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:
نویسندگان: Padmavathi Ganapathi (editor). D. Shanmugapriya (editor)
سری:
ISBN (شابک) : 1522596119, 9781522596110
ناشر: Information Science Reference
سال نشر: 2020
تعداد صفحات: 507
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 15 مگابایت
در صورت تبدیل فایل کتاب Handbook of Research on Machine and Deep Learning Applications for Cyber Security (Advances in Information Security, Privacy, and Ethics) 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 کتابچه راهنمای تحقیق در مورد کاربردهای ماشینی و یادگیری عمیق برای امنیت سایبری (پیشرفت در امنیت اطلاعات، حریم خصوصی و اخلاقیات) 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 به بررسی استفاده از یادگیری ماشینی و کاربردهای یادگیری عمیق در زمینههای امنیت سایبری و مکانیسمهای مدیریت حملات سایبری میپردازد"--
"This book explores the use of machine learning and deep learning applications in the areas of cyber security and cyber-attack handling mechanisms"--
Cover Title Page Copyright Page Book Series List of Contributors Table of Contents Detailed Table of Contents Foreword Preface Acknowledgment Chapter 1: Review on Intelligent Algorithms for Cyber Security Chapter 2: A Review on Cyber Security Mechanisms Using Machine and Deep Learning Algorithms Chapter 3: Review on Machine and Deep Learning Applications for Cyber Security Chapter 4: Applications of Machine Learning in Cyber Security Domain Chapter 5: Applications of Machine Learning in Cyber Security Chapter 6: Malware and Anomaly Detection Using Machine Learning and Deep Learning Methods Chapter 7: Cyber Threats Detection and Mitigation Using Machine Learning Chapter 8: Hybridization of Machine Learning Algorithm in Intrusion Detection System Chapter 9: A Hybrid Approach to Detect the Malicious Applications in Android-Based Smartphones Using Deep Learning Chapter 10: Anomaly-Based Intrusion Detection Chapter 11: Traffic Analysis of UAV Networks Using Enhanced Deep Feed Forward Neural Networks (EDFFNN) Chapter 12: A Novel Biometric Image Enhancement Approach With the Hybridization of Undecimated Wavelet Transform and Deep Autoencoder Chapter 13: A 3D-Cellular Automata-Based Publicly-Verifiable Threshold Secret Sharing Chapter 14: Big Data Analytics for Intrusion Detection Chapter 15: Big Data Analytics With Machine Learning and Deep Learning Methods for Detection of Anomalies in Network Traffic Chapter 16: A Secure Protocol for High-Dimensional Big Data Providing Data Privacy Chapter 17: A Review of Machine Learning Methods Applied for Handling Zero-Day Attacks in the Cloud Environment Chapter 18: Adoption of Machine Learning With Adaptive Approach for Securing CPS Chapter 19: Variable Selection Method for Regression Models Using Computational Intelligence Techniques Compilation of References About the Contributors Index