Cybersecurity and AI ist ein viersemestriger Vorlesungszyklus, der alle wesentlichen Aspekte von Cybersecurity und KI abdeckt. Dieser Kurs vermittelt die Grundlagen des Repräsentationslernens und der Anomalieerkennung. Grundsätzlich ist es möglich, den Vorlesungszyklus zu jedem Semester zu beginnen.

1. Einleitung
   Repräsentation Learning (Unique-, Shared-, Rate-Distortion-Grenzen)
   Anomalieerkennung (Übersicht, Ansätze, Metriken)
2. Klassische ML
   Datentypen (Bilder, Text, Tabellendaten)
   Vorverarbeitungswerkzeuge (statistische Werkzeuge, Matrixfaktorisierungen...)
   Erweiterte Tools (Blind Deconvolution, sparse Verarbeitung, Superresolution...)
   ML Toolbox (SVM / Kernel-Methoden, Clustering, Random / Isolation-Forests...)
   ML-basierte Anomalieerkennung und Beispiele
3. Deep Learning I
   Grundlagen von MLP und CNN
   Auto-Encoder
   Rekonstruktionsbasierte Anomalieerkennung
4. Deep Learning II
   VAE, GAN, Normalizing flows, domänenübergreifende Familien (CycleGAN etc.)
   Transformer I (Multi-head attention)
   Transformer II (Tab/FT transformer, ViT)
   Selfsupervised Learning
   Fortschrittliche Algorithmen zur Erkennung von tiefen Anomalien
5. Anwendungsbeispiele in 5G/6G- und IoT-Netzwerken