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: 1
نویسندگان: Scott Mongeau. Andrzej Hajdasinski
سری:
ISBN (شابک) : 3030748952, 9783030748951
ناشر: Springer
سال نشر: 2021
تعداد صفحات: 410
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Cybersecurity Data Science: Best Practices in an Emerging Profession 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 علم داده های امنیت سایبری: بهترین شیوه ها در یک حرفه در حال ظهور 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 شامل یک کاوش سیستماتیک از علوم داده امنیت سایبری (CSDS) به عنوان یک حرفه در حال ظهور است که بر روی تمرین فعلی در مقابل ایده آل تمرکز دارد. این کتاب همچنین چالش های پیش روی حرفه نوظهور CSDS را تجزیه و تحلیل می کند، شکاف های کلیدی را تشخیص می دهد و درمان هایی را برای تسهیل پیشرفت تجویز می کند. بر اساس رشته مدیریت سیستم های اطلاعاتی (MIS)، بینش ها از تجزیه و تحلیل ادبیات و مصاحبه با 50 پزشک جهانی CSDS حاصل می شود. CSDS به عنوان یک فرآیند تشخیصی مبتنی بر روش علمی در سراسر
علم داده امنیت سایبری (CSDS) یک رشته به سرعت در حال تکامل است که روشهای علم داده را به کار میگیرد. به چالش های امنیت سایبری CSDS نشان دهنده علاقه فزاینده به استفاده از روش های آماری، تحلیلی و مبتنی بر یادگیری ماشین مبتنی بر داده برای رسیدگی به شکاف های امنیتی رو به رشد است. این کتاب یک ارزیابی سیستماتیک از حوزه در حال توسعه ارائه می دهد. حمایت برای تقویت سختگیری حرفه ای و بهترین شیوه ها در حرفه نوظهور CSDS ارائه می شود.
این کتاب برای طیف وسیعی از متخصصان مرتبط با امنیت سایبری و علم داده، در حوزههای حرفهای، تجاری، بخش عمومی و دانشگاهی مورد علاقه خواهد بود. بهترین شیوههای چارچوببندی شده برای شاغلین CSDS، متخصصان امنیتی، مباشران مدیریت ریسک، و ذینفعان سازمانی مورد علاقه خواهد بود. دیدگاههای سازمانی و صنعتی مورد توجه تحلیلگران، مدیران، برنامهریزان، استراتژیستها و تنظیمکنندههای امنیت سایبری خواهد بود. متخصصان پژوهشی و دانشگاهیان با یک تجزیه و تحلیل سیستماتیک از زمینه CSDS، از جمله مروری بر وضعیت هنر، ارزیابی ساختاریافته چالشهای کلیدی، بهترین شیوههای توصیهشده، و کتابشناسی گسترده ارائه میشوند.
This book encompasses a systematic exploration of Cybersecurity Data Science (CSDS) as an emerging profession, focusing on current versus idealized practice. This book also analyzes challenges facing the emerging CSDS profession, diagnoses key gaps, and prescribes treatments to facilitate advancement. Grounded in the management of information systems (MIS) discipline, insights derive from literature analysis and interviews with 50 global CSDS practitioners. CSDS as a diagnostic process grounded in the scientific method is emphasized throughout
Cybersecurity Data Science (CSDS) is a rapidly evolving discipline which applies data science methods to cybersecurity challenges. CSDS reflects the rising interest in applying data-focused statistical, analytical, and machine learning-driven methods to address growing security gaps. This book offers a systematic assessment of the developing domain. Advocacy is provided to strengthen professional rigor and best practices in the emerging CSDS profession.
This book will be of interest to a range of professionals associated with cybersecurity and data science, spanning practitioner, commercial, public sector, and academic domains. Best practices framed will be of interest to CSDS practitioners, security professionals, risk management stewards, and institutional stakeholders. Organizational and industry perspectives will be of interest to cybersecurity analysts, managers, planners, strategists, and regulators. Research professionals and academics are presented with a systematic analysis of the CSDS field, including an overview of the state of the art, a structured evaluation of key challenges, recommended best practices, and an extensive bibliography.
