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: Abdulmohsen Almalawi, Zahir Tari, Adil Fahad, Xun Yi سری: ISBN (شابک) : 9781119606352, 1119606357 ناشر: John Wiley & Sons سال نشر: 2020 تعداد صفحات: 224 [210] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب SCADA Security: Machine Learning Concepts for Intrusion Detection and Prevention 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 SCADA Security: مفاهیم یادگیری ماشین برای تشخیص نفوذ و پیشگیری 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.
بررسی طراحی و استفاده از سیستمهای تشخیص نفوذ (IDS) برای ایمن سازی سیستمهای کنترل نظارت و جمعآوری دادهها (SCADA) حملات سایبری به سیستمهای SCADA معماری سیستم کنترلی که از رایانهها، ارتباطات دادههای شبکهای و رابطهای کاربر گرافیکی برای فرآیندهای سطح بالا استفاده میکند. مدیریت نظارتی می تواند منجر به پیامدهای مالی پرهزینه یا حتی منجر به از دست دادن جان افراد شود. به حداقل رساندن خطرات احتمالی و پاسخ به اقدامات مخرب نیازمند رویکردهای نوآورانه برای نظارت بر سیستم های SCADA و محافظت از آنها در برابر حملات هدفمند است. امنیت SCADA: مفاهیم یادگیری ماشین برای تشخیص نفوذ و پیشگیری برای کمک به متخصصان امنیت و شبکه طراحی شده است تا سیستمهای تشخیص نفوذ دقیق و مؤثر (IDS) را برای سیستمهای SCADA که از یادگیری ماشینی مستقل استفاده میکنند، توسعه دهند و به کار گیرند. این راهنمای معتبر با ارائه بینشهای متخصص، توصیههای عملی و پوشش بهروز تحولات در امنیت SCADA، رویکرد جدیدی را برای IDS بدون نظارت کارآمد ارائه میدهد که توسط دادههای خاص SCADA هدایت میشود. این متن که در هشت فصل عمیق سازماندهی شده است، ابتدا به این موضوع میپردازد که چگونه حملات سنتی IT میتوانند علیه SCADA نیز امکان پذیر باشند، و مفاهیم، سیستمها، معماریها و اجزای اصلی SCADA را تشریح میکند. فصلهای بعدی چارچوبها و رویکردهای امنیتی SCADA را معرفی میکنند، از جمله ارزیابی امنیت با SCADAVT مبتنی بر مجازیسازی، استفاده از SDAD برای استخراج تشخیص مبتنی بر مجاورت، یافتن یک آستانه ناهنجاری جهانی و کارآمد با GATUD، و موارد دیگر. این کتاب مهم: دیدگاه های متنوعی را در مورد ایجاد یک رویکرد IDS کارآمد ارائه می دهد که می تواند در سیستم های SCADA پیاده سازی شود. این زمینه و مسیرهای احتمالی را برای تحقیقات آینده پیشنهاد می کند SCADA Security: مفاهیم یادگیری ماشین برای تشخیص نفوذ و پیشگیری برای همه محققان امنیت و شبکه SCADA، مهندسان، معماران سیستم، توسعه دهندگان، مدیران، سخنرانان و سایر متخصصان صنعت امنیت SCADA ضروری است. .
Examines the design and use of Intrusion Detection Systems (IDS) to secure Supervisory Control and Data Acquisition (SCADA) systems Cyber-attacks on SCADA systems the control system architecture that uses computers, networked data communications, and graphical user interfaces for high-level process supervisory management can lead to costly financial consequences or even result in loss of life. Minimizing potential risks and responding to malicious actions requires innovative approaches for monitoring SCADA systems and protecting them from targeted attacks. SCADA Security: Machine Learning Concepts for Intrusion Detection and Prevention is designed to help security and networking professionals develop and deploy accurate and effective Intrusion Detection Systems (IDS) for SCADA systems that leverage autonomous machine learning. Providing expert insights, practical advice, and up-to-date coverage of developments in SCADA security, this authoritative guide presents a new approach for efficient unsupervised IDS driven by SCADA-specific data. Organized into eight in-depth chapters, the text first discusses how traditional IT attacks can also be possible against SCADA, and describes essential SCADA concepts, systems, architectures, and main components. Following chapters introduce various SCADA security frameworks and approaches, including evaluating security with virtualization-based SCADAVT, using SDAD to extract proximity-based detection, finding a global and efficient anomaly threshold with GATUD, and more. This important book: Provides diverse perspectives on establishing an efficient IDS approach that can be implemented in SCADA systems Describes the relationship between main components and three generations of SCADA systems Explains the classification of a SCADA IDS based on its architecture and implementation Surveys the current literature in the field and suggests possible directions for future research SCADA Security: Machine Learning Concepts for Intrusion Detection and Prevention is a must-read for all SCADA security and networking researchers, engineers, system architects, developers, managers, lecturers, and other SCADA security industry practitioners.