Sale
یادگیری عملی ماشین برای امنیت سایبری: با استفاده از اکوسیستم پایتون، ماشین های خود را هوشمند کنید و سیستم خود را ایمن کنید ۲۰۱۸
Hands-On Machine Learning for Cybersecurity: Safeguard your system by making your machines intelligent using the Python ecosystem 2018
دانلود کتاب یادگیری عملی ماشین برای امنیت سایبری: با استفاده از اکوسیستم پایتون، ماشین های خود را هوشمند کنید و سیستم خود را ایمن کنید ۲۰۱۸ (Hands-On Machine Learning for Cybersecurity: Safeguard your system by making your machines intelligent using the Python ecosystem 2018) با لینک مستقیم و فرمت pdf (پی دی اف)
| نویسنده |
Soma Halder, Sinan Ozdemir |
|---|
ناشر:
Packt Publishing
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2018 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
318 |
| نوع فایل |
epub, pdf |
| حجم |
11 Mb |
🏷️ قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
هوشمصنوعی ترجمه کالیبو
توضیحات
معرفی کتاب یادگیری عملی ماشین برای امنیت سایبری: با استفاده از اکوسیستم پایتون، ماشین های خود را هوشمند کنید و سیستم خود را ایمن کنید ۲۰۱۸
وارد دنیای امنیتی داده های هوشمند با استفاده از الگوریتم های یادگیری ماشین و کتابخانه های پایتون شوید
ویژگی های کلیدی
- یادگیری الگوریتم های یادگیری ماشین و اصول امنیت سایبری
- اتوماسیون گردش کار روزانه با استفاده از موارد استفاده در بسیاری از جنبه های امنیت
- پیاده سازی راه حل های هوشمند یادگیری ماشین برای تشخیص مشکلات مختلف امنیت سایبری
توضیحات کتاب
تهدیدات سایبری امروزه یکی از پرهزینه ترین ضررهایی است که یک سازمان می تواند با آن مواجه شود. در این کتاب، از کارآمدترین ابزار برای حل مشکلات بزرگ موجود در حوزه امنیت سایبری استفاده می کنیم.
این کتاب با ارائه اصول اولیه ML در امنیت سایبری با استفاده از پایتون و کتابخانه های آن آغاز می شود. شما حوزه های مختلف ML (مانند تحلیل سری زمانی و مدل سازی آنسامبل) را برای درست کردن پایه خودتان بررسی خواهید کرد. شما مثال های مختلفی مانند ساخت سیستم برای شناسایی URL های مخرب و ساخت برنامه برای تشخیص ایمیل های تقلبی و اسپم را پیاده سازی خواهید کرد. بعداً، یاد می گیرید که چگونه از الگوریتم K-means برای توسعه یک راه حل برای تشخیص هرگونه فعالیت مخرب در شبکه و هشدار به شما استفاده کنید. همچنین یاد می گیرید که چگونه از زیست سنجی و اثر انگشت برای تایید اینکه کاربر واقعی است یا خیر استفاده کنید.
در نهایت، خواهید دید که چگونه با TensorFlow بازی را تغییر می دهیم و یاد می گیریم که یادگیری عمیق برای ایجاد مدل ها و آموزش سیستم ها چقدر موثر است.
چه چیزهایی یاد خواهید گرفت
- استفاده از الگوریتم های یادگیری ماشین با مجموعه داده های پیچیده برای پیاده سازی مفاهیم امنیت سایبری
- پیاده سازی الگوریتم های یادگیری ماشین مانند خوشه بندی، K-means و Naive Bayes برای حل مشکلات دنیای واقعی
- یادگیری سرعت بخشیدن به سیستم با استفاده از کتابخانه های پایتون با NumPy، Scikit-learn و CUDA
- درک نحوه مقابله با بدافزار، تشخیص اسپم و مبارزه با کلاهبرداری مالی برای کاهش جرایم سایبری
- استفاده از TensorFlow در حوزه امنیت سایبری و پیاده سازی مثال های دنیای واقعی
- یادگیری نحوه استفاده از یادگیری ماشین و پایتون در مسائل پیچیده سایبری
این کتاب برای چه کسانی مناسب است
این کتاب برای دانشمندان داده، توسعه دهندگان یادگیری ماشین، محققان امنیتی و هر کسی که علاقه مند به استفاده از یادگیری ماشین برای ارتقا امنیت کامپیوتر است، مناسب است. داشتن دانش عملی از پایتون و آشنایی با اصول اولیه یادگیری ماشین و اصول امنیت سایبری به شما کمک می کند تا بیشترین بهره را از این کتاب ببرید.
