عنوان کتاب به انگلیسی: |
Machine Learning for Cybersecurity Cookbook: Over 80 recipes on how to implement machine learning algorithms for building security systems using Python |
| سال انتشار: 2018 | 338 صفحه | حجم فایل: 50 مگابایت | زبان: انگلیسی |
| نویسنده | Emmanuel Tsukerman |
| ناشر | Packt Publishing |
| ISBN10: | 1789614678 |
| ISBN13: | 9781789614671 |
توضیحات کتاب
Key FeaturesManage data of varying complexity to protect your system using the Python ecosystem
Apply ML to pentesting, malware, data privacy, intrusion detection system(IDS) and social engineering
Automate your daily workflow by addressing various security challenges using the recipes covered in the bookBook Description
Organizations today face a major threat in terms of cybersecurity, from malicious URLs to credential reuse, and having robust security systems can make all the difference. With this book, you’ll learn how to use Python libraries such as TensorFlow and scikit-learn to implement the latest artificial intelligence (AI) techniques and handle challenges faced by cybersecurity researchers.
You’ll begin by exploring various machine learning (ML) techniques and tips for setting up a secure lab environment. Next, you’ll implement key ML algorithms such as clustering, gradient boosting, random forest, and XGBoost. The book will guide you through constructing classifiers and features for malware, which you’ll train and test on real samples. As you progress, you’ll build self-learning, reliant systems to handle cybersecurity tasks such as identifying malicious URLs, spam email detection, intrusion detection, network protection, and tracking user and process behavior. Later, you’ll apply generative adversarial networks (GANs) and autoencoders to advanced security tasks. Finally, you’ll delve into secure and private AI to protect the privacy rights of consumers using your ML models.
By the end of this book, you’ll have the skills you need to tackle real-world problems faced in the cybersecurity domain using a recipe-based approach.
What you will learn
Learn how to build malware classifiers to detect suspicious activities
Apply ML to generate custom malware to pentest your security
Use ML algorithms with complex datasets to implement cybersecurity concepts
Create neural networks to identify fake videos and images
Secure your organization from one of the most popular threats – insider threats
Defend against zero-day threats by constructing an anomaly detection system
Detect web vulnerabilities effectively by combining Metasploit and ML
Understand how to train a model without exposing the training data
Who this book is for
This book is for cybersecurity professionals and security researchers who are looking to implement the latest machine learning techniques to boost computer security, and gain insights into securing an organization using red and blue team ML. This recipe-based book will also be useful for data scientists and machine learning developers who want to experiment with smart techniques in the cybersecurity domain. Working knowledge of Python programming and familiarity with cybersecurity fundamentals will help you get the most out of this book.
Table of Contents
Machine Learning for Cybersecurity
Machine Learning-Based Malware Detection
Advanced Malware Detection
Machine Learning for Social Engineering
Penetration Testing Using Machine Learning
Automatic Intrusion Detection
Securing and Attacking Data with Machine Learning
Secure and Private AI
Appendix
توضیحات کتاب به فارسی (ترجمه ماشینی)
بیاموزید که چگونه از هوش مصنوعی مدرن برای ایجاد راه حل های قدرتمند سایبری برای بدافزار ، پنت ، مهندسی اجتماعی ، حریم خصوصی داده ها و تشخیص نفوذ استفاده کنید
ویژگی های کلیدی
با استفاده از اکوسیستم پایتون ، داده هایی با پیچیدگی متفاوت را برای محافظت از سیستم خود مدیریت کنید
ML را برای پنتستاری ، بدافزار ، حریم خصوصی داده ها ، سیستم تشخیص نفوذ (IDS) و مهندسی اجتماعی اعمال کنید
با پرداختن به چالش های مختلف امنیتی با استفاده از دستور العمل های تحت پوشش کتاب ، گردش کار روزانه خود را خودکار کنید
توضیحات کتاب
امروز سازمان ها از نظر امنیت سایبری ، از URL های مخرب گرفته تا استفاده مجدد از اعتبار ، با تهدید عمده روبرو هستند و داشتن سیستم های امنیتی قوی می تواند همه تفاوت ها را ایجاد کند.با استفاده از این کتاب ، یاد می گیرید که چگونه از کتابخانه های پایتون مانند Tensorflow و Scikit-Learn برای اجرای آخرین تکنیک های هوش مصنوعی (AI) استفاده کنید و چالش هایی را که محققان امنیت سایبری با آن روبرو هستند ، برطرف کنید.
