網絡安全理學碩士 [*有待大學批准]

網絡安全基礎 

本課程全面介紹網絡安全的基本原理、概念與實務。學生將探討資訊保障的核心要素──機密性、完整性和可用性（即CIA三要素）──並檢視這些原則如何在現代數位基礎設施中得以落實。課程涵蓋的主要議題包括密碼學基礎、身分驗證與存取控制機制、網絡安全架構、常見漏洞分類以及典型網絡攻擊的剖析。課程自始至終貫穿風險意識，向學生介紹威脅建模及縱深防禦的概念。透過個案研究與課堂討論，學生將建立起紮實的網絡安全概念體系，從而能夠以批判性的視角深入探索更為專業的安全領域。

信息安全與風險管理

本課程探討信息安全在策略、管理及治理層面的內容。課程體系圍繞著風險管理生命週期構建，涵蓋資產識別與估值、威脅與脆弱性評估、風險分析、風險應對策略以及殘餘風險監控。學生將熟練國際公認的標準與框架，包括 ISO/IEC 27001、NIST 網路安全框架（CSF）及 COBIT。課程重點議題包括：安全策略的發展與執行、安全事件回應規劃、安全意識訓練計劃設計，以及相關的法律法規要求。此外，課程強調安全職能部門的作用，培養學生以風險和策略視角進行溝通的能力。

安全與隱私專題 

本研討式課程探討安全與隱私領域研究及實務前沿的新興與專業課題。課程內容設計靈活，旨在適應威脅態勢與科技環境的快速演進。核心議題涵蓋：(a) 隱私增強技術（PETs），如差分隱私、聯邦學習及其在實際部署中面臨的挑戰；(b) 對抗性機器學習，如投毒攻擊、規避攻擊、模型反演，以及保障 AI/ML 流水線安全的防禦技術；(c) 區塊與去中心化系統安全性，包括智能合約化和安全性；(d) 安全的社會技術維度，包括安全領域的易用性與人為因素、安全經濟學、數位主權，以及監控與公民自由之間的張力。本課程致力於培養學員的思維敏捷性，使其能夠預判並應對尚無既定防禦手段的新型威脅。 

數據通訊安全

本課程深入介紹保障現代通訊網絡中資料傳輸安全的協定、架構及密碼機制。課程遵循 TCP/IP 協定棧的分層結構，系統性地分析各層面臨的安全威脅及對應的防護措施，涵蓋連結層、網絡層、傳輸層及應用層安全。此外，課程還將探討新興通訊範式帶來的安全挑戰，包括 5G 網路安全架構、軟體定義網絡（SDN）安全，以及量子運算對密碼協定的影響。學生將學習如何偵測、配置並加強通訊頻道，以抵禦竊聽、篡改及假冒攻擊。  

數據庫系統與管理 

本課程深入探討資料庫系統與管理實務。學生將學習資料庫設計原理、關係代數、用於資料操作的 SQL 語言以及資料倉儲相關知識。課程涵蓋關聯式資料庫與 NoSQL 系統，重點在於講解其在大規模大數據管理中的應用。主要議題包括事務管理與並發控制、資料完整性、效能最佳化。學生將獲得設計與實現資料庫解決方案的實務經驗，這對於在各種應用場景下有效管理大數據至關重要。

生成式人工智能及其應用 

本課程重點在於生成式人工智能（Generative AI）模型及其在各領域的應用。學生將學習生成對抗網路（GANs）、變分自編碼器（Variational Autoencoders）以及 GPT 等大語言模型的相關概念。課程強調針對影像合成、文字生成及創意內容創作等任務，開發並實現生成式人工智能系統。學生將透過實務操作掌握生成式人工智能框架與工具，以具備利用相關技術進行創新及應用開發的能力。