Foreword Preface Acknowledgments Contents List of Figures List of Tables Chapter 1: Summary Introduction 1.1 Summary Overview 1.2 Motivations and Audience 1.3 Research Questions and Management Problems Addressed 1.4 Research Process and Methods 1.5 Theoretical Contributions 1.6 Contributions to Management Practice Chapter 2: Phase I: CSDS as an Emerging Profession—Diagnostic Literature Analysis 2.1 Research Objectives 2.2 CSDS in a Management Research Context 2.2.1 Working Definition 2.2.2 Expanding Scope, Scale, and Risk 2.2.3 Adversarial Advantages 2.2.4 Managerial Responses to Growing Challenges 2.2.5 Market Responses and Distortions 2.2.6 Management of Information Systems (MIS) Context 2.2.7 Professional Maturity Model 2.3 Cybersecurity as a Profession 2.3.1 Origins and Definitions 2.3.2 Managing and Assuring 2.3.3 Academic Programs and Research 2.3.4 Professional Organizations and Certifications 2.3.5 Frameworks 2.3.6 Professional Status 2.4 Data Science as a Profession 2.4.1 Origins and Definitions 2.4.2 Organizational Job Role 2.4.3 Academic Programs and Research 2.4.4 Professional Organizations and Certifications 2.4.5 Frameworks 2.4.6 Professional Status 2.5 CSDS as an Emerging Hybrid Profession 2.5.1 Origins and Definitions 2.5.2 The Data-Driven Paradigm in Cybersecurity 2.5.3 Academic Programs and Research 2.5.4 Professional Organizations and Certifications 2.5.5 Frameworks 2.5.6 Professionalization Status 2.6 Literature Analysis Outcomes 2.6.1 Result 1: CSDS Comparative Professional Maturity Gaps 2.6.2 Result 2: CSDS Functional Demand Model 2.6.3 Result 3: CSDS Literature Corpus 2.6.4 Result 4: CSDS Literature Gap Analysis 2.6.5 Result 5: CSDS Sensitizing Concepts 2.6.6 Result 6: Methodological Concepts 2.7 Summary of Literature Analysis Results 2.7.1 Research Relevance 2.7.2 Meta-theoretical Implications 2.7.3 Managerial Relevance 2.7.4 Research Questions Addressed Chapter 3: Phase II: CSDS Practitioners—Diagnostic Opinion Research and Gap Analysis 3.1 Research Objectives 3.2 Qualitative Component: Diagnostic Interview Research 3.2.1 Interview Research Preparation and Planning 3.2.1.1 Establishing Context 3.2.1.2 Qualitative Research Overview 3.2.1.3 Interview Research Process 3.2.1.4 Methodological Underpinnings 3.2.1.5 Sensitizing Concepts 3.2.1.6 Interview Questions and Format 3.2.1.7 Interviewee Selection 3.2.1.8 Interviewee Demographics 3.2.1.9 Logistics and Responses 3.2.2 Initial Coding and Refinement 3.2.2.1 Open Coding and Refinement Process 3.2.2.2 Open Codes and Categories 3.2.2.3 Memoing Insights 3.2.2.4 Final Ordered Codebook 3.2.3 Structured Coding and Results 3.2.3.1 Selective Axial Coding Process 3.2.3.2 Challenge Codes and Results 3.2.3.3 Best Practice Codes and Results 3.2.3.4 Adjacent Domains Codes and Results 3.2.3.5 Adversarial Trends Codes and Results 3.2.3.6 Demographic and Professional Experience Observations 3.2.3.7 Thematic Insights via Text Analytics 3.2.3.8 Summary of Mixed Method Qualitative Insights 3.3 Quantitative Component: Diagnostic Gap Analysis 3.3.1 Overview of Analytical Methods 3.3.2 Methodological Underpinnings 3.3.3 Logistic Fitting of Challenges with Best Practices 3.3.4 Exploratory Factor Analysis and Interpretations 3.3.5 Factor Substantiation 3.3.6 Factor-to-Factor Fitting 3.3.7 Gap-Prescription Extrapolation 3.4 Summary of Extrapolated Insights 3.4.1 Mixed Method Diagnostic Gap Analysis 3.4.2 Research Relevance 3.4.3 Managerial Relevance 3.4.4 Research Questions Addressed Chapter 4: Phase III: CSDS Gap-Prescriptions—Design Science Problem-Solving 4.1 Research Objectives 4.2 Framing CSDS Design Prescriptions 4.2.1 CSDS Gaps in Context 4.2.2 Cybersecurity Challenges Redux 4.2.3 Data Science Challenges Redux 4.2.4 Towards Design Science Prescriptions 4.3 Design Prescription I: Data Management 4.3.1 Problem-Solving Requirements 4.3.2 Data Preparation as a Process 4.3.3 Specifying Data Structures 4.3.4 Exploratory Data Analysis (EDA) 4.3.5 Feature Engineering 4.3.6 Analytics Process Models 4.3.7 Summary of Design Prescription I: Data Management 4.4 Design Prescription II: Scientific Processes 4.4.1 Problem-Solving Requirements 4.4.2 Operationalizing Scientific Discovery 4.4.3 Extrapolating Experimental Evidence 4.4.4 Integrating Prediction and Explanation 4.4.5 Model Context and Validation 4.4.6 Towards Cybersecurity Theory 4.4.7 Summary of Design Prescription II: Scientific Processes 4.5 Design Prescription III: Cross-Domain Collaboration 4.5.1 Problem-Solving Requirements 4.5.2 Collaborative Science in the Enterprise 4.5.3 Aligning Organizational Incentives 4.5.4 CSDS Curricula for Cross-Training 4.5.5 Summary of Design Prescription III: Cross-Domain Collaboration 4.6 Summary of Design Prescriptions 4.6.1 Overview of Prescribed Designs 4.6.2 Research Relevance 4.6.3 Managerial Relevance 4.6.4 Research Questions Addressed Chapter 5: Research Conclusions and Discussion 5.1 Summary of Research Motivations 5.2 Summary of Research Objectives and Questions Addressed 5.2.1 Phase 1 (Section 1) 5.2.2 Phase 2 (Section 2) 5.2.3 Phase 3 (Section 3) 5.3 Summary of Research Process, Methods, and Outcomes 5.3.1 Phase I: Diagnostic Background (Literature) Analysis—CSDS as an Emerging Profession 5.3.2 Phase II: Diagnostic Opinion Research and Gap Analysis—Interviews and Mixed Method Analysis 5.3.3 Phase III: Design Science Problem-Solving—CSDS Gap-Prescription Designs 5.4 Academic, Theoretical, and Methodological Contributions 5.5 Limitations of Research 5.6 Future Research Foundations Chapter 6: Managerial Recommendations 6.1 Management Problems 6.2 Management Problems Addressed 6.3 Summary of Stakeholders Served 6.4 Guidance for CSDS and Related Practitioners 6.5 Guidance for Managers and Security Stewards 6.6 Guidance for Firms and Service Providers 6.7 Guidance for Nation-States and Regulators References