شما با بررسی تکنیک های مختلف یادگیری ماشین (ML) و نکاتی برای ایجاد یک محیط آزمایشگاه امن شروع خواهید کرد.در مرحله بعد ، الگوریتم های کلیدی ML مانند خوشه بندی ، تقویت شیب ، جنگل تصادفی و XGBOOST را پیاده سازی خواهید کرد.این کتاب شما را از طریق ساخت طبقه بندی کننده ها و ویژگی های بدافزار راهنمایی می کند ، که شما در نمونه های واقعی آموزش و آزمایش می کنید.با پیشرفت ، شما برای انجام وظایف امنیت سایبری مانند شناسایی URL های مخرب ، تشخیص ایمیل هرزنامه ، تشخیص نفوذ ، محافظت از شبکه و ردیابی رفتار کاربر و فرآیند ، سیستم های خودآموز و متکی را ایجاد خواهید کرد.بعداً ، شبکه های مخالف مولد (GANS) و AutoEncoders را برای کارهای امنیتی پیشرفته اعمال خواهید کرد.سرانجام ، برای محافظت از حقوق حریم خصوصی مصرف کنندگان با استفاده از مدل های ML خود ، به هوش مصنوعی امن و خصوصی می پردازید.
در پایان این کتاب ، مهارت های لازم برای مقابله با مشکلات دنیای واقعی را که در حوزه امنیت سایبری با استفاده از یک رویکرد مبتنی بر دستور العمل روبرو هستید ، خواهید داشت.
آنچه یاد خواهید گرفت
بیاموزید که چگونه طبقه بندی کننده های بدافزار را برای تشخیص فعالیت های مشکوک بسازید
ML را برای تولید بدافزار سفارشی برای پنالتی امنیت خود اعمال کنید
برای اجرای مفاهیم امنیت سایبری از الگوریتم های ML با مجموعه داده های پیچیده استفاده کنید
ایجاد شبکه های عصبی برای شناسایی فیلم ها و تصاویر جعلی
سازمان خود را از یکی از محبوب ترین تهدیدها – تهدیدات خودی – ایمن کنید
با ایجاد یک سیستم تشخیص ناهنجاری در برابر تهدیدهای روز صفر دفاع کنید
آسیب پذیری های وب را به طور مؤثر با ترکیب Metasploit و ML تشخیص دهید
درک کنید که چگونه یک مدل را بدون افشای داده های آموزش آموزش دهید
این کتاب برای چه کسی است
این کتاب برای متخصصان امنیت سایبری و محققان امنیتی است که به دنبال اجرای آخرین تکنیک های یادگیری ماشین برای تقویت امنیت رایانه و به دست آوردن بینش در تأمین امنیت سازمانی با استفاده از تیم قرمز و آبی ML هستند.این کتاب مبتنی بر دستور العمل همچنین برای دانشمندان داده و توسعه دهندگان یادگیری ماشین که می خواهند با تکنیک های هوشمند در حوزه امنیت سایبری آزمایش کنند ، مفید خواهد بود.دانش کار در مورد برنامه نویسی پایتون و آشنایی با اصول امنیت سایبری به شما کمک می کند تا از این کتاب بیشترین بهره را ببرید.
فهرست مطالب
یادگیری ماشین برای امنیت سایبری
تشخیص بدافزار مبتنی بر یادگیری ماشین
تشخیص پیشرفته بدافزار
یادگیری ماشین برای مهندسی اجتماعی
آزمایش نفوذ با استفاده از یادگیری ماشین
تشخیص خودکار نفوذ
ایمن سازی و حمله به داده ها با یادگیری ماشین
هوش مصنوعی امن و خصوصی
ضمیمه
| توجه کنید که این محصول به صورت فایل دانلودی است و نه کتاب کاغذی. |
| به هنگام خرید به زبان درج شده برای کتاب حتما توجه کنید. به صورت معمول در اکثر موارد زبان کتاب فارسی نیست. |
| در صورت هرگونه مشکل در دریافت کتاب به شماره 09395106248 پیامک دهید. |
| درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد. |
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248 |
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.