فهرست کتاب:
۱. صفحه عنوان
۲. حق تکثیر و مشخصات
۳. درباره پکت
۴. مشارکتکنندگان
۵. پیشگفتار
۶. مبانی یادگیری ماشین در امنیت سایبری
۷. تحلیل سریهای زمانی و مدلسازی گروهی
۸. جداسازی نشانیهای وب قانونی و نامناسب
۹. از کار انداختن کپچاها
۱۰. استفاده از علم داده برای شناسایی کلاهبرداری ایمیلی و هرزنامه
۱۱. تشخیص کارآمد ناهنجاریهای شبکه با استفاده از k-میانگین
۱۲. درخت تصمیم و تشخیص رویدادهای مخرب مبتنی بر زمینه
۱۳. دستگیری متقلبان و هکرها در حین ارتکاب جرم
۱۴. تغییر بازی با تنسورفلو
۱۵. تقلب مالی و چگونگی کاهش آن با یادگیری عمیق
۱۶. مطالعات موردی
۱۷. کتابهای دیگری که ممکن است از آنها لذت ببرید
توضیحات(انگلیسی)
Get into the world of smart data security using machine learning algorithms and Python libraries
Key Features
- Learn machine learning algorithms and cybersecurity fundamentals
- Automate your daily workflow by applying use cases to many facets of security
- Implement smart machine learning solutions to detect various cybersecurity problems
Book Description
Cyber threats today are one of the costliest losses that an organization can face. In this book, we use the most efficient tool to solve the big problems that exist in the cybersecurity domain.
The book begins by giving you the basics of ML in cybersecurity using Python and its libraries. You will explore various ML domains (such as time series analysis and ensemble modeling) to get your foundations right. You will implement various examples such as building system to identify malicious URLs, and building a program to detect fraudulent emails and spam. Later, you will learn how to make effective use of K-means algorithm to develop a solution to detect and alert you to any malicious activity in the network. Also learn how to implement biometrics and fingerprint to validate whether the user is a legitimate user or not.
Finally, you will see how we change the game with TensorFlow and learn how deep learning is effective for creating models and training systems
What you will learn
- Use machine learning algorithms with complex datasets to implement cybersecurity concepts
- Implement machine learning algorithms such as clustering, k-means, and Naive Bayes to solve real-world problems
- Learn to speed up a system using Python libraries with NumPy, Scikit-learn, and CUDA
- Understand how to combat malware, detect spam, and fight financial fraud to mitigate cyber crimes
- Use TensorFlow in the cybersecurity domain and implement real-world examples
- Learn how machine learning and Python can be used in complex cyber issues
Who this book is for
This book is for the data scientists, machine learning developers, security researchers, and anyone keen to apply machine learning to up-skill computer security. Having some working knowledge of Python and being familiar with the basics of machine learning and cybersecurity fundamentals will help to get the most out of the book
Table of Contents
1. Title Page
2. Copyright and Credits
3. About Packt
4. Contributors
5. Preface
6. Basics of Machine Learning in Cybersecurity
7. Time Series Analysis and Ensemble Modeling
8. Segregating Legitimate and Lousy URLs
9. Knocking Down CAPTCHAs
10. Using Data Science to Catch Email Fraud and Spam
11. Efficient Network Anomaly Detection Using k-means
12. Decision Tree and Context-Based Malicious Event Detection
13. Catching Impersonators and Hackers Red Handed
14. Changing the Game with TensorFlow
15. Financial Fraud and How Deep Learning Can Mitigate It
16. Case Studies
17. Other Books You May Enjoy
دیگران دریافت کردهاند
✨ ضمانت تجربه خوب مطالعه
بازگشت کامل وجه
در صورت مشکل، مبلغ پرداختی بازگردانده می شود.
دانلود پرسرعت
دانلود فایل کتاب با سرعت بالا
ارسال فایل به ایمیل
دانلود مستقیم به همراه ارسال فایل به ایمیل.
پشتیبانی ۲۴ ساعته
با چت آنلاین و پیامرسان ها پاسخگو هستیم.
ضمانت کیفیت کتاب
کتاب ها را از منابع معتیر انتخاب می کنیم.
