사이버 위협 예측 이론
- 사이버 위협 예측 정의
- 기존 사이버 위협 예측 방법 및 한계

LLM/RAG 이론
- LLM의 이점과 한계
- LLM과 RAG
- RAG 구성요소 및 RAG의 활용

사이버위협 예측을 위한 RAG Dataset 구축
- RAG 구축을 위한 Langchain 활용법
- (실습) 보안 리포트 기반의 RAG Dataset 구축
- (실습) 구축된 RAG와 LLM의 활용

사이버위협 예측 파이프라인 구축 (1)
- 패킷데이터 내 예측을 위한 증거 추출
- (실습) 패킷데이터 증거 추출 파이프라인 구축

사이버위협 예측 파이프라인 구축 (2)
- 패킷데이터 내 증거와 RAG의 결합
- 기존 LLM 기반의 사이버위협 예측의 한계
- (실습) LLM-RAG 결합 파이프라인 구축 / 성능비교

사이버위협 예측 파이프라인 구축 (3)
- 사이버위협 예측을 위한 Prompt-Tuning
- (실습) 사이버위협 예측 파이프라인 Prompt-Tuning
- (실습) 구축된 파이프라인 성능 평가

LLM 한계 해결방안
- LLM 환각과 위험
- LLM 환각의 해결방법
- 사이버위협 예측 파이프라인의 한계

LLM/RAG 파이프라인 고도화
- 한계 극복을 위한 파이프라인 설계 방법
- RAG 고도화 기법
- (실습) LLM/RAG 파이프라인 고도화

AI Agent 이론
- AI Agent란?
- AI Agent의 구성 요소 및 활용

AI Agent 활용
- AI Agent를 위한 LangChain
- (실습) AI Agent 추론 LLM 구축

사이버위협 예측과 AI Agent 결합(1)
- AI Agent 결합을 위합 예측 파이프라인 구축
- (실습) 사이버 위협 예측을 위한 AI Agent Tool 구축

사이버위협 예측과 AI Agent 결합(2)
- AI Agent 아키텍처
- (실습) AI Agent 아키텍처 구축