Посібник з аналітики та криміналістики великих даних

У цьому довіднику обговорюються проблеми та обмеження існуючих рішень, а також представлено найсучасніші досягнення як академічних, так і галузевих кіл у сфері аналітики великих даних і цифрової криміналістики. У другому розділі детально розглядається безпека, конфіденційність і криміналістика IoT, зосереджуючись на IoT і безпілотних літальних апаратах (БПЛА). У третьому розділі автори пропонують підхід, заснований на глибокому навчанні, для обробки даних журналу хмари та пом’якшення атак нумерації. У четвертому розділі пропонується надійна модель нечіткого навчання для захисту ІТ-інфраструктури від кампаній постійних загроз (APT). Розширений і справедливий підхід до кластеризації промислових даних, який здатний тренуватися з величезним обсягом даних за короткий час, близький до лінійного, представлений у п’ятому розділі, а також пропонує адаптивну модель глибокого навчання для виявлення кібератак, націлених на кіберфізичні системи (CPS). ), розглянуті в шостому розділі. У розділі 7 автори оцінюють продуктивність неконтрольованого машинного навчання для виявлення кібератак на промислові системи управління (ICS), а в наступному розділі представлено надійний нечіткий байєсівський підхід для полювання на кіберзагрози ICS. У цьому довіднику також оцінюється продуктивність контрольованих методів машинного навчання для виявлення кібератак на CPS. Відповідно оцінюється продуктивність масштабованого алгоритму кластеризації для пошуку кіберзагроз CPS і корисність алгоритмів машинного навчання для виявлення зловмисного програмного забезпечення MacOS. У цьому посібнику продовжується оцінка продуктивності різних методів машинного навчання для виявлення зловмисного програмного забезпечення Інтернету речей. Автори демонструють, як можна виявити кібератаки MacOSX за допомогою найсучасніших моделей машинного навчання. Щоб виявити шахрайство з кредитними картками, у п’ятнадцятому розділі представлено гібридну модель. У шістнадцятому розділі редактори пропонують модель, яка використовує методи обробки природної мови для генерації відображення між APT-rela [...]

• Видавець: Springer
• Рік випуску: 2021
• Обкладинка: тверда обкладинка
• Кількість сторінок: 287
• Розміри: 23,5 x 15,5 x 0 см
• Ілюстрації: 77 ілюстрацій, кольорові; 11 Ілюстрації, чорно-білі; VIII, 287 с., 77 іл. у кольорі.
• Мова: англійська
• ISBN: 9783030747527