查詢教學大綱與進度

教學大綱與進度

課程基本資料：

學年期課號課程名稱階段學分時數修教師班級人撤備註

114-2 354736 人工智慧跨域資安之應用 1 3.0 3 ★ 林敬皇資財三甲 39 0 　

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
114-2	354736	人工智慧跨域資安之應用	1	3.0	3	★	林敬皇	資財三甲	39	0

教學大綱與進度：

教師姓名林敬皇　教師諮商時間(Office Hours)

Email gbox@ntut.edu.tw

最後更新時間 2026-02-22 11:28:13

課程大綱人工智慧的技術不斷地推陳出新及影響、應用於各領域，特別是資訊安全的相關應用，對於真實世界的影響甚鉅。本課程旨在探討人工智慧在跨域資安上的應用。將帶領學生深入探討人工智慧（AI）與機器學習（ML）技術在資訊安全領域的雙面刃特性，期望學生修畢本課程後能達成以下目標：1.掌握核心概念：理解人工智慧、機器學習技術的基礎，及其應用於資訊安全領域的基本原理。2.建構防禦能力（AI for Security）：學習如何運用 AI 技術開發或強化資安防護機制，包含惡意程式偵測、網路入侵偵測（NIDS）、以及使用者行為分析（UEBA）。3.理解新型威脅（Security of AI）：認識針對 AI 模型本身的攻擊手法（如對抗性攻擊、資料下毒、模型萃取），並學習對應的防禦與強健性（Robustness）提升策略。4.探索生成式 AI 的資安衝擊：評估大型語言模型（LLMs）在自動化社交工程攻擊、程式碼漏洞挖掘上的風險，以及如何利用生成式 AI 輔助資安維運（SecOps）。5.具備實務動手能力：透過開源工具與實機操作（Lab），具備運用 Python 及 ML 框架解決基礎資安問題的實作能力。

課程進度
(1-16週) 1-課程導論與現代資安威脅地貌 2-AI 資安核心技術 3-分組確認與題目指定 (Kick-off) 4-紅軍/藍軍領域知識深潛 (Domain Knowledge) 5-資料蒐集、清洗與前處理 6-初始模型建構 (Base Model Development) 7-模型評估指標與系統封裝準備 8-期中報告 (Midterm Presentation) 9-對抗環境建置 (Engagement Setup) 10-基準測試 (Baseline Attack) 11-戰情檢討與防禦升級 (Defense Upgrade) 12-進階對抗 (Advanced Attack) 13-可解釋性 AI (XAI) 與盲點分析 14-應用程式化與視覺化介面 (UI/UX) 15-內部壓力測試與期末整備 16-期末專題發表 (Part 1 - 攻防實境) 17-期末專題發表 (Part 2 - 攻防實境) 18-AI資安應用技術、倫理探討與課程總結

評量方式與標準期末專案實作

使用教材、參考書目或其他 【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】

使用外文原文書：否
自編教材/Use of self-made materials

課程諮詢管道 -----------------------------------
林敬皇
gbox@ntut.edu.tw
office hour : 週二、週三、週五
-----------------------------------

延伸教學與資源 ● 數位科技融入 (Digital Technology Integration)
運用生成式AI、VR/AR、IoT、IRS等新興科技輔助教學與評量。
Utilizes emerging technologies such as Generative AI, VR/AR, IoT, and IRS (Interactive Response Systems) to facilitate teaching and assessment.

課程對應SDGs指標 SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）

課程是否導入AI ● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）

備註　

教師姓名	林敬皇　教師諮商時間(Office Hours)
Email	gbox@ntut.edu.tw
最後更新時間	2026-02-22 11:28:13
課程大綱	人工智慧的技術不斷地推陳出新及影響、應用於各領域，特別是資訊安全的相關應用，對於真實世界的影響甚鉅。本課程旨在探討人工智慧在跨域資安上的應用。將帶領學生深入探討人工智慧（AI）與機器學習（ML）技術在資訊安全領域的雙面刃特性，期望學生修畢本課程後能達成以下目標：1.掌握核心概念：理解人工智慧、機器學習技術的基礎，及其應用於資訊安全領域的基本原理。2.建構防禦能力（AI for Security）：學習如何運用 AI 技術開發或強化資安防護機制，包含惡意程式偵測、網路入侵偵測（NIDS）、以及使用者行為分析（UEBA）。3.理解新型威脅（Security of AI）：認識針對 AI 模型本身的攻擊手法（如對抗性攻擊、資料下毒、模型萃取），並學習對應的防禦與強健性（Robustness）提升策略。4.探索生成式 AI 的資安衝擊：評估大型語言模型（LLMs）在自動化社交工程攻擊、程式碼漏洞挖掘上的風險，以及如何利用生成式 AI 輔助資安維運（SecOps）。5.具備實務動手能力：透過開源工具與實機操作（Lab），具備運用 Python 及 ML 框架解決基礎資安問題的實作能力。
課程進度 (1-16週)	1-課程導論與現代資安威脅地貌 2-AI 資安核心技術 3-分組確認與題目指定 (Kick-off) 4-紅軍/藍軍領域知識深潛 (Domain Knowledge) 5-資料蒐集、清洗與前處理 6-初始模型建構 (Base Model Development) 7-模型評估指標與系統封裝準備 8-期中報告 (Midterm Presentation) 9-對抗環境建置 (Engagement Setup) 10-基準測試 (Baseline Attack) 11-戰情檢討與防禦升級 (Defense Upgrade) 12-進階對抗 (Advanced Attack) 13-可解釋性 AI (XAI) 與盲點分析 14-應用程式化與視覺化介面 (UI/UX) 15-內部壓力測試與期末整備 16-期末專題發表 (Part 1 - 攻防實境) 17-期末專題發表 (Part 2 - 攻防實境) 18-AI資安應用技術、倫理探討與課程總結
評量方式與標準	期末專案實作
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】使用外文原文書：否自編教材/Use of self-made materials
課程諮詢管道	----------------------------------- 林敬皇 gbox@ntut.edu.tw office hour : 週二、週三、週五 -----------------------------------
延伸教學與資源	● 數位科技融入 (Digital Technology Integration) 運用生成式AI、VR/AR、IoT、IRS等新興科技輔助教學與評量。 Utilizes emerging technologies such as Generative AI, VR/AR, IoT, and IRS (Interactive Response Systems) to facilitate teaching and assessment.
課程對應SDGs指標	SDG9：產業創新與基礎設施（Industry, Innovation and Infrastructure）
課程是否導入AI	● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）
備註