Machine Learning in Cyber Trust: Security, Privacy, and Reliability

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:

• بررسی رویکردهای مختلف با استفاده از تکنیک های یادگیری ماشین/داده کاوی برای ارتقای مکانیسم های امنیتی سنتی پایگاه های داده
• مباحثی در مورد تشخیص حملات SQL Injection و تشخیص ناهنجاری برای دفاع در برابر تهدیدات داخلی
• رویکردی برای تشخیص ناهنجاری ها در یک نمایش مبتنی بر نمودار از داده های جمع آوری شده در طول نظارت بر سایبری و زیرساخت های دیگر
• مطالعه تجربی هفت روش یادگیری آنلاین در مورد شناسایی فایل های اجرایی مخرب
• یک چارچوب جدید تشخیص نفوذ شبکه برای استخراج و شناسایی الگوهای نفوذ متوالی
• راه حلی برای گسترش قابلیت‌های سیستم‌های موجود در عین حفظ پایداری جریان فعلی سیستم ها
• یک الگوریتم رمزگذاری تصویر مبتنی بر یک شبکه عصبی سلولی آشفته برای مقابله با امنیت و تضمین اطلاعات
• مروری بر تحقیقات حریم خصوصی داده ها، بررسی دستاوردها، چالش ها و فرصت ها در حالی که تلاش های تحقیقاتی فردی را بر روی نقشه بزرگ حفاظت از حریم خصوصی داده ها مشخص می کند
• یک الگوریتم مبتنی بر در مورد محاسبات اولیه چند جانبه ایمن برای محاسبه نزدیکترین همسایگان رکوردها در داده های توزیع شده افقی
• رویکردی برای ارزیابی قابلیت اطمینان سیستم های مبتنی بر SOA با استفاده از تکنیک های استدلال AI
• LI>
• مدل‌ها، ویژگی‌ها و کاربردهای سرویس‌های وب آگاه از زمینه، از جمله یک مدل زمینه مبتنی بر هستی‌شناسی برای فعال کردن توصیف رسمی و کسب اطلاعات متنی مربوط به درخواست‌کنندگان خدمات و خدمات

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:

• A survey of various approaches using machine learning/data mining techniques to enhance the traditional security mechanisms of databases
• A discussion of detection of SQL Injection attacks and anomaly detection for defending against insider threats
• An approach to detecting anomalies in a graph-based representation of the data collected during the monitoring of cyber and other infrastructures
• An empirical study of seven online-learning methods on the task of detecting malicious executables
• A novel network intrusion detection framework for mining and detecting sequential intrusion patterns
• A solution for extending the capabilities of existing systems while simultaneously maintaining the stability of the current systems
• An image encryption algorithm based on a chaotic cellular neural network to deal with information security and assurance
• An overview of data privacy research, examining the achievements, challenges and opportunities while pinpointing individual research efforts on the grand map of data privacy protection
• An algorithm based on secure multiparty computation primitives to compute the nearest neighbors of records in horizontally distributed data
• An approach for assessing the reliability of SOA-based systems using AI reasoning techniques
• The models, properties, and applications of context-aware Web services, including an ontology-based context model to enable formal description and acquisition of contextual information pertaining to service requestors and services

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.