سایبرنتیک

یادگیری ماشین متخاصم

Adversarial Machine Learning

دانلود کتاب Adversarial Machine Learning (به فارسی: یادگیری ماشین متخاصم) نوشته شده توسط «Anthony D. Joseph – Blaine Nelson – Benjamin I. P. Rubinstein – J. D. Tygar»

اطلاعات کتاب یادگیری ماشین متخاصم

موضوع اصلی: کامپیوتر – سایبرنتیک

نوع: کتاب الکترونیکی

ناشر: Cambridge University Press

نویسنده: Anthony D. Joseph – Blaine Nelson – Benjamin I. P. Rubinstein – J. D. Tygar

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2019

تعداد صفحه: 338 / 339

حجم فایل: 6.39 مگابایت

کد کتاب: 1107338549 , 9781107338548

نوبت چاپ: 1

توضیحات کتاب یادگیری ماشین متخاصم

این مقدمه کامل که توسط محققان برجسته نوشته شده است، تمام تئوری ها و ابزارهای مورد نیاز برای ایجاد یادگیری ماشینی قوی در محیط های متخاصم را گرد هم می آورد. کشف کنید که چگونه سیستم‌های یادگیری ماشینی می‌توانند زمانی که یک دشمن به طور فعال داده‌ها را برای دستکاری استنتاج آماری مسموم می‌کند، سازگار شوند، آخرین تکنیک‌های عملی برای بررسی امنیت سیستم و انجام تجزیه و تحلیل قوی داده‌ها را بیاموزید، و بینشی در مورد رویکردهای جدید برای طراحی اقدامات متقابل مؤثر در برابر آخرین موج سایبری کسب کنید. حملات مکانیسم‌های حفظ حریم خصوصی و فرار تقریباً بهینه طبقه‌بندی‌کننده‌ها به تفصیل مورد بحث قرار گرفته‌اند، و مطالعات موردی عمیق در مورد هرزنامه ایمیل و امنیت شبکه، حملات موفقیت‌آمیز به الگوریتم‌های یادگیری ماشین سنتی را برجسته می‌کند. با ارائه یک نمای کلی از وضعیت فعلی هنر در این زمینه، و مسیرهای احتمالی آینده، خواندن این اثر پیشگامانه برای محققان، پزشکان و دانشجویان در زمینه امنیت رایانه و یادگیری ماشین ضروری است، و کسانی که مایل به یادگیری در مورد مرحله بعدی این آموزش هستند. مسابقه تسلیحاتی امنیت سایبری

Written by leading researchers, this complete introduction brings together all the theory and tools needed for building robust machine learning in adversarial environments. Discover how machine learning systems can adapt when an adversary actively poisons data to manipulate statistical inference, learn the latest practical techniques for investigating system security and performing robust data analysis, and gain insight into new approaches for designing effective countermeasures against the latest wave of cyber-attacks. Privacy-preserving mechanisms and the near-optimal evasion of classifiers are discussed in detail, and in-depth case studies on email spam and network security highlight successful attacks on traditional machine learning algorithms. Providing a thorough overview of the current state of the art in the field, and possible future directions, this groundbreaking work is essential reading for researchers, practitioners and students in computer security and machine learning, and those wanting to learn about the next stage of the cybersecurity arms race.

دانلود کتاب «یادگیری ماشین متخاصم»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان