محاسبات امن خودکار برای سیستم‌های نسل بعد ۲۰۲۳
Automated Secure Computing for Next-Generation Systems 2023

این کتاب، فصل‌های پیشرفته‌ای را در مورد راهکارهای مبتنی بر ماشین برای سیستم‌های نسل آینده در جامعه‌ی امروز ارائه می‌دهد.

امنیت همواره دغدغه‌ای اساسی برای هر برنامه و بخش بوده است. در دهه‌ی گذشته، تکنیک‌ها و چارچوب‌های بسیاری برای بهبود امنیت (داده، اطلاعات و شبکه) پیشنهاد شده‌اند. با این حال، به دلیل پیشرفت‌های سریع در اتوماسیون صنعتی، سیستم‌ها باید سریع‌تر و کارآمدتر ایمن شوند.

اهمیت دارد که بهترین راه‌ها برای ادغام راهکارهای پیشنهادی به منظور بهبود دقت آن‌ها و در عین حال کاهش هزینه‌ی یادگیری آن‌ها بررسی شود. در طول پیاده‌سازی، دشوارترین چالش، تعیین چگونگی بهره‌برداری از الگوریتم‌های هوش مصنوعی و یادگیری ماشین برای بهبود محاسبات خدمات ایمن ضمن حفظ حریم خصوصی کاربر است. استحکام هوش مصنوعی و یادگیری عمیق، و همچنین قابلیت اطمینان و حریم خصوصی داده‌ها، بخش مهمی از محاسبات مدرن است. ضروری است که مسائل امنیتی استفاده از هوش مصنوعی برای محافظت از سیستم‌ها یا سیستم‌های هوشمند خودکار مبتنی بر یادگیری ماشین تعیین شود. برای اعمال آن‌ها در واقعیت، حریم خصوصی باید در طول فرآیند پیاده‌سازی حفظ شود. این کتاب، کاربردهای پیشگامانه‌ای را در رابطه با هوش مصنوعی و یادگیری ماشین برای محاسبات پایدارتر و متمرکز بر حریم خصوصی ارائه می‌دهد.

محاسبات امن خودکار برای سیستم‌های نسل آینده با تأمل بر نقش یادگیری ماشین در امنیت اطلاعات، سایبری و داده، تحولات اخیر در حوزه‌ی امنیت را با استفاده از هوش مصنوعی، یادگیری ماشین و روش‌ها و استراتژی‌های حفظ حریم خصوصی تشریح می‌کند. این کتاب برای ایمن‌تر و محرمانه‌تر کردن محاسبات، راه‌هایی را برای آزمایش، مفهوم‌سازی و نظریه‌پردازی در مورد مسائلی ارائه می‌دهد که شامل هوش مصنوعی و یادگیری ماشین برای بهبود امنیت و حفظ حریم خصوصی در سیستم‌های خودکار و هوشمند مبتنی بر نسل آینده می‌شود. از این رو، این کتاب شرح مفصلی از نقش هوش مصنوعی، یادگیری ماشین و غیره در سیستم‌های خودکار و هوشمند مورد استفاده برای حل مسائل حیاتی در بخش‌های مختلف جامعه‌ی مدرن ارائه می‌دهد.

مخاطبان

محققان در حوزه‌های فناوری اطلاعات، رباتیک، امنیت، حفظ حریم خصوصی و داده‌کاوی. این کتاب برای دانشجویان تحصیلات تکمیلی و دانشجویان کارشناسی ارشد نیز مناسب است.

This book provides cutting-edge chapters on machine-empowered solutions for next-generation systems for today’s society.

Security is always a primary concern for each application and sector. In the last decade, many techniques and frameworks have been suggested to improve security (data, information, and network). Due to rapid improvements in industry automation, however, systems need to be secured more quickly and efficiently.

It is important to explore the best ways to incorporate the suggested solutions to improve their accuracy while reducing their learning cost. During implementation, the most difficult challenge is determining how to exploit AI and ML algorithms for improved safe service computation while maintaining the user’s privacy. The robustness of AI and deep learning, as well as the reliability and privacy of data, is an important part of modern computing. It is essential to determine the security issues of using AI to protect systems or ML-based automated intelligent systems. To enforce them in reality, privacy would have to be maintained throughout the implementation process. This book presents groundbreaking applications related to artificial intelligence and machine learning for more stable and privacy-focused computing.

By reflecting on the role of machine learning in information, cyber, and data security, Automated Secure Computing for Next-Generation Systems outlines recent developments in the security domain with artificial intelligence, machine learning, and privacy-preserving methods and strategies. To make computation more secure and confidential, the book provides ways to experiment, conceptualize, and theorize about issues that include AI and machine learning for improved security and preserve privacy in next-generation-based automated and intelligent systems. Hence, this book provides a detailed description of the role of AI, ML, etc., in automated and intelligent systems used for solving critical issues in various sectors of modern society.

Audience

Researchers in information technology, robotics, security, privacy preservation, and data mining. The book is also suitable for postgraduate and upper-level undergraduate students.