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: Soma Halder. Sinan Ozdemir
سری:
ISBN (شابک) : 9781788990967, 178899096X
ناشر: Packt Publishing
سال نشر: 2018
تعداد صفحات: vii+293
[306]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 Mb
در صورت تبدیل فایل کتاب Hands-On Machine Learning for Cybersecurity: Safeguard your system by making your machines intelligent using the Python ecosystem 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 یادگیری ماشینی دستی برای امنیت سایبری: با هوشمند کردن ماشین های خود با استفاده از اکوسیستم پایتون از سیستم خود محافظت کنید 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 با ارائه اصول اولیه ML در امنیت سایبری با استفاده از پایتون و کتابخانه های آن آغاز می شود. شما دامنه های مختلف ML (مانند تجزیه و تحلیل سری های زمانی و مدل سازی مجموعه) را بررسی خواهید کرد تا پایه های خود را درست انجام دهید. شما نمونه های مختلفی مانند ساخت سیستم برای شناسایی URL های مخرب و ساخت برنامه ای برای شناسایی ایمیل های جعلی و هرزنامه ها را پیاده سازی خواهید کرد. بعداً یاد خواهید گرفت که چگونه از الگوریتم K-means برای ایجاد راه حلی برای شناسایی و هشدار دادن به هرگونه فعالیت مخرب در شبکه استفاده کنید. همچنین بیاموزید که چگونه بیومتریک و اثر انگشت را پیاده سازی کنید تا تأیید کنید آیا کاربر یک کاربر قانونی است یا خیر.
The book begins by giving you the basics of ML in cybersecurity using Python and its libraries. You will explore various ML domains (such as time series analysis and ensemble modeling) to get your foundations right. You will implement various examples such as building system to identify malicious URLs, and building a program to detect fraudulent emails and spam. Later, you will learn how to make effective use of K-means algorithm to develop a solution to detect and alert you to any malicious activity in the network. Also learn how to implement biometrics and fingerprint to validate whether the user is a legitimate user or not.