Cybersecurity in Intelligent Networking Systems (IEEE Press)

به محافظت از سیستم شبکه خود با این کار مرجع مهم در مورد امنیت سایبری کمک کنید

امنیت سایبری و حریم خصوصی برای سیستم های شبکه مدرن از آنجایی که تهدیدات مخرب مختلفی راه‌اندازی شده‌اند که خدمات آنلاین حیاتی را مورد هدف قرار می‌دهند - مانند تجارت الکترونیک، سلامت الکترونیک، شبکه‌های اجتماعی و دیگر برنامه‌های کاربردی اصلی سایبری - حفاظت از اطلاعات مهم در برابر دسترسی حیاتی‌تر شده است. هوشمندی شبکه مبتنی بر داده یک پیشرفت حیاتی در حفاظت از امنیت سیستم های شبکه مدرن و تضمین حریم خصوصی اطلاعات است.

امنیت سایبری در سیستم‌های شبکه هوشمند مقدمه‌ای برای امنیت سایبری مبتنی بر داده، حفظ حریم خصوصی و یادگیری ماشینی متخاصم فراهم می‌کند. مقدمه ای جامع برای کاوش در فناوری ها، برنامه ها و مسائل در زیرساخت سایبری مبتنی بر داده ارائه می دهد. این یک سیستم جدید اطلاعاتی مبتنی بر داده را توصیف می‌کند که به ارائه حفاظت‌های قوی و قابل اعتماد با زیرساخت‌های سایبری لبه‌دار، موتورهای هوش مصنوعی (AI) مجهز به لبه و هوش تهدید کمک می‌کند. این کتاب با تمرکز بر پروتکل امنیتی مبتنی بر رمزگذاری، توانایی یک سیستم هوشمند شبکه را در کمک به هدف‌یابی و شناسایی دسترسی‌های غیرمجاز، تعاملات مخرب و تخریب فناوری اطلاعات و ارتباطات حیاتی برجسته می‌کند.

امنیت سایبری در سیستم‌های شبکه هوشمند خوانندگان همچنین خواهند یافت:

• مبانی هوش مصنوعی برای امنیت سایبری، از جمله هوش مصنوعی، یادگیری ماشین، و تهدیدات امنیتی
• جدیدترین فناوری‌ها در حفظ حریم خصوصی مبتنی بر داده، از جمله حریم خصوصی متفاوت ، یادگیری فدرال و رمزگذاری هم شکل
• حوزه‌های کلیدی در یادگیری ماشین متخاصم، از هر دو دیدگاه حمله و دفاع< /li>
• توصیف ناهنجاری‌های شبکه و تهدیدات سایبری
• اطلاعات پس‌زمینه در مورد هوش شبکه مبتنی بر داده برای امنیت سایبری
• هوش لبه قوی و ایمن برای تشخیص ناهنجاری شبکه در برابر نفوذ سایبری
• توضیحات مفصلی از طراحی پروتکل های امنیتی حفظ حریم خصوصی

امنیت سایبری در سیستم های شبکه هوشمند می باشد مرجعی ضروری برای همه مهندسین کامپیوتر و محققین حرفه ای در امنیت سایبری و هوش مصنوعی و همچنین دانشجویان تحصیلات تکمیلی در این رشته ها.

Help protect your network system with this important reference work on cybersecurity

Cybersecurity and privacy are critical to modern network systems. As various malicious threats have been launched that target critical online services—such as e-commerce, e-health, social networks, and other major cyber applications—it has become more critical to protect important information from being accessed. Data-driven network intelligence is a crucial development in protecting the security of modern network systems and ensuring information privacy.

Cybersecurity in Intelligent Networking Systems provides a background introduction to data-driven cybersecurity, privacy preservation, and adversarial machine learning. It offers a comprehensive introduction to exploring technologies, applications, and issues in data-driven cyber infrastructure. It describes a proposed novel, data-driven network intelligence system that helps provide robust and trustworthy safeguards with edge-enabled cyber infrastructure, edge-enabled artificial intelligence (AI) engines, and threat intelligence. Focusing on encryption-based security protocol, this book also highlights the capability of a network intelligence system in helping target and identify unauthorized access, malicious interactions, and the destruction of critical information and communication technology.

Cybersecurity in Intelligent Networking Systems readers will also find:

• Fundamentals in AI for cybersecurity, including artificial intelligence, machine learning, and security threats
• Latest technologies in data-driven privacy preservation, including differential privacy, federated learning, and homomorphic encryption
• Key areas in adversarial machine learning, from both offense and defense perspectives
• Descriptions of network anomalies and cyber threats
• Background information on data-driven network intelligence for cybersecurity
• Robust and secure edge intelligence for network anomaly detection against cyber intrusions
• Detailed descriptions of the design of privacy-preserving security protocols

Cybersecurity in Intelligent Networking Systems is an essential reference for all professional computer engineers and researchers in cybersecurity and artificial intelligence, as well as graduate students in these fields.