Precio 1.995 €
Resumen del curso
Descripción
El Máster en Ciberseguridad & IA te posiciona en la vanguardia de dos sectores en pleno auge: la ciberseguridad y la inteligencia artificial. En un mundo donde las amenazas digitales evolucionan constantemente y la inteligencia artificial redefine industrias, este máster te brinda las herramientas necesarias para sobresalir en el mercado laboral. Con un enfoque integral, abarca desde la protección de redes y la respuesta a incidentes de seguridad hasta el uso de IA para la detección inteligente de amenazas. Aprenderás sobre hacking ético y análisis forense, dotándote de habilidades críticas para proteger la información en un entorno digital cada vez más complejo. El máster también explora la relación entre IA y big data, permitiéndote aplicar algoritmos avanzados en ciberseguridad.
Objetivos
- • Adquirir habilidades en protección de redes a través de protocolos seguros y estrategias avanzadas.
- Implementar técnicas de detección y prevención de intrusiones en sistemas informáticos.
- Aplicar algoritmos de inteligencia artificial para la detección de amenazas cibernéticas.
- Analizar datos utilizando Python y R para mejorar la ciberseguridad.
- Diseñar e implementar sistemas de gestión de seguridad de la información.
- Integrar chatbots con inteligencia artificial para mejorar la interacción en seguridad.
- Desarrollar competencias en análisis forense para la investigación de cibercrímenes.
¿Para qué te prepara?
El máster en Ciberseguridad & IA te prepara para enfrentar desafíos complejos en el ámbito digital. Aprenderás a proteger redes mediante la comprensión de protocolos y transmisión de datos, así como a identificar y mitigar ciberamenazas a través de técnicas de hacking ético e ingeniería social. Además, desarrollarás habilidades en inteligencia artificial, aplicando machine learning y deep learning para fortalecer la seguridad informática.
¿A quién va dirigido?
El Máster en Ciberseguridad & IA está dirigido a profesionales y titulados del sector tecnológico que buscan ampliar sus conocimientos en áreas clave como la protección de redes, análisis forense, inteligencia artificial aplicada y gestión de incidentes de seguridad. Ideal para aquellos interesados en la detección inteligente de amenazas y el uso de IA en la ciberseguridad.
Salidas profesionales
Las salidas laborales del máster en Ciberseguridad & IA abarcan puestos en los que se requiere la capacidad de anticipar, detectar y mitigar riesgos tecnológicos. Entre ellos destacan perfiles como analista de ciberseguridad, profesional de seguridad en redes y sistemas, responsable de gestión de seguridad de la información y especialista en análisis forense digital.
Temario
MÓDULO 1. CIBERSEGURIDAD Y REDES INFORMÁTICAS
UNIDAD DIDÁCTICA 1. CIBERSEGURIDAD
- La sociedad de la información
- Diseño, desarrollo e implantación
- Factores de éxito en la seguridad de la información
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A LA RED
- Elementos Principales de una red
- Tecnología de redes
- Soporte para la continuidad de la actividad
UNIDAD DIDÁCTICA 3. ESTANDARIZACIÓN DE PROTOCOLOS
- Modelo OSI
- Enfoque pragmático del modelo de capas
- Estándares y organismos
UNIDAD DIDÁCTICA 4. TRANSMISIÓN DE DATOS EN LA CAPA FÍSICA
