Le cours « Intelligence Artificielle et Sécurité des Réseaux » est scindé en quatre chapitres (unités d’apprentissage), où chaque chapitre est organisé en séquences pédagogiques permettant l'assimilation des différents concepts prévus. Des activités d’apprentissages sont incluses dans chaque unité d’apprentissage afin de consolider la compréhension des différentes notions et concepts abordés. L'ensemble des unités d'apprentissage sont décrites comme suit :

1. Détection d’intrusion : concepts et classification : Cette unité aborde les différentes attaques réseau les plus courantes, ainsi que toutes les définitions pertinentes sur les Systèmes de Détection d’Intrusion (IDS) et une classification des IDS actuels, basée sur leur emplacement et l’approche adoptée.
2. Techniques de l'IA pour la détection d'intrusion : Cette unité présente des applications des techniques de l'apprentissage automatique à des problèmes de sécurité. Dans cette unité, différents exemples sont présentés sur la façon dont l'apprentissage automatique peut être appliqué à des problèmes comme la détection des attaques réseaux, la classification des logiciels malveillants ou l'analyse réseau.
3.  Méthodes Deep Learning : Cette unité est consacrée à l’étude des techniques de Deep Learning, leur principe de fonctionnement, ainsi que leur utilisation pour la détection d'intrusion réseau.
4.  Principaux datasets : Cette unité est dédiée à la présentation des principaux ensembles de données (datasets) utilisés pour le test et l’évaluation des IDS.