人工智能安全與倫理風險

本課程探討人工智能與網絡安全的雙重關係：既涉及保障人工智能系統本身的安全，也涵蓋對人工智能為社會帶來的倫理風險的理解。學生將深入研究針對機器學習管線的對抗性威脅（包括資料投毒、模型逃脫、模型反演及成員推理攻擊），並學習相應的防禦技術，如對抗性訓練、差分隱私和模型驗證。同時，課程也將批判性地檢視人工智能部署中更廣泛的倫理與社會議題，包括演算法偏見與公平性、透明度與可解釋性（XAI）、自動化決策中的問責機制、大型語言模型在虛假資訊傳播方面的影響，以及負責任的人工智能治理框架的建構。透過分析現實世界中人工智能故障與安全漏洞的案例，學生將學習進行演算法影響評估，並設計出既具備技術穩健性、又符合倫理規範及新興監管要求的人工智能系統。

計算機思維與編程

本課程旨在為學生提供計算思維作為一種問題解決方法的基礎性介紹，並介紹其在程式設計中的實際應用。本課程專為沒有程式設計經驗的學生而設，並作為修讀後續技術課程的入門課程。課程圍繞著計算思維的四大支柱建構。學生將學習使用高級程式語言（Python）來實現這些概念。評估方式為項目式評估，要求學生將計算思維應用於真實的安全相關問題。此外，學生還將接觸到多種利用程式設計培養計算思維的教學方法，並對這些方法的有效性進行批判性分析。

雲安全與數據保護

本課程探討因廣泛採用雲運算架構而引發的安全挑戰及資料保護的必要性。課程基於「責任共擔」模型，明確界定了雲服務提供者與雲客戶之間的安全責任劃分。核心技術議題涵蓋雲架構安全性、雲原生環境下的身分與存取管理（IAM）、容器與無伺服器（Serverless）安全性、設定管理與基礎架構即程式碼（IaC）安全性、DevSecOps實踐，以及雲原生日誌記錄、監控與事件回應。此外，課程還將深入剖析重大雲安全事件及配置錯誤案例。

隱私、安全和政策

本課程聚焦於人工智能領域中隱私、安全與政策等關鍵議題。學生將探討人工智能創新發展與隨之而來的倫理、法律及社會影響之間錯綜複雜的平衡關係。課程涵蓋資料隱私的深入探討，重點在於分析人工智能如何影響資料收集、儲存與使用，並兼顧個人隱私保護。在安全性方面，課程將剖析人工智能系統固有的漏洞與威脅，並研究降低此類風險的策略。此外，課程也將探討人工智能治理議題，檢視國家及國際層面的現行與新興政策法規，並分析各類機構的安全事件案例。同時，課程將探討這些案例對組織變革及創新擴散在人工智能政策上的影響。

數據挖掘在趨勢分析和預測中的應用

本課程概述了數據挖掘及教育領域的基本概念。數據挖掘正日益廣泛地應用於優化教與學的過程及教育教學法。課程也將深入講解機率與統計知識，這些是建立及驗證關聯、分類和聚類模型的基礎；此類模型對於識別資料模式及基於歷史資料預測未來趨勢至關重要。此外，課程還涵蓋了STEM教育的相關概念，旨在讓學生設計STEM學習活動，並探討與STEM教育相關的社會及道德議題。

網絡安全專題計劃 

專題計劃讓學生在網絡安全領域內選擇感興趣的課題進行獨立研究。學生將運用在課程期間所學的知識與技能，針對研究問題展開探究，設計創新型解決方案，從而為該領域貢獻新見解，並有望實現研究成果的發表。該計劃包含一份詳盡的書面報告及一場口頭答辯，旨在展示學生設計、實施和評估網絡安全解決方案的能力。作為一項長期的應用型學習實踐，該計劃的最終成果形式多樣，可包括安全評估報告、可運行的原型系統或安全工具、亦或是實證研究；這有助於學生積累可展示的技術成果，為職業發展奠定基礎。在計劃開展期間，每位學生將獲得總計不少於 12 至 15 小時的定期一對一指導，並輔以由專案團隊組織的定期進度研討會和技術工作坊。特別值得一提的是，所有參與的學生均須在計劃啟動階段完成一系列必修的研究方法工作坊（時長 6 至 9 小時），內容涵蓋研究設計、文獻檢索與綜述、網絡安全研究方法、研究倫理及學術寫作，以在進入開題報告評估階段前切實提升其研究能力。