- Papel de una interfaz de red
- Opciones y parámetros de configuración
- Arranque desde la red
- Codificación de los datos
- Conversión de las señales
- Soportes de transmisión
UNIDAD DIDÁCTICA 5. SOFTWARE DE COMUNICACIÓN
- Configuración de la tarjeta de red
- Instalación y configuración del controlador de la tarjeta de red
- Pila de protocolos
- Detección de un problema de red
UNIDAD DIDÁCTICA 6. ARQUITECTURA DE RED E INTERCONEXIÓN
- Topologías
- Elección de la topología de red adaptada
- Gestión de la comunicación
- Interconexión de redes
UNIDAD DIDÁCTICA 7. CAPAS BAJAS DE LAS REDES PERSONALES Y LOCALES
- Capas bajas e IEEE
- Ethernet e IEEE 802.3
- Token Ring e IEEE 802.5
- Wi-Fi e IEEE 802.11
- Bluetooth e IEEE 802.15
- Otras tecnologías
UNIDAD DIDÁCTICA 8. REDES MAN Y WAN, PROTOCOLOS
- Interconexión de la red local
- Acceso remoto y redes privadas virtuales
UNIDAD DIDÁCTICA 9. PROTOCOLOS DE CAPAS MEDIAS Y ALTAS
- Principales familias de protocolos
- Protocolo IP versión 4
- Protocolo IP versión 6
- Otros protocolos de capa Internet
- Voz sobre IP (VoIP)
- Protocolos de transporte TCP y UDP
- Capa de aplicación TCP/IP
UNIDAD DIDÁCTICA 10. PROTECCIÓN DE UNA RED
- Comprensión de la necesidad de la seguridad
- Herramientas y tipos de ataques
- Conceptos de protección en la red local
- Protección de la interconexión de redes
UNIDAD DIDÁCTICA 11. REPARACIÓN DE RED
- Introducción a la reparación de red
- Diagnóstico en capas bajas
- Utilización de herramientas TCP/IP adaptadas
- Herramientas de análisis de capas altas
UNIDAD DIDÁCTICA 12. INGENIERÍA SOCIAL, ATAQUES WEB Y PHISHING
- Introducción a la ingeniería social
- Recopilar información
- Herramientas de ingeniería social
- Técnicas de ataques
- Prevención de ataques
- Introducción al phishing
- Phishing
- Man in the middle
MÓDULO 2. PERITAJE INFORMÁTICO FORENSE
UNIDAD DIDÁCTICA 1. INFORMÁTICA, CONECTIVIDAD E INTERNET
- La informática
- Componentes de un sistema informático
- Estructura básica de un sistema informático
- Unidad central de proceso en un sistema informático
- Periféricos más usuales: conexión
- Sistema operativo
- Internet
- Conectividad a Internet
UNIDAD DIDÁCTICA 2. FUNDAMENTOS DE LA INFORMÁTICA Y ELECTRÓNICA FORENSE
- Concepto de informática forense
- Objetivos de la informática forense
- Usos de la informática forense
- El papel del perito informático
- El laboratorio informático forense
- Evidencia digital
- Cadena de custodia
UNIDAD DIDÁCTICA 3. CIBERCRIMINALIDAD
- Delito informático
- Tipos de delito informático
- Cibercriminalidad
UNIDAD DIDÁCTICA 4. HACKING ÉTICO
- ¿Qué es el hacking ético?
- Aspectos legales del hacking ético
- Perfiles del hacker
- Test de vulnerabilidades
- Sniffing
- Tipos de test de seguridad en entornos web
UNIDAD DIDÁCTICA 5. ANÁLISIS FORENSE
- El análisis forense
- Etapas de un análisis forense
- Tipos de análisis forense
- Requisitos para el análisis forense
- Principales problemas
UNIDAD DIDÁCTICA 6. SOPORTE DE DATOS
- Adquisición de datos: importancia en el análisis forense digital
- Modelo de capas
- Recuperación de archivos borrados
- Análisis de archivos
UNIDAD DIDÁCTICA 7. SISTEMA DE GESTIÓN DE SEGURIDAD EN LA INFORMACIÓN SGSI
- La sociedad de la información
- ¿Qué es la seguridad de la información?
