Programmes d'études
Cybersecurity of Artificial Intelligence
Programmes d'études
Cybersecurity of Artificial Intelligence
Programmes d'études
Détails et horaire du cours
Légende
Cours de jour
Cours de soir
Cours en ligne
Certificats et microprogrammes de 1er cycle
Baccalauréat (formation d'ingénieur)
Études supérieures
INF6104E
Cybersecurity of Artificial Intelligence
Nombre de crédits :
4 (3 - 1.5 - 7.5)
Les chiffres indiqués entre parenthèses sous le sigle du cours, par exemple (3 - 2 - 4), constituent le triplet horaire.
Le premier chiffre est le nombre d'heures de cours théorique par semaine (les périodes de cours durent 50 minutes).
Le second chiffre est le nombre d'heures de travaux dirigés (exercices) ou laboratoire, par semaine.
(Note : certains cours ont un triplet (3 - 1.5 - 4.5). Dans ce cas, les 1,5 heure par semaine sont des laboratoires qui durent 3 heures mais qui ont lieu toutes les deux semaines. À Polytechnique, on parle alors de laboratoires bi-hebdomadaires).
Le troisième chiffre est un nombre d'heures estimé que l'étudiant doit investir de façon personnelle par semaine pour réussir son cours.
Le premier chiffre est le nombre d'heures de cours théorique par semaine (les périodes de cours durent 50 minutes).
Le second chiffre est le nombre d'heures de travaux dirigés (exercices) ou laboratoire, par semaine.
(Note : certains cours ont un triplet (3 - 1.5 - 4.5). Dans ce cas, les 1,5 heure par semaine sont des laboratoires qui durent 3 heures mais qui ont lieu toutes les deux semaines. À Polytechnique, on parle alors de laboratoires bi-hebdomadaires).
Le troisième chiffre est un nombre d'heures estimé que l'étudiant doit investir de façon personnelle par semaine pour réussir son cours.
Département :
Génies informatique & logiciel
Préalable(s) :
Corequis :
Notes :
Responsable(s) :
À venir
Description
Adversarial Artificial Intelligence (AAI). Evasion attacks. Poisoning attacks. Data injection attacks. Data modification attacks. Label flipping. White-box attacks (FGSM – Fast Gradient Sign Method, PGD – Projected Gradient Descent, ACG – Auto-Conjugate Gradient, C&W – Carlini & Wagner, BB – Brendel and Bethge). Adversarial examples in security applications. Defense paradigms against AAI. Adversarial training. Data compression. Model modification. Regularization (Parseval networks). Gradient masking. Defensive distillation. Supporting tools (CleverHans, Adversarial Robustness Toolbox). Practical applications of AAI. Traditional computer networks. Cyber-physical systems in critical infrastructures.
Adversarial Artificial Intelligence (AAI). Evasion attacks. Poisoning attacks. Data injection attacks. Data modification attacks. Label flipping. White-box attacks (FGSM – Fast Gradient Sign Method, PGD – Projected Gradient Descent, ACG – Auto-Conjugate Gradient, C&W – Carlini & Wagner, BB – Brendel and Bethge). Adversarial examples in security applications. Defense paradigms against AAI. Adversarial training. Data compression. Model modification. Regularization (Parseval networks). Gradient masking. Defensive distillation. Supporting tools (CleverHans, Adversarial Robustness Toolbox). Practical applications of AAI. Traditional computer networks. Cyber-physical systems in critical infrastructures.
Plan triennal
| 2025-2026 | 2026-2027 | 2027-2028 | ||||||
|---|---|---|---|---|---|---|---|---|
| Automne | Hiver | Été | Automne | Hiver | Été | Automne | Hiver | Été |
| - | - | - | Cours de jour | - | - | Cours de jour | - | - |