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
ویرایش: نویسندگان: Govind P. Gupta, Rakesh Tripathi, Brij B. Gupta, Kwok Tai Chui سری: ISBN (شابک) : 1032206446, 9781032206448 ناشر: CRC Press سال نشر: 2023 تعداد صفحات: 232 [233] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 41 Mb
در صورت تبدیل فایل کتاب Big Data Analytics in Fog-Enabled IoT Networks: Towards a Privacy and Security Perspective 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 تجزیه و تحلیل دادههای بزرگ در شبکههای اینترنت اشیاء مجهز به مه: به سوی دیدگاه حفظ حریم خصوصی و امنیت 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.
ادغام محاسبات مه با شبکه اینترنت اشیا (IoT) با منابع محدود، مفهوم سیستم اینترنت اشیاء مجهز به مه را فرموله می کند. با توجه به تعداد زیاد دستگاه های اینترنت اشیا، اینترنت اشیا منبع اصلی داده های بزرگ است. حجم زیادی از داده های سنجش توسط سیستم های IoT مانند شهرهای هوشمند و برنامه های کاربردی شبکه هوشمند تولید می شود. یک موضوع تحقیقاتی اساسی این است که چگونه می توان یک راه حل تجزیه و تحلیل داده سریع و کارآمد برای سیستم های اینترنت اشیاء مجهز به مه ارائه کرد. تجزیه و تحلیل داده های بزرگ در شبکه های اینترنت اشیاء مجهز به مه: به سوی یک دیدگاه حریم خصوصی و امنیت<. span> بر روی تجزیه و تحلیل داده های بزرگ در یک سیستم اینترنت اشیا با مه فعال شده تمرکز می کند و مجموعه ای جامع از فصول را ارائه می دهد که به مسائل مختلف مربوط به سیستم های مراقبت های بهداشتی، تشخیص تهدیدات سایبری، تشخیص بدافزار، و امنیت و حریم خصوصی داده های بزرگ اینترنت اشیا و شبکههای اینترنت اشیا.
این کتاب همچنین بر درک بیشتر رویکردهای مختلف امنیتی و حریم خصوصی با استفاده از فناوریهای هوش مصنوعی پیشرفته و دادههای بزرگ مانند یادگیری ماشینی و عمیق، یادگیری فدرال، تاکید و تسهیل میکند. بلاک چین، و محاسبات لبه، و همچنین اقدامات متقابل برای غلبه بر آسیبپذیریهای سیستم اینترنت اشیا مجهز به مه.
The integration of fog computing with the resource-limited Internet of Things (IoT) network formulates the concept of the fog-enabled IoT system. Due to a large number of IoT devices, the IoT is a main source of Big Data. A large volume of sensing data is generated by IoT systems such as smart cities and smart-grid applications. A fundamental research issue is how to provide a fast and efficient data analytics solution for fog-enabled IoT systems. Big Data Analytics in Fog-Enabled IoT Networks: Towards a Privacy and Security Perspective focuses on Big Data analytics in a fog-enabled-IoT system and provides a comprehensive collection of chapters that touch on different issues related to healthcare systems, cyber-threat detection, malware detection, and the security and privacy of IoT Big Data and IoT networks.
This book also emphasizes and facilitates a greater understanding of various security and privacy approaches using advanced artificial intelligence and Big Data technologies such as machine and deep learning, federated learning, blockchain, and edge computing, as well as the countermeasures to overcome the vulnerabilities of the fog-enabled IoT system.
Cover Half Title Title Page Copyright Page Contents Preface About the Editors Contributors Chapter 1: Deep Learning Techniques in Big Data-Enabled Internet-of-Things Devices Chapter 2: Iomt-Based Smart Health Monitoring: The Future of Health Care Chapter 3: A Review on Intrusion Detection Systems and Cyber Threat Intelligence for Secure Iot-Enabled Networks: Challenges and Directions Chapter 4: Self-Adaptive Application Monitoring for Decentralized Edge Frameworks Chapter 5: Federated Learning and its Application in Malware Detection Chapter 6: An Ensemble XGBoost Approach for the Detection of Cyber-Attacks in the Industrial IoT Domain Chapter 7: A Review on Iot for the Application of Energy, Environment, and Waste Management: System Architecture and Future Directions Chapter 8: Analysis of Feature Selection Methods for Android Malware Detection Using Machine Learning Techniques Chapter 9: An Efficient Optimizing Energy Consumption Using Modified Bee Colony Optimization in Fog and Iot Networks Index