- Importancia de la seguridad de la información
- Principios básicos de seguridad de la información: confidencialidad, integridad y disponibilidad
- Descripción de los riesgos de la seguridad
- Selección de controles
- Factores de éxito en la seguridad de la información
- Beneficios aportados por un sistema de seguridad de la información
MÓDULO 3. INTELIGENCIA ARTIFICIAL, MACHINE LEARNING Y DEEP LEARNING: TRES PILARES DE LA COMPUTACIÓN MODERNA
UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL
- Inmersión a la IA explicando sus principales modalidades
- Breve noción sobre los principales algoritmos de IA
- Análisis de los diferentes tipos de aprendizaje
- Fundamentos matemáticos para el entendimiento del funcionamiento de distintos algoritmos basados en IA y conceptos básicos de programación
- Implementación de conceptos matemáticos de IA utilizando Python como lenguaje de programación
- Fundamentos estadísticos básicos para el entendimiento del funcionamiento de distintos algoritmos, preprocesamiento de datos y análisis de resultados
- Implementación de conceptos estadísticos utilizando Python como lenguaje de programación
- Puesta en marcha del entorno de trabajo
- Detalle de los diferentes softwares y programas utilizados para la implementación de algoritmos basados en IA
- Inmersión en el lenguaje Python
UNIDAD DIDÁCTICA 2. FUTURO DE LA INTELIGENCIA ARTIFICIAL
- Futuro de la inteligencia artificial
- Impacto de la IA en la industria
- El impacto económico y social global de la IA y su futuro
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN AL MACHINE LEARNING
- Introducción
- Clasificación de algoritmos de aprendizaje automático
- Ejemplos de aprendizaje automático
- Diferencias entre el aprendizaje automático y el aprendizaje profundo
- Tipos de algoritmos de aprendizaje automático
- El futuro del aprendizaje automático
UNIDAD DIDÁCTICA 4. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
- Introducción
- Algoritmos
UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING
- Componentes
- Aprendizaje
UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
UNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
- Aprendizaje profundo
- Entorno de Deep Learning con Python
- Aprendizaje automático y profundo
MÓDULO 4. INTELIGENCIA ARTIFICIAL CON CHATBOTS Y COPILOT
UNIDAD DIDÁCTICA 1. EL POTENCIAL DE LA INTELIGENCIA ARTIFICIAL
- Introducción a la inteligencia artificial
- Historia
- La importancia de la IA
- Tipos de inteligencia artificial
- Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 2. ¿QUÉ ES UNA HERRAMIENTA COPILOT?
- ¿Qué son las herramientas Copilot?
- Beneficios de usar herramientas Copilot
- Requisitos para usar herramientas Copilot
- Tipos de herramientas Copilot
- Comparación de diferentes herramientas Copilot
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LOS MODELOS DE LENGUAJE
- Concepto de modelo de lenguaje
- Evolución de los modelos de lenguaje
- Arquitecturas principales de modelos de lenguaje: Transformer, GPT-3, LaMDA
- Parámetros y datasets
- Aplicaciones de los modelos de lenguaje
UNIDAD DIDÁCTICA 4. CHATGPT: FUNDAMENTOS Y FUNCIONAMIENTO
- DeepMind y OpenAI
- La arquitectura de red neuronal de ChatGPT: GPT-3 y sus variantes
- Entrenamiento de ChatGPT
- Capacidades de ChatGPT
- Limitaciones y riesgos de ChatGPT
UNIDAD DIDÁCTICA 5. GEMINI: LA PROPUESTA DE GOOGLE
- Bard: el modelo de lenguaje de Google AI
- Diferencias entre Gemini y GPT-3
- Capacidades de Gemini
- Integración de Gemini con otros productos de Google
- Futuro de Gemini
UNIDAD DIDÁCTICA 6. BING CHAT: EL MODELO DE MICROSOFT
- Microsoft y Bing: su apuesta por la IA conversacional
- Características de Bing Chat
- Integración de Bing Chat con el motor de búsqueda Bing
- Comparación entre Bing Chat y ChatGPT
- Futuro de Bing Chat
UNIDAD DIDÁCTICA 7. ASPECTOS TÉCNICOS AVANZADOS
- Tokenización y embeddings
- Attention mechanism
- Beam search y otros algoritmos de decodificación
- Optimización del entrenamiento
- Evaluación de modelos de lenguaje
UNIDAD DIDÁCTICA 8. COPILOT CON DIFERENTES CHATBOTS
- Tipos de chatbots
- Copilot y ChatGPT
- Copilot y Gemini de Google
- Copilot y Bing Chat de Microsoft
- Copilots y Chatbots específicos de industrias
MÓDULO 5. CIENCIA DE DATOS E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Compunting
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
- Modelo de datos
- Tipos de datos
- Claves primarias
- Índices
- El valor NULL
- Claves ajenas
- Vistas
- Lenguaje de descripción de datos (DDL)
- Lenguaje de control de datos (DCL)
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
- ¿Qué es una base de datos NoSQL?
- Bases de datos Relaciones Vs Bases de datos NoSQL
- Tipo de Bases de datos NoSQL: Teorema de CAP
- Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASE DE DATOS NOSQL, MONGODB
- ¿Qué es MongoDB?
