دانلود کتاب Game Theory and Machine Learning for Cyber Security (به فارسی: تئوری بازی و یادگیری ماشین برای امنیت سایبری) نوشته شده توسط «Charles A. Kamhoua (editor) – Christopher D. Kiekintveld (editor) – Fei Fang (editor) – Quanyan Zhu (editor)»
اطلاعات کتاب تئوری بازی و یادگیری ماشین برای امنیت سایبری
موضوع اصلی: تجارت و اقتصاد – مدیریت و رهبری
نوع: کتاب الکترونیکی
ناشر: Wiley-IEEE Press
نویسنده: Charles A. Kamhoua (editor) – Christopher D. Kiekintveld (editor) – Fei Fang (editor) – Quanyan Zhu (editor)
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2021
تعداد صفحه: 576 / 547
حجم فایل: 13.53 مگابایت
کد کتاب: 1119723922 , 9781119723929
نوبت چاپ: 1
توضیحات کتاب تئوری بازی و یادگیری ماشین برای امنیت سایبری
از مبانی یادگیری ماشین و نظریه بازی در امنیت سایبری فراتر بروید و به آخرین تحقیقات در این زمینه پیشرفته بروید
در تئوری بازی و یادگیری ماشین برای امنیت سایبری، تیمی از محققین متخصص امنیت مجموعه‌ای از مشارکت‌های تحقیقاتی مرکزی را از یادگیری ماشین و تئوری بازی‌ها ارائه می‌کنند که در امنیت سایبری قابل استفاده است. ویراستاران برجسته منابعی را گنجانده‌اند که به سؤالات تحقیقاتی باز در نظریه بازی و یادگیری ماشینی که در سیستم‌های امنیت سایبری اعمال می‌شود، می‌پردازد و نقاط قوت و محدودیت‌های مدل‌های نظری بازی‌های فعلی را برای امنیت سایبری بررسی می‌کند.
خوانندگان آسیب‌پذیری‌های الگوریتم‌های یادگیری ماشین سنتی و چگونگی کاهش آن‌ها را در رویکرد یادگیری ماشینی متخاصم بررسی خواهند کرد. این کتاب مجموعه جامعی از راه‌حل‌ها را برای طیف گسترده‌ای از مسائل فنی در کاربرد نظریه بازی و یادگیری ماشین برای حل چالش‌های امنیت سایبری ارائه می‌کند.
با مقدمه‌ای بر مفاهیم بنیادی در نظریه بازی‌ها، یادگیری ماشین، امنیت سایبری و فریب سایبری، ویراستاران منابعی را در اختیار خوانندگان قرار می‌دهند که در مورد جدیدترین بازی‌های هایپربازی، نظریه بازی‌های رفتاری، یادگیری ماشین خصمانه، مولد بحث می‌کنند. شبکه های متخاصم و یادگیری تقویتی چند عاملی.
خوانندگان همچنین از موارد زیر لذت خواهند برد:
- معرفی کامل بر نظریه بازی برای فریب سایبری، از جمله الگوریتم‌های مقیاس‌پذیر برای شناسایی مهاجمان مخفی در چارچوب نظری بازی، تخصیص Honeypot بر روی نمودارهای حمله و بازی‌های رفتاری برای فریب سایبری
- کاوشی در تئوری بازی‌ها برای امنیت سایبری، از جمله تشخیص مداخله متخاصم مبتنی بر نظری بازی در برابر تهدیدات مداوم و پیشرفته
- مباحث عملی درباره یادگیری ماشین متخاصم برای امنیت سایبری، از جمله یادگیری ماشین خصمانه در امنیت 5G و تزریق خطا مبتنی بر یادگیری ماشین در سیستم‌های فیزیکی سایبری
- بررسی‌های عمیق مدل‌های تولیدی برای امنیت سایبری
ایده‌آل برای محققان، دانشجویان و کارشناسان در زمینه‌های علوم و مهندسی کامپیوتر، تئوری بازی و یادگیری ماشین برای امنیت سایبری همچنین منبعی ضروری برای متخصصان صنعت، پرسنل نظامی، محققان، اساتید و دانشجویان علاقه مند به امنیت سایبری.
Move beyond the foundations of machine learning and game theory in cyber security to the latest research in this cutting-edge field
In Game Theory and Machine Learning for Cyber Security, a team of expert security researchers delivers a collection of central research contributions from both machine learning and game theory applicable to cybersecurity. The distinguished editors have included resources that address open research questions in game theory and machine learning applied to cyber security systems and examine the strengths and limitations of current game theoretic models for cyber security.
Readers will explore the vulnerabilities of traditional machine learning algorithms and how they can be mitigated in an adversarial machine learning approach. The book offers a comprehensive suite of solutions to a broad range of technical issues in applying game theory and machine learning to solve cyber security challenges.
Beginning with an introduction to foundational concepts in game theory, machine learning, cyber security, and cyber deception, the editors provide readers with resources that discuss the latest in hypergames, behavioral game theory, adversarial machine learning, generative adversarial networks, and multi-agent reinforcement learning.
Readers will also enjoy:
- A thorough introduction to game theory for cyber deception, including scalable algorithms for identifying stealthy attackers in a game theoretic framework, honeypot allocation over attack graphs, and behavioral games for cyber deception
- An exploration of game theory for cyber security, including actionable game-theoretic adversarial intervention detection against persistent and advanced threats
- Practical discussions of adversarial machine learning for cyber security, including adversarial machine learning in 5G security and machine learning-driven fault injection in cyber-physical systems
- In-depth examinations of generative models for cyber security
Perfect for researchers, students, and experts in the fields of computer science and engineering, Game Theory and Machine Learning for Cyber Security is also an indispensable resource for industry professionals, military personnel, researchers, faculty, and students with an interest in cyber security.
دانلود کتاب «تئوری بازی و یادگیری ماشین برای امنیت سایبری»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.