمینکنندگان گرفته تا امنیت زنجیره تأمین AI. همچنین خواهید دید که هوش مصنوعی چگونه مفاهیمی مانند Zero Trust، عملیات امنیتی و Threat Hunting را تغییر میدهد و معماریهای Agentic چگونه میتوانند ساختار و عملکرد SOC را متحول کنند.
بخش دیگری از دوره به آمادهسازی نیروی انسانی اختصاص دارد. با مدل 10-20-70، چارچوب AI Persona و برنامههای AI Champion آشنا میشوید و یاد میگیرید چگونه فرهنگ و مهارتهای لازم برای استفاده مؤثر از هوش مصنوعی را در تیمهای امنیتی ایجاد کنید.
در پایان، موضوع تابآوری و رهبری سازمانی را بررسی میکنید؛ از بودجهبندی برای پروژههای AI و سنجش تأثیر آنها گرفته تا نحوه ارائه ارزش و نتایج به مدیران ارشد. همچنین یاد میگیرید چگونه رویکرد خود را از صرفاً گفتن «نه» به درخواستهای مرتبط با AI، به پیدا کردن راهکارهای امن و عملی برای گفتن «چگونه میتوانیم؟» تغییر دهید.
این دوره برای مدیران امنیت اطلاعات، رهبران امنیت سایبری، متخصصان امنیت و افرادی طراحی شده است که مسئول هدایت استراتژی AI و امنیت در سازمان هستند و میخواهند برای نقش یک CISO آماده برای عصر هوش مصنوعی مهارتهای لازم را به دست آورند.
اهداف یادگیری
تهدیدهای سایبری ناشی از هوش مصنوعی را شناسایی و ارزیابی کنید.
از AI برای تقویت دفاع سایبری و افزایش قابلیتهای امنیتی سازمان استفاده کنید.
ریسکهای AI را در حوزههایی مانند Compliance، مدیریت فروشندگان و زنجیره تأمین ارزیابی و مدیریت کنید.
تأثیر هوش مصنوعی بر معماری Zero Trust و عملیات امنیتی را تحلیل کنید.
از AI در Threat Hunting و سایر فرایندهای شناسایی و پاسخ به تهدیدها استفاده کنید.
تأثیر معماریهای Agentic بر ساختار و عملکرد Security Operations Center را بررسی کنید.
با استفاده از مدل 10-20-70، برنامهای برای توسعه نیروی کار آماده برای AI طراحی کنید.
از AI Persona Framework و برنامههای AI Champion برای تسهیل پذیرش AI در تیمهای امنیتی استفاده کنید.
برای سرمایهگذاری و بودجهبندی پروژههای AI در حوزه امنیت برنامهریزی کنید و تأثیر آنها را برای مدیران ارشد بهدرستی بیان کنید.
یک رویکرد عملی برای تبدیل شدن به یک CISO آماده برای AI ایجاد کنید که بتواند همزمان ریسکهای کسبوکار را کاهش داده و از ارزشهای هوش مصنوعی بهرهبرداری کند.
در این دوره، Avinash Naduvath، متخصص حوزه امنیت سایبری و هوش مصنوعی، یک چارچوب عملی برای رهبری پذیرش AI در امنیت سایبری ارائه میدهد. ابتدا یاد میگیرید چگونه تهدیدهای مبتنی بر هوش مصنوعی را ارزیابی کنید و سپس از AI برای تقویت دفاع سایبری، افزایش قابلیتهای امنیتی و بهبود عملکرد تیمهای امنیتی استفاده کنید.
در ادامه، ریسکهای جدید ناشی از استفاده از AI را بررسی میکنید؛ از الزامات Compliance و ریسکهای مربوط به فروشندگان و تأمینکنندگان گرفته تا امنیت زنجیره تأمین AI. همچنین خواهید دید که هوش مصنوعی چگونه مفاهیمی مانند Zero Trust، عملیات امنیتی و Threat Hunting را تغییر میدهد و معماریهای Agentic چگونه میتوانند ساختار و عملکرد SOC را متحول کنند.
بخش دیگری از دوره به آمادهسازی نیروی انسانی اختصاص دارد. با مدل 10-20-70، چارچوب AI Persona و برنامههای AI Champion آشنا میشوید و یاد میگیرید چگونه فرهنگ و مهارتهای لازم برای استفاده مؤثر از هوش مصنوعی را در تیمهای امنیتی ایجاد کنید.
در پایان، موضوع تابآوری و رهبری سازمانی را بررسی میکنید؛ از بودجهبندی برای پروژههای AI و سنجش تأثیر آنها گرفته تا نحوه ارائه ارزش و نتایج به مدیران ارشد. همچنین یاد میگیرید چگونه رویکرد خود را از صرفاً گفتن «نه» به درخواستهای مرتبط با AI، به پیدا کردن راهکارهای امن و عملی برای گفتن «چگونه میتوانیم؟» تغییر دهید.
