ویژگیهای کلیدی
مدیریت دادههای با پیچیدگیهای مختلف برای محافظت از سیستم خود با استفاده از اکوسیستم پایتون
بهکارگیری یادگیری ماشین در تست نفوذ، بدافزار، حریم خصوصی دادهها، سیستم تشخیص نفوذ (IDS) و مهندسی اجتماعی
خودکارسازی گردش کار روزانه خود با پرداختن به چالشهای امنیتی مختلف با استفاده از دستورالعملهای ارائه شده در کتاب
شرح کتاب
سازمانها امروزه با تهدید بزرگی از نظر امنیت سایبری، از URLهای مخرب گرفته تا استفاده مجدد از اعتبارنامهها، روبرو هستند و داشتن سیستمهای امنیتی قوی میتواند تفاوت زیادی ایجاد کند. با این کتاب، یاد خواهید گرفت که چگونه از کتابخانههای پایتون مانند TensorFlow و scikit-learn برای پیادهسازی جدیدترین تکنیکهای هوش مصنوعی (AI) و مدیریت چالشهای پیش روی محققان امنیت سایبری استفاده کنید.
شما با بررسی تکنیکهای مختلف یادگیری ماشین (ML) و نکاتی برای راهاندازی یک محیط آزمایشگاهی امن شروع خواهید کرد. در مرحله بعد، الگوریتمهای کلیدی یادگیری ماشین مانند خوشهبندی، تقویت گرادیان، جنگل تصادفی و XGBoost را پیادهسازی خواهید کرد. این کتاب شما را در ساخت طبقهبندیکنندهها و ویژگیهای بدافزار راهنمایی میکند، که آنها را آموزش داده و روی نمونههای واقعی آزمایش خواهید کرد. با پیشرفت، سیستمهای خودآموز و متکی برای انجام وظایف امنیت سایبری مانند شناسایی URLهای مخرب، تشخیص ایمیلهای اسپم، تشخیص نفوذ، محافظت از شبکه و ردیابی رفتار کاربر و فرآیند خواهید ساخت. بعداً، شبکههای مولد تخاصمی (GAN) و رمزگذارهای خودکار را برای وظایف امنیتی پیشرفته به کار خواهید گرفت. در نهایت، به هوش مصنوعی امن و خصوصی خواهید پرداخت تا از حقوق حریم خصوصی مصرفکنندگان با استفاده