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
دسته بندی: آموزشی ویرایش: 1 نویسندگان: Lui Sha, Sathish Gopalakrishnan, Xue Liu, Qixin Wang (auth.), Philip S. Yu, Jeffrey J. P. Tsai (eds.) سری: ISBN (شابک) : 9780387887340, 2009920473 ناشر: Springer US سال نشر: 2009 تعداد صفحات: 363 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب آموزش ماشین در Cyber Trust: امنیت، حریم خصوصی و قابلیت اطمینان: هوش مصنوعی (شامل رباتیک)، داده کاوی و کشف دانش، سیستم ها و امنیت داده ها
در صورت تبدیل فایل کتاب Machine Learning in Cyber Trust: Security, Privacy, and Reliability 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 آموزش ماشین در Cyber Trust: امنیت، حریم خصوصی و قابلیت اطمینان 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.
بسیاری از سیستمهای رایانهای شبکهای در برابر حملات سایبری که میتواند عملکرد آنها را مختل کند، دادههای مهم را خراب کند یا اطلاعات خصوصی را افشا کند، بسیار آسیبپذیر هستند. جای تعجب نیست که حوزه سیستمهای مبتنی بر سایبری به یک زمین مساعد تبدیل میشود که در آن بسیاری از وظایف را میتوان به عنوان مشکلات یادگیری فرموله کرد و از نظر الگوریتمهای یادگیری ماشین به آنها نزدیک شد.
این کتاب حاوی مطالب اصلی توسط محققان برجسته در این منطقه است و کاربردهای روشهای مختلف یادگیری ماشینی در مسائل امنیتی، حریم خصوصی و قابلیت اطمینان فضای سایبری را پوشش میدهد. این خوانندگان را قادر میسازد تا کشف کنند که چه نوع روشهای یادگیری در اختیار دارند، وضعیت تمرین در این زمینه مهم را خلاصه میکند و یک طبقهبندی از کارهای موجود ارائه میدهد.
ویژگیهای خاص شامل موارد زیر است:
کسانی که در زمینه سیستم های مبتنی بر سایبری کار می کنند، از جمله مدیران صنعتی، محققین، مهندسان، و دانشجویان فارغ التحصیل و ارشد، این راهنمای ضروری را خواهند یافت. در ایجاد سیستم های مقاوم و متحمل در برابر حملات سایبری.
Many networked computer systems are far too vulnerable to cyber attacks that can inhibit their functioning, corrupt important data, or expose private information. Not surprisingly, the field of cyber-based systems turns out to be a fertile ground where many tasks can be formulated as learning problems and approached in terms of machine learning algorithms.
This book contains original materials by leading researchers in the area and covers applications of different machine learning methods in the security, privacy, and reliability issues of cyber space. It enables readers to discover what types of learning methods are at their disposal, summarizing the state of the practice in this important area, and giving a classification of existing work.
Specific features include the following:
Those working in the field of cyber-based systems, including industrial managers, researchers, engineers, and graduate and senior undergraduate students will find this an indispensable guide in creating systems resistant to and tolerant of cyber attacks.
Front Matter....Pages 1-13
Front Matter....Pages 1-1
Cyber-Physical Systems: A New Frontier....Pages 3-13
Front Matter....Pages 15-15
Misleading Learners: Co-opting Your Spam Filter....Pages 17-51
Survey of Machine Learning Methods for Database Security....Pages 53-71
Identifying Threats Using Graph-based Anomaly Detection....Pages 73-108
On the Performance of Online Learning Methods for Detecting Malicious Executables....Pages 109-132
Efficient Mining and Detection of Sequential Intrusion Patterns for Network Intrusion Detection Systems....Pages 133-154
A Non-Intrusive Approach to Enhance Legacy Embedded Control Systems with Cyber Protection Features....Pages 155-181
Image Encryption and Chaotic Cellular Neural Network....Pages 183-213
Front Matter....Pages 215-215
From Data Privacy to Location Privacy....Pages 217-246
Privacy Preserving Nearest Neighbor Search....Pages 247-276
Front Matter....Pages 277-277
High-Confidence Compositional Reliability Assessment of SOA-Based Systems Using Machine Learning Techniques....Pages 279-322
Model, Properties, and Applications of Context-Aware Web Services....Pages 323-358
Back Matter....Pages 359-362