Справочник по аналитике больших данных и криминалистике КОЛЛЕКТИВНАЯ РАБОТА
- Время доставки: 7-10 дней
- Состояние товара: новый
- Доступное количество: 10
Заказывая «Справочник по аналитике больших данных и криминалистике КОЛЛЕКТИВНАЯ РАБОТА», вы можете быть уверены, что данное изделие из каталога «Безопасность» вы получите через 5-7 дней после оплаты. Товар будет доставлен из Европы, проверен на целостность, иметь европейское качество.
Справочник по анализу и криминалистике больших данных
В этом справочнике обсуждаются проблемы и ограничения существующих решений, а также представлены самые современные достижения научных и промышленных кругов в области анализа больших данных и цифровой криминалистики. Во второй главе подробно рассматривается литература по безопасности, конфиденциальности и криминалистике Интернета вещей, уделяя особое внимание Интернету вещей и беспилотным летательным аппаратам (БПЛА). В третьей главе авторы предлагают подход, основанный на глубоком обучении, для обработки данных журналов облака и смягчения атак с помощью перечисления. В четвертой главе предлагается надежная модель нечеткого обучения для защиты ИТ-инфраструктуры от кампаний постоянных угроз (APT). В пятой главе представлен расширенный и справедливый подход к кластеризации промышленных данных, который позволяет обучать огромные объемы данных за время, близкое к линейному, а также предлагает адаптивную модель глубокого обучения для обнаружения кибератак, нацеленных на киберфизические системы (CPS). ), рассмотренные в шестой главе. Авторы оценивают эффективность машинного обучения без учителя для обнаружения кибератак на промышленные системы управления (ICS) в главе 7, а в следующей главе представлен надежный нечеткий байесовский подход для поиска киберугроз со стороны ICS. В этом справочнике также оценивается эффективность контролируемых методов машинного обучения при выявлении кибератак на CPS. Соответственно оценивается производительность масштабируемого алгоритма кластеризации для поиска киберугроз CPS и полезность алгоритмов машинного обучения для обнаружения вредоносных программ MacOS. В этом руководстве продолжается оценка производительности различных методов машинного обучения для обнаружения вредоносных программ Интернета вещей. Авторы демонстрируют, как кибератаки MacOSX могут быть обнаружены с помощью современных моделей машинного обучения. Для выявления случаев мошенничества с кредитными картами в пятнадцатой главе представлена гибридная модель. В шестнадцатой главе редакторы предлагают модель, которая использует методы обработки естественного языка для создания сопоставления между APT-реляцией [...]
<ул>