- Funcionamiento y usos de MongoDB
- Primeros pasos con MongoDB: Instalación y Shell de comandos
- Creando nuestra primera base de datos NoSQL: Modelo e inserción de datos
- Actualización de datos en MongoDB: Sentencias set y update
- Trabajando con índices en MongoDB para optimización de datos
- Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. PYTHON Y EL ANÁLISIS DE DATOS
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python Dream Team del Big Data
UNIDAD DIDÁCTICA 6. R COMO HERRAMIENTA PARA BIG DATA
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
UNIDAD DIDÁCTICA 7. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
UNIDAD DIDÁCTICA 8. ANÁLISIS DE LOS DATOS
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
MÓDULO 6. GESTIÓN DE INCIDENTES DE SEGURIDAD INFORMÁTICA
UNIDAD DIDÁCTICA 1. SISTEMAS DE DETECCIÓN Y PREVENCIÓN DE INTRUSIONES (IDS/IPS)
- Conceptos generales de gestión de incidentes, detección de intrusiones y su prevención
- Identificación y caracterización de los datos de funcionamiento del sistema
- Arquitecturas más frecuentes de los IDS
- Relación de los distintos tipos de IDS/IPS por ubicación y funcionalidad
- Criterios de seguridad para el establecimiento de la ubicación de los IDS/IPS
UNIDAD DIDÁCTICA 2. IMPLANTACIÓN Y PUESTA EN PRODUCCIÓN DE SISTEMAS IDS/IPS
- Análisis previo
- Definición de políticas de corte de intentos de intrusión en los IDS/IPS
- Análisis de los eventos registrados por el IDS/IPS
- Relación de los registros de auditoría del IDS/IPS
- Establecimiento de los niveles requeridos de actualización, monitorización y pruebas del IDS/IPS
UNIDAD DIDÁCTICA 3. CONTROL MALWARE
- Sistemas de detección y contención de Malware
- Herramientas de control de Malware
- Criterios de seguridad para la configuración de las herramientas de protección frente a Malware
- Determinación de los requerimientos y técnicas de actualización de las herramientas de protección frente a Malware
- Relación de los registros de auditoría de las herramientas de protección frente a Malware
- Establecimiento de la monitorización y pruebas de las herramientas de protección frente a Malware
- Análisis de Malware mediante desensambladores y entornos de ejecución controlada
UNIDAD DIDÁCTICA 4. RESPUESTA ANTE INCIDENTES DE SEGURIDAD
- Procedimiento de recolección de información relacionada con incidentes de seguridad
- Exposición de las distintas técnicas y herramientas utilizadas para el análisis y correlación de información y eventos de seguridad
- Proceso de verificación de la intrusión
- Naturaleza y funciones de los organismos de gestión de incidentes tipo CERT nacionales e internacionales
UNIDAD DIDÁCTICA 5. PROCESO DE NOTIFICACIÓN Y GESTIÓN DE INTENTOS DE INTRUSIÓN
- Establecimiento de las responsabilidades
- Categorización de los incidentes derivados de intentos de intrusión
- Establecimiento del proceso de detección y herramientas de registro de incidentes
- Establecimiento del nivel de intervención requerido en función del impacto previsible
- Establecimiento del proceso de resolución y recuperación de los sistemas
- Proceso para la comunicación del incidente a terceros
UNIDAD DIDÁCTICA 6. ANÁLISIS FORENSE INFORMÁTICO
- Conceptos generales y objetivos del análisis forense
- Exposición del Principio de Lockard
- Guía para la recogida de evidencias electrónicas
- Guía para el análisis de las evidencias electrónicas recogidas
- Guía para la selección de las herramientas de análisis forense
MÓDULO 7. HACKING TRAINING PLATFORMS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A HACKING TRAINING PLATFORMS
- ¿Qué es el hacking ético?
- Máquinas virtuales
- Plataformas para practicar hacking ético
UNIDAD DIDÁCTICA 2. HACK THE BOX (HTB)
- Introducción a Hack The Box
- Crear una cuenta
- Tutoriales
UNIDAD DIDÁCTICA 3. TRYHACKME
- ¿Qué es TryHackMe?
- Crear una cuenta
- Interfaz de TryHackMe
- Introducción a la ciberseguridad
- Seguridad ofensiva
- Ciencia forense digital
UNIDAD DIDÁCTICA 4. HACKER101
- ¿Qué es Hacker101?
- Hacker101 CTF
- Tutoriales
UNIDAD DIDÁCTICA 5. VULNHUB
- ¿Qué es Vulnhub?
- Interfaz de Vulnhub
- Tutoriales
UNIDAD DIDÁCTICA 6. HACK THIS SITE
- ¿Qué es Hack This Suite?
