دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Convergence of Deep Learning in Cyber-IoT Systems and Security
دانلود کتاب همگرایی یادگیری عمیق در سیستم های سایبری-IoT و امنیت
مشخصات کتاب
Convergence of Deep Learning in Cyber-IoT Systems and Security
ویرایش: نویسندگان: Rajdeep Chakraborty, Anupam Ghosh, Jyotsna Kumar Mandal, S. Balamurugan سری: Artificial Intelligence and Soft Computing for Industrial Transformation ISBN (شابک) : 111985721X, 9781119857211 ناشر: Wiley-Scrivener سال نشر: 2022 تعداد صفحات: 470 [472] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 51 Mb
قیمت کتاب (تومان) : 35,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Convergence of Deep Learning in Cyber-IoT Systems and Security 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 همگرایی یادگیری عمیق در سیستم های سایبری-IoT 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.
توضیحاتی در مورد کتاب همگرایی یادگیری عمیق در سیستم های سایبری-IoT و امنیت
همگرایی یادگیری عمیق در سیستم‌های IOT و امنیت
سایبری
تجزیه و تحلیل عمیق سیستم‌های سایبری اینترنت اشیا مبتنی بر یادگیری عمیق و امنیت که پیشرو صنعت برای ده سال آینده خواهد بود. .
هدف اصلی این کتاب ارائه روش‌های رمزنگاری غیر متعارف برای تامین امنیت سایبری از جمله امنیت سیستم فیزیکی سایبری و امنیت اینترنت اشیا از طریق تکنیک‌های یادگیری عمیق و تجزیه و تحلیل است. مطالعه همه این سیستم ها
این کتاب راه‌حل‌های نوآورانه و پیاده‌سازی مدل‌های مبتنی بر یادگیری عمیق در سیستم‌های سایبری اینترنت اشیا و همچنین مسائل امنیتی آشکار در این سیستم‌ها را ارائه می‌دهد. 20 فصل در چهار بخش تنظیم شده است. بخش اول رویکردهای مختلفی را ارائه می‌کند که از یادگیری ماشینی تا یادگیری عمیق تکامل یافته‌اند. بخش دوم راه‌حل‌ها، الگوریتم‌ها، مدل‌ها و پیاده‌سازی‌های ابتکاری بسیاری را بر اساس یادگیری عمیق ارائه می‌کند. بخش سوم جنبه های امنیتی و ایمنی را با یادگیری عمیق پوشش می دهد. بخش چهارم جزئیات سیستم های فیزیکی-سایبری و همچنین بحثی در مورد امنیت و تهدیدات در سیستم های فیزیکی-سایبری با راه حل های احتمالی است.
مخاطبان
محققان و مهندسان صنعت در علوم کامپیوتر، فناوری اطلاعات، الکترونیک و ارتباطات، امنیت سایبری و رمزنگاری. span>
توضیحاتی درمورد کتاب به خارجی
CONVERGENCE OF DEEP LEARNING IN CYBER-IOT SYSTEMS AND
SECURITY
In-depth analysis of Deep Learning-based cyber-IoT systems and security which will be the industry leader for the next ten years.
The main goal of this book is to bring to the fore unconventional cryptographic methods to provide cyber security, including cyber-physical system security and IoT security through deep learning techniques and analytics with the study of all these systems.
This book provides innovative solutions and implementation of deep learning-based models in cyber-IoT systems, as well as the exposed security issues in these systems. The 20 chapters are organized into four parts. Part I gives the various approaches that have evolved from machine learning to deep learning. Part II presents many innovative solutions, algorithms, models, and implementations based on deep learning. Part III covers security and safety aspects with deep learning. Part IV details cyber-physical systems as well as a discussion on the security and threats in cyber-physical systems with probable solutions.
Audience
Researchers and industry engineers in computer science, information technology, electronics and communication, cybersecurity and cryptography.
