ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Game Theory and Machine Learning for Cyber Security

دانلود کتاب تئوری بازی و یادگیری ماشین برای امنیت سایبری

Game Theory and Machine Learning for Cyber Security

مشخصات کتاب

Game Theory and Machine Learning for Cyber Security

ویرایش: [1 ed.] 
نویسندگان: , , ,   
سری:  
ISBN (شابک) : 1119723922, 9781119723929 
ناشر: Wiley-IEEE Press 
سال نشر: 2021 
تعداد صفحات: 576
[547] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 Mb 

قیمت کتاب (تومان) : 50,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 3


در صورت تبدیل فایل کتاب Game Theory and Machine Learning for Cyber 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 تئوری بازی و یادگیری ماشین برای 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.


توضیحاتی در مورد کتاب تئوری بازی و یادگیری ماشین برای امنیت سایبری



از مبانی یادگیری ماشین و نظریه بازی در امنیت سایبری فراتر بروید و به آخرین تحقیقات در این زمینه پیشرفته بروید 

در تئوری بازی و یادگیری ماشین برای امنیت سایبری، تیمی از محققین خبره امنیت مجموعه‌ای از مشارکت‌های تحقیقاتی مرکزی را از یادگیری ماشین و نظریه بازی‌های قابل اجرا در امنیت سایبری ارائه می‌کنند. ویراستاران برجسته منابعی را گنجانده‌اند که به سؤالات تحقیقاتی باز در نظریه بازی و یادگیری ماشینی که در سیستم‌های امنیت سایبری اعمال می‌شود، می‌پردازد و نقاط قوت و محدودیت‌های مدل‌های نظری بازی‌های فعلی را برای امنیت سایبری بررسی می‌کند.

خوانندگان آسیب‌پذیری‌های الگوریتم‌های یادگیری ماشین سنتی و چگونگی کاهش آن‌ها را در رویکرد یادگیری ماشینی متخاصم بررسی خواهند کرد. این کتاب مجموعه جامعی از راه‌حل‌ها را برای طیف گسترده‌ای از مسائل فنی در کاربرد نظریه بازی و یادگیری ماشین برای حل چالش‌های امنیت سایبری ارائه می‌کند.

با مقدمه‌ای بر مفاهیم بنیادی در نظریه بازی‌ها، یادگیری ماشین، امنیت سایبری و فریب سایبری، ویراستاران منابعی را در اختیار خوانندگان قرار می‌دهند که در مورد جدیدترین بازی‌ها، نظریه بازی‌های رفتاری، یادگیری ماشین خصمانه، مولد بحث می‌کنند. شبکه های متخاصم و یادگیری تقویتی چند عاملی.

خوانندگان همچنین از موارد زیر لذت خواهند برد: 

  • معرفی کامل بر نظریه بازی برای فریب سایبری، از جمله الگوریتم‌های مقیاس‌پذیر برای شناسایی مهاجمان مخفی در چارچوب نظری بازی، تخصیص Honeypot بر روی نمودارهای حمله و بازی‌های رفتاری برای فریب سایبری 
  • کاوشی در نظریه بازی برای امنیت سایبری، از جمله تشخیص مداخله متخاصم مبتنی بر نظری بازی در برابر تهدیدهای مداوم و پیشرفته 
  • مباحث عملی در مورد یادگیری ماشین خصمانه برای امنیت سایبری، از جمله یادگیری ماشین متخاصم در امنیت 5G و تزریق خطا مبتنی بر یادگیری ماشین در سیستم‌های فیزیکی سایبری 
  • بررسی‌های عمیق مدل‌های مولد برای امنیت سایبری  

ایده‌آل برای محققان، دانشجویان و کارشناسان در زمینه‌های علوم و مهندسی کامپیوتر، تئوری بازی و یادگیری ماشین برای امنیت سایبری همچنین یک منبع ضروری برای متخصصان صنعت، پرسنل نظامی، محققان، اساتید و دانشجویان است. با علاقه به امنیت سایبری


توضیحاتی درمورد کتاب به خارجی

Move beyond the foundations of machine learning and game theory in cyber security to the latest research in this cutting-edge field 

In Game Theory and Machine Learning for Cyber Security, a team of expert security researchers delivers a collection of central research contributions from both machine learning and game theory applicable to cybersecurity. The distinguished editors have included resources that address open research questions in game theory and machine learning applied to cyber security systems and examine the strengths and limitations of current game theoretic models for cyber security. 

Readers will explore the vulnerabilities of traditional machine learning algorithms and how they can be mitigated in an adversarial machine learning approach. The book offers a comprehensive suite of solutions to a broad range of technical issues in applying game theory and machine learning to solve cyber security challenges. 

Beginning with an introduction to foundational concepts in game theory, machine learning, cyber security, and cyber deception, the editors provide readers with resources that discuss the latest in hypergames, behavioral game theory, adversarial machine learning, generative adversarial networks, and multi-agent reinforcement learning. 

Readers will also enjoy: 

  • A thorough introduction to game theory for cyber deception, including scalable algorithms for identifying stealthy attackers in a game theoretic framework, honeypot allocation over attack graphs, and behavioral games for cyber deception 
  • An exploration of game theory for cyber security, including actionable game-theoretic adversarial intervention detection against persistent and advanced threats 
  • Practical discussions of adversarial machine learning for cyber security, including adversarial machine learning in 5G security and machine learning-driven fault injection in cyber-physical systems 
  • In-depth examinations of generative models for cyber security  

Perfect for researchers, students, and experts in the fields of computer science and engineering, Game Theory and Machine Learning for Cyber Security is also an indispensable resource for industry professionals, military personnel, researchers, faculty, and students with an interest in cyber security. 





نظرات کاربران