ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Trust, Security and Privacy for Big Data

دانلود کتاب اعتماد، امنیت و حریم خصوصی برای داده های بزرگ

Trust, Security and Privacy for Big Data

مشخصات کتاب

Trust, Security and Privacy for Big Data

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 103204750X, 9781032047508 
ناشر: CRC Press/Science Publishers 
سال نشر: 2022 
تعداد صفحات: 211
[212] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 Mb 

قیمت کتاب (تومان) : 32,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Trust, Security and Privacy for Big Data 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 اعتماد، امنیت و حریم خصوصی برای داده های بزرگ 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.


توضیحاتی در مورد کتاب اعتماد، امنیت و حریم خصوصی برای داده های بزرگ



داده ها اکوسیستم دیجیتال را متحول کرده اند. مجموعه داده های بزرگ به راحتی در دسترس، راه حل های خودکار هوش مصنوعی و یادگیری ماشینی را تقویت می کنند. داده‌های تولید شده از منابع متنوع و متنوع از جمله اینترنت اشیا، پلتفرم‌های اجتماعی، مراقبت‌های بهداشتی، گزارش‌های سیستم، بیو انفورماتیک، و غیره به ویژگی‌های Big Data که حجم، سرعت و تنوع است، کمک می‌کنند و آن را تعریف می‌کنند. دریاچه‌های داده‌ای که از ادغام داده‌های این منابع تشکیل شده‌اند، نیازمند بسترهای ذخیره‌سازی و پردازش قدرتمند، مقیاس‌پذیر و انعطاف‌پذیر هستند تا ارزش واقعی پنهان در این داده‌کاوی را آشکار کنند. فرمت‌های داده و جمع‌آوری آن از منابع مختلف نه تنها چالش‌های بی‌سابقه‌ای را برای حوزه‌های مختلف از جمله اینترنت اشیا، تولید، خودروهای هوشمند، شبکه‌های برق و غیره معرفی می‌کند، بلکه مسائل امنیتی و حریم خصوصی را در این عصر داده‌های بزرگ برجسته می‌کند. امنیت و حریم خصوصی در داده های بزرگ با چالش های زیادی مانند شبکه های دشمن مولد، الگوریتم های رمزگذاری و رمزگشایی کارآمد، بازیابی اطلاعات رمزگذاری شده، رمزگذاری مبتنی بر ویژگی، حملات به دسترسی و قابلیت اطمینان مواجه است. تامین امنیت و حفظ حریم خصوصی برای ذخیره سازی، انتقال و پردازش داده های بزرگ در همه حوزه های مرتبط با کلان داده توجه زیادی را به خود جلب کرده است.

این کتاب اطلاعات به موقع و جامعی را در اختیار محققان و صنعت قرار می دهد. شرکای در حوزه های ارتباطات و شبکه برای بررسی آخرین نتایج در کار مرتبط با امنیت و حریم خصوصی Big Data. این به جوامع علوم رایانه و امنیت سایبری از جمله محققان، دانشگاهیان، دانش‌آموزان و متخصصانی که به جنبه‌های حریم خصوصی و امنیت اعتماد به داده‌های بزرگ علاقه دارند، خدمت خواهد کرد. این یک کار جامع بر روی جدیدترین پیشرفت‌ها در امنیت مجموعه‌های داده از منابع مختلف از جمله اینترنت اشیا، حوزه‌های فیزیکی سایبری، معماری‌های کلان داده، مطالعات برای محاسبات قابل اعتماد، و رویکردهایی برای سیستم‌های توزیع‌شده و راه‌حل‌های امنیت داده‌های بزرگ و غیره است.<. /p>


توضیحاتی درمورد کتاب به خارجی

Data has revolutionized the digital ecosystem. Readily available large datasets foster AI and machine learning automated solutions. The data generated from diverse and varied sources including IoT, social platforms, healthcare, system logs, bio-informatics, etc. contribute to and define the ethos of Big Data which is volume, velocity and variety. Data lakes formed by the amalgamation of data from these sources requires powerful, scalable and resilient storage and processing platforms to reveal the true value hidden inside this data mine. Data formats and its collection from various sources not only introduce unprecedented challenges to different domains including IoT, manufacturing, smart cars, power grids etc., but also highlight the security and privacy issues in this age of big data. Security and privacy in big data is facing many challenges, such as generative adversary networks, efficient encryption and decryption algorithms, encrypted information retrieval, attribute-based encryption, attacks on availability, and reliability. Providing security and privacy for big data storage, transmission, and processing have been attracting much attention in all big data related areas.

The book provides timely and comprehensive information for researchers and industry partners in communications and networking domains to review the latest results in security and privacy related work of Big Data. It will serve computer science and cybersecurity communities including researchers, academicians, students, and practitioners who have interest in big data trust privacy and security aspects. It is a comprehensive work on the most recent developments in security of datasets from varied sources including IoT, cyber physical domains, big data architectures, studies for trustworthy computing, and approaches for distributed systems and big data security solutions etc.



فهرست مطالب

Cover
Title Page
Copyright Page
Preface
Acknowledgement
Table of Contents
1. DigImoPriv: A Big Data Framework for Preserving Privacy of Digital Immortals
2. Federated Learning Role in Big Data, Iot Services and Applications Security, Privacy and Trust in Iot: A Survey
3. From the Cloud to the Edge: Towards a Distributed and Light Weight Secure Big Data Pipelines for IoT Applications
4. Ground Point Filtering and Digital Terrain Model Generation using LiDAR Data
5. Predictive Big Data Analytics and Privacy based Decision Support System
6. Fingerprinting Based Positioning Techniques Using Machine Learning Algorithms: Principles, Approaches and Challenges
7. Recent Advancements in Network and Cyber Security using RNN
8. A Big Data Framework for Dynamic Consent
9. A Low-Level Hybrid Intrusion Detection System Based on Hardware Performance Counters
10. Comparative Study on Machine Learning Methods to Detect Metamorphic Threats
Index




نظرات کاربران