Information Fusion for Cyber-Security Analytics

این کتاب چندین شکاف را برجسته می‌کند که در تحقیقات امنیت سایبری موجود به آنها پرداخته نشده است. ابتدا تکنیک‌های پیش‌بینی حمله اخیر را مورد بحث قرار می‌دهد که از یک یا چند جنبه از اطلاعات برای ایجاد مدل‌های پیش‌بینی حمله استفاده می‌کنند. بخش دوم به روندهای جدید در آمیختگی اطلاعات و کاربرد آنها در امنیت سایبری اختصاص دارد. به طور خاص، تجزیه و تحلیل داده های نمودار برای امنیت سایبری، تشخیص و کنترل ترافیک ناخواسته بر اساس شبکه های تعریف شده نرم افزار مدیریت اعتماد، امنیت در شبکه های حسگر بی سیم و برنامه های کاربردی آنها، و روندهای نوظهور در طراحی سیستم های امنیتی با استفاده از مفهوم بیومتریک رفتار اجتماعی. این کتاب طراحی ابزارهای تجاری جدید را راهنمایی می کند که می توانند برای بهبود دقت مدل های پیش بینی حمله موجود معرفی شوند. علاوه بر این، این کتاب استفاده از سیستم‌های تشخیص نفوذ مبتنی بر دانش (IDS) را برای تکمیل فناوری‌های IDS موجود پیش می‌برد. هدف آن محققین امنیت سایبری است.

This book highlights several gaps that have not been addressed in existing cyber security research. It first discusses the recent attack prediction techniques that utilize one or more aspects of information to create attack prediction models. The second part is dedicated to new trends on information fusion and their applicability to cyber security; in particular, graph data analytics for cyber security, unwanted traffic detection and control based on trust management software defined networks, security in wireless sensor networks & their applications, and emerging trends in security system design using the concept of social behavioral biometric. The book guides the design of new commercialized tools that can be introduced to improve the accuracy of existing attack prediction models. Furthermore, the book advances the use of Knowledge-based Intrusion Detection Systems (IDS) to complement existing IDS technologies. It is aimed towards cyber security researchers.