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 ed.] نویسندگان: Charles A. Kamhoua (editor), Christopher D. Kiekintveld (editor), Fei Fang (editor), Quanyan Zhu (editor) 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
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.
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:
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
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:
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.