این دوره برای مدیران امنیت اطلاعات، رهبران امنیت سایبری، متخصصان امنیت و افرادی طراحی شده است که مسئول هدایت استراتژی AI و امنیت در سازمان هستند و میخواهند برای نقش یک CISO آماده برای عصر هوش مصنوعی مهارتهای لازم را به دست آورند.
اهداف یادگیری
تهدیدهای سایبری ناشی از هوش مصنوعی را شناسایی و ارزیابی کنید.
از AI برای تقویت دفاع سایبری و افزایش قابلیتهای امنیتی سازمان استفاده کنید.
ریسکهای AI را در حوزههایی مانند Compliance، مدیریت فروشندگان و زنجیره تأمین ارزیابی و مدیریت کنید.
تأثیر هوش مصنوعی بر معماری Zero Trust و عملیات امنیتی را تحلیل کنید.
از AI در Threat Hunting و سایر فرایندهای شناسایی و پاسخ به تهدیدها استفاده کنید.
تأثیر معماریهای Agentic بر ساختار و عملکرد Security Operations Center را بررسی کنید.
با استفاده از مدل 10-20-70، برنامهای برای توسعه نیروی کار آماده برای AI طراحی کنید.
از AI Persona Framework و برنامههای AI Champion برای تسهیل پذیرش AI در تیمهای امنیتی استفاده کنید.
برای سرمایهگذاری و بودجهبندی پروژههای AI در حوزه امنیت برنامهریزی کنید و تأثیر آنها را برای مدیران ارشد بهدرستی بیان کنید.
یک رویکرد عملی برای تبدیل شدن به یک CISO آماده برای AI ایجاد کنید که بتواند همزمان ریسکهای کسبوکار را کاهش داده و از ارزشهای هوش مصنوعی بهرهبرداری کند.
سرفصل ها
مقدمه
- تبدیل شدن به یک رهبر امنیتی آماده برای هوش مصنوعی - مقدمه
مقدمهای بر تبدیل شدن به یک رهبر امنیتی آماده برای هوش مصنوعی
- معرفی ماژول
- اهداف یادگیری
- هدف دوره
- نتایج کلیدی
- ساختار دوره
چارچوببندی چشمانداز امنیت سایبری هوش مصنوعی
- معرفی ماژول
- اهداف یادگیری
- هوش مصنوعی دامنه تهدید را گسترش میدهد
- چشمانداز تهدیدات هوش مصنوعی
- نکات کلیدی
چرا رهبری باید اهمیت دهد
- اهداف یادگیری
- چرا رهبری باید اهمیت دهد
- نکات کلیدی
طرز فکر استراتژیک
- اهداف یادگیری
- یک رهبر هوش مصنوعی باید
- رهبری پذیرش هوش مصنوعی با امنیت سایبری
- نکات کلیدی
چرا رهبران باید اهمیت دهند
- معرفی ماژول
- اهداف یادگیری
- تکامل مصرف هوش مصنوعی
- الزامات رهبری
- نکات کلیدی
تسلیحاتی کردن هوش مصنوعی - هوش مصنوعی به عنوان یک عروسک
- اهداف یادگیری
- حملات خودمختار باجافزار 3.0
- سرعت و مقیاس با هوش مصنوعی
- تقویت حملات موجود دیپفیک، چهره جدید فیشینگ
- نکات کلیدی
همدستان جرم - هوش مصنوعی به عنوان یک ابزار
- اهداف یادگیری
- ابزارهای هوش مصنوعی
- نکات کلیدی
دفاعهای مبتنی بر هوش مصنوعی - محافظت با هوش مصنوعی
- اهداف یادگیری
- ساختارهای دفاعی که بیشترین بهره را از هوش مصنوعی میبرند
- محافظت از هوش مصنوعی با هوش مصنوعی
- نکات کلیدی
چشمانداز تهدیدات هوش مصنوعی
- معرفی ماژول
- اهداف یادگیری
- چارچوببندی ریسکهای هوش مصنوعی از منظر کسبوکار
- تهدیدات هوش مصنوعی یک بررسی عمیق
- نکات کلیدی
چارچوب امنیتی کلنگر هوش مصنوعی
- اهداف یادگیری
- اصول امنیت سایبری هوش مصنوعی برای رهبری جهت بررسی
- چارچوبهای قابل بررسی
- ایمنسازی سیستمهای هوش مصنوعی
- هوش مصنوعی در امنیت سایبری
- دیدگاه اصول حاکمیتی هوش مصنوعی
- دیدگاه چرخه حیات هوش مصنوعی
- نکات کلیدی
الزام اعتمادصفر - دیدگاه ریسک
- اهداف یادگیری
- هسته اعتمادصفر و چگونگی تقویت آن توسط هوش مصنوعی
- هویت رفتاری مبتنی بر هوش مصنوعی
- بخشبندی خودمختار
- محافظت از برنامه و داده مبتنی بر هوش مصنوعی
- مشاهدهپذیری، خودکارسازی و ارکستراسیون مبتنی بر هوش مصنوعی
- تأثیر هوش مصنوعی بر حاکمیت
- الزامات اعتمادصفر برای پذیرش هوش مصنوعی
- نکات کلیدی
الزام انطباق - دیدگاه حاکمیتی
- اهداف یادگیری
- عواقب مالی و قانونی عدم انطباق
- انطباق دیگر یک ممیزی ایستا نیست
- ماتریس نظارتی جهانی هوش مصنوعی
- نگاهی به مناطق و صنایع خاص
- گسترش به حاکمیت، ریسک و انطباق موجود
- مدیریت مصرف سایهای هوش مصنوعی
- مدیریت وضعیت امنیتی هوش مصنوعی
- تأثیر عملیاتی انطباق
- دستور انطباق مدیر امنیت اطلاعات برای ابتکارات هوش مصنوعی
- نکات کلیدی
ریسک زنجیره تأمین فروشنده
- اهداف یادگیری
- تجسم زنجیره وابستگی فروشندگان هوش مصنوعی
- طبقهبندی فروشندگان مبتنی بر ریسک
- مسئله جعبه سیاه و الزام نسب داده
- درک سه بعد ریسک فروشنده
- ریسک بازگشتی
- تیم قرمز فروشندگان شما
- صورتحساب مواد تشکیلدهنده هوش مصنوعی و بررسی دقیق
- نکات کلیدی
درج هوش مصنوعی در عملیات امنیتی
- معرفی ماژول
- اهداف یادگیری
- درج معمول هوش مصنوعی در امنیت سایبری
- هوش مصنوعی در عملیات امنیتی
- خودمختاری محدود
- ملاحظات درج هوش مصنوعی در امنیت سایبری
- نکات کلیدی
شکار تهدید عاملمحور
- اهداف یادگیری
- شکار تهدید مبتنی بر هوش مصنوعی
- نکات کلیدی
مرکز عملیات امنیتی عاملمحور
- اهداف یادگیری
- معماری معمول مرکز عملیات امنیتی
- معماری مرکز عملیات امنیتی عاملمحور
- تسریع اولویتبندی
- همبستگی
- بهینهسازی قوانین تشخیص
- نکات کلیدی
چارچوب استراتژیک
- معرفی ماژول
- اهداف یادگیری
- شکاف آمادگی هوش مصنوعی
- اصول ۱۰-۲۰-۷۰ موفقیت هوش مصنوعی
- چارچوب استراتژیک برای رهبری هوش مصنوعی
- نکات کلیدی
مهارتهای هوش مصنوعی برای سرمایهگذاری
- اهداف یادگیری
- مدل شخصیت هوش مصنوعی
- سواد هوش مصنوعی برای نیروی کار عمومی
- سواد هوش مصنوعی برای شایستگیهای نقشمحور
- سواد هوش مصنوعی برای معمار عامل
- سواد هوش مصنوعی برای مهارتهای نرم
- نکات کلیدی
استراتژیهای توانمندسازی نیروی کار
- اهداف یادگیری
- حلقه توانمندسازی نیروی کار هوش مصنوعی
- برنامه قهرمانان هوش مصنوعی
- محیط آزمایشی هوش مصنوعی
- اندازهگیری بازگشت سرمایه ابتکار ارتقاء نیروی کار هوش مصنوعی
- نکات کلیدی
آینده نیروی کار
- اهداف یادگیری
- ظهور عمومگرایان
- تطبیق الگو در مقابل قضاوتها
- حذف گلوگاه تحویل بیکار
- مسطحسازی سلسلهمراتب
- نیروی کار ترکیبی
- EPOCH - قابلیتهای انسانی که هوش مصنوعی نمیتواند جایگزین کند
- نکات کلیدی
پیمایش تأثیر ژئوپلیتیکی سیستمهای هوش مصنوعی
- معرفی ماژول
- اهداف یادگیری
- تابآوری هوش مصنوعی
- واقعیت جغرافیایی تأخیر حاکمیت
- پایداری
- نکات کلیدی
ملاحظات بودجهبندی
- اهداف یادگیری
- بودجه هوش مصنوعی - از هزینه به سرمایهگذاری
- بودجهبندی برای تابآوری کلان
- بودجهبندی برای چابکی
- نکات کلیدی
مدیر امنیت اطلاعات چندشکل
- اهداف یادگیری
- ملاحظات برای مدیر امنیت اطلاعات چندوجهی
- تغییر رویه ارتباطی
- سه پایه یک ارائه هوش مصنوعی
- داشبوردهای متریک نتیجهگرا
- اندازهگیری چابکی تحول
- کمیسازی ریسک در عمل
- ائتلاف مدیر امنیت اطلاعات - مدیر مالی - مدیر عملیات
- نکات کلیدی
مدیر امنیت اطلاعات آماده برای هوش مصنوعی
- اهداف یادگیری
- افزایش تابآوری عملیاتی و در دسترس بودن خدمات
- افزایش حاکمیت یکپارچه و هویت هوش مصنوعی
- افزایش رهبری با چابکی
- از نه به چگونه
- افزایش اعتماد رهبری در میان عدم قطعیت
- نکات کلیدی
خلاصه
- تبدیل شدن به یک رهبر امنیتی آماده برای هوش مصنوعی - خلاصه