- Desafíos Hack This Site
UNIDAD DIDÁCTICA 7. GOOGLE XSS GAME
- ¿Qué es Google XSS Game?
- Niveles de Google XSS game
UNIDAD DIDÁCTICA 8. HACKTHIS
- ¿Qué es HackThis?
- Tutorial HackThis
- Basic+
MÓDULO 8. IA EN LA CIBERSEGURIDAD
UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE IA APLICADA A LA CIBERSEGURIDAD
- Revisión de arquitecturas clave de IA en el contexto de la seguridad digital
- Desafíos y oportunidades de la IA en la protección de sistemas y datos
- Fuentes de datos y preprocesamiento para modelos de ciberseguridad
- Google Cloud AI como plataforma y herramienta para el desarrollo de IA en ciberseguridad
UNIDAD DIDÁCTICA 2. DETECCIÓN INTELIGENTE DE AMENAZAS Y ANOMALÍAS
- Modelos de machine learning para la detección de malware y virus
- Análisis de comportamiento de red y usuario (UEBA) con ia
- Detección de intrusiones basada en anomalías mediante redes neuronales
- Identificación de ataques de día cero y amenazas persistentes avanzadas (APTS)
- Técnicas de aprendizaje no supervisado para el descubrimiento de amenazas desconocidas
UNIDAD DIDÁCTICA 3. IA PARA LA GESTIÓN DE VULNERABILIDADES Y PARCHES
- Priorización de vulnerabilidades utilizando modelos predictivos
- Automatización de la identificación y clasificación de fallos de seguridad
- Predicción de exploits y superficies de ataque con IA
- Optimización de estrategias de parcheo basadas en riesgo
- Análisis de código estático y dinámico asistido por IA
UNIDAD DIDÁCTICA 4. SEGURIDAD CIUDADANA Y RESPUESTA A EMERGENCIAS CON IA
- Generación de ataques adversarios para pruebas de resistencia
- Automatización de pruebas de penetración y escaneo de vulnerabilidades
- Desarrollo de honeypots inteligentes para engañar a atacantes
- Respuesta automatizada a incidentes y contención de amenazas
- Modelos de aprendizaje por refuerzo para estrategias de ciberdefensa
UNIDAD DIDÁCTICA 5. PROTECCIÓN DE LA PRIVACIDAD Y DATOS CON IA
- Anonimización y desidentificación de datos sensibles utilizando IA
- Detección y prevención de fugas de datos (DLP) asistida por IA
- Seguridad en el tratamiento de datos personales con técnicas de IA
- Privacidad diferencial y criptografía homomórfica aplicadas con IA
- Gestión de identidad y acceso (IAM) inteligente
UNIDAD DIDÁCTICA 6. IA EN LA CIBERSEGURIDAD CLOUD Y DE INFRAESTRUCTURAS
- Monitoreo y detección de amenazas en entornos de nube
- Seguridad de contenedores y microservicios con IA
- Protección de infraestructuras críticas y sistemas de control industrial (ICS/SCADA)
- Análisis de riesgos y cumplimiento en entornos multicloud
- Implementación de IA para la seguridad de la cadena de suministro de software
UNIDAD DIDÁCTICA 7. RESILIENCIA CIBERNÉTICA Y RECUPERACIÓN ASISTIDA POR IA
- Evaluación de la resiliencia de sistemas frente a ciberataques
- Planificación y simulación de escenarios de crisis con IA
- Recuperación automatizada de desastres y restauración de sistemas
- Análisis forense digital y detección de persistencia con IA
- Optimización de planes de continuidad de negocio post-ataque
UNIDAD DIDÁCTICA 8. EL FUTURO DE LA IA EN CIBERSEGURIDAD
- IA explicable (XAI) en la toma de decisiones de seguridad
- Ataques adversarios contra modelos de IA y contramedidas
- El papel de la computación cuántica en la ciberseguridad
- Tendencias emergentes en la intersección IA-Ciberseguridad
- Colaboración humano-IA en los equipos de ciberseguridad (Google Security Operations)
MÓDULO 9. PROYECTO FIN DE MÁSTER
Descubre cuánto puede invertir tu empresa en formación sin coste
Como cliente o asociado de AFT, puedes solicitar información personalizada sobre tu crédito Fundae y la formación disponible para tu equipo.