📚 Для Москвы
Без дополнительного отбора в программе могут участвовать ученики 7–8 классов, если они соответствуют одному из критериев: победители Математического праздника, устной городской олимпиады, Московской математической олимпиады, олимпиады имени Л. Эйлера (в различных параллелях и этапах).

🎓 Призеры вышеупомянутых олимпиад приглашаются на первый дистанционный отборочный тур.

Заключительный отборочный тур пройдет на базе Центра педагогического мастерства Москвы.

⏺Изучение 10+ различных типов уязвимостей
Вы узнаете о самых распространенных типах уязвимостей, таких как Cross-Site Scripting (XSS), SQL Injection, Server-Side Request Forgery (SSRF), и многих других. Каждому типу уязвимости будет уделено достаточно внимания с реальными примерами и методами их обнаружения.
⏺Возможность эксплуатации базовых уязвимостей веб-приложений
Практические занятия позволят вам научиться эксплуатировать найденные уязвимости, что поможет лучше понять, как они работают и как их можно использовать в реальных ситуациях.
⏺Основы разведки (recon)
Вы узнаете, как эффективно проводить разведку целей, собирать информацию о веб-приложениях и определять потенциальные уязвимости
⏺Подходы к целям
Стратегии и тактики для выбора и анализа целей атак, которые помогут максимизировать ваши шансы на успешное обнаружение уязвимостей.
⏺Понимание программ Bug Bounty
Разберетесь, как работают программы Bug Bounty, как участвовать в них и какие требования предъявляются к охотникам за уязвимостями.
⏺Написание лучших отчетов по уязвимостям
Советы и рекомендации по написанию отчетов, которые помогут вам ясно и эффективно документировать найденные уязвимости, что повышает шансы на успешное вознаграждение.
⏺Практическая лаборатория
Наличие практических занятий, где вы сможете применить полученные знания и навыки в условиях, максимально приближенных к реальности.
⏺Основные темы курса
Cross-Site Scripting (XSS): Техники обнаружения и эксплуатации XSS уязвимостей.
SQL Injection: Понимание и использование SQL-инъекций для извлечения данных из баз данных.
Server-Side Request Forgery (SSRF): Методы эксплуатации SSRF для обхода ограничений и доступа к защищенным ресурсам.
XXE (XML External Entity): Уязвимости, связанные с обработкой XML-документов и способы их эксплуатации.
RCE (Remote Code Execution): Удаленное исполнение кода и его последствия.
IDOR (Insecure Direct Object References): Подмена и доступ к объектам без должной проверки аутентификации.
Hacking JWT (JSON Web Tokens): Взлом и манипуляция JWT для получения несанкционированного доступа.

⏺Основы Python и работа с данными
📊 Освежим знания Python и научимся обращаться с SQL и NoSQL базами данных, такими как MongoDB. Освоим технику Webscraping для получения данных из интернета.

⏺Основы статистики и вероятности
📈 Изучим медианы и средние значения, методы анализа данных и вероятностные модели с применением теории Байеса. Применим статистику к кибербезопасности и анализу сигналов.

⏺Методы кластеризации и классификации
🔍 Освоим K-Means, KNN, PCA, DNSCAN и другие методы кластеризации. Погружаемся в теорию и практику использования векторных машин поддержки (SVM), решающих деревьев и случайных лесов.

⏺Регрессии и анализ данных
🧠 Работаем с полиномиальными регрессиями и анализируем данные с помощью глубокого обучения. Решаем задачи идентификации протоколов и обнаруживаем аномалии в поведении.

⏺Обнаружение вредоносного ПО и аномалий сети
🔒 Разрабатываем модели для предсказания и обнаружения вредоносного ПО, используем CNN для многоклассовой классификации текста и автоматические кодировщики для обнаружения аномалий в реальном времени.

⏺Решение CAPTCHAs и алгоритмов
💡 Используем функциональные API для решения CAPTCHA и изучаем алгоритмы выполнения задач с использованием машинного обучения.

🧰 Практическая часть курса:
⏺ 30 лабораторных работ с решением задач, связанных с наукой о данных и машинным обучением.
⏺ Visualizations: Применение статистических моделей, создание визуализаций данных и применение математических методов для охоты за угрозами.
⏺ Clustering и нейронные сети: Применение методов машинного обучения, таких как кластеризация, построение и использование глубоких нейронных сетей.

⏺ Искусственный интеллект и анализ данных
Основы математики для машинного обучения и нейронных сетей
Применение алгоритмов ИИ для анализа больших данных

⏺Разработка программного обеспечения
Создание веб-приложений на популярных фреймворках
Введение в мобильную разработку для Android и iOS

⏺ Информационная безопасность

и многое другое