دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Leslie F. Sikos (Editor) سری: Intelligent Systems Reference Library ISBN (شابک) : 3319988417, 9783319988412 ناشر: Springer سال نشر: 2018 تعداد صفحات: 215 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب هوش مصنوعی در امنیت سایبری: هوش مصنوعی، یادگیری ماشین، دانش، امنیت سایبری، شبکهها، آنالیز قانونی، هستیشناسی، تشخیص نفوذ شبکه، اندروید
در صورت تبدیل فایل کتاب AI in Cybersecurity به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب هوش مصنوعی در امنیت سایبری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مجموعهای از پیشرفتهترین رویکردهای هوش مصنوعی در زمینه امنیت سایبری و اطلاعات تهدیدات سایبری، ارائه مکانیسمهای دفاعی استراتژیک برای بدافزار، رسیدگی به جرایم سایبری و ارزیابی آسیبپذیریها برای ارائه اقدامات متقابل پیشگیرانه به جای واکنشی را ارائه میکند. تنوع و دامنه کنونی تهدیدات امنیت سایبری بسیار فراتر از تواناییهای حتی ماهرترین متخصصان امنیتی است. علاوه بر این، تجزیه و تحلیل حوادث امنیتی دیروز دیگر کارشناسان را قادر به پیشبینی و جلوگیری از حملات فردا نمیکند، که این امر مستلزم رویکردهایی فراتر از شناسایی تهدیدات شناخته شده است. با این وجود، راههای امیدوارکنندهای وجود دارد: تطبیق رفتار پیچیده میتواند تهدیدها را بر اساس اقدامات انجامشده جدا کند، در حالی که یادگیری ماشینی میتواند به شناسایی ناهنجاریها، جلوگیری از عفونتهای بدافزار، کشف علائم فعالیتهای غیرقانونی و محافظت از داراییها در برابر هکرها کمک کند. به نوبه خود، بازنمایی دانش، استدلال خودکار را روی داده های شبکه امکان پذیر می کند و به دستیابی به آگاهی موقعیت سایبری کمک می کند. این کتاب با گردآوری مشارکتهای کارشناسان با کالیبر بالا، مسیرهای تحقیقاتی جدیدی را در این زمینه حیاتی و به سرعت در حال رشد پیشنهاد میکند.
This book presents a collection of state-of-the-art AI approaches to cybersecurity and cyberthreat intelligence, offering strategic defense mechanisms for malware, addressing cybercrime, and assessing vulnerabilities to yield proactive rather than reactive countermeasures. The current variety and scope of cybersecurity threats far exceed the capabilities of even the most skilled security professionals. In addition, analyzing yesterday’s security incidents no longer enables experts to predict and prevent tomorrow’s attacks, which necessitates approaches that go far beyond identifying known threats. Nevertheless, there are promising avenues: complex behavior matching can isolate threats based on the actions taken, while machine learning can help detect anomalies, prevent malware infections, discover signs of illicit activities, and protect assets from hackers. In turn, knowledge representation enables automated reasoning over network data, helping achieve cybersituational awareness. Bringing together contributions by high-caliber experts, this book suggests new research directions in this critical and rapidly growing field.
Front Matter ....Pages i-xvii
OWL Ontologies in Cybersecurity: Conceptual Modeling of Cyber-Knowledge (Leslie F. Sikos)....Pages 1-17
Knowledge Representation of Network Semantics for Reasoning-Powered Cyber-Situational Awareness (Leslie F. Sikos, Dean Philp, Catherine Howard, Shaun Voigt, Markus Stumptner, Wolfgang Mayer)....Pages 19-45
The Security of Machine Learning Systems (Luis Muñoz-González, Emil C. Lupu)....Pages 47-79
Patch Before Exploited: An Approach to Identify Targeted Software Vulnerabilities (Mohammed Almukaynizi, Eric Nunes, Krishna Dharaiya, Manoj Senguttuvan, Jana Shakarian, Paulo Shakarian)....Pages 81-113
Applying Artificial Intelligence Methods to Network Attack Detection (Alexander Branitskiy, Igor Kotenko)....Pages 115-149
Machine Learning Algorithms for Network Intrusion Detection (Jie Li, Yanpeng Qu, Fei Chao, Hubert P. H. Shum, Edmond S. L. Ho, Longzhi Yang)....Pages 151-179
Android Application Analysis Using Machine Learning Techniques (Takeshi Takahashi, Tao Ban)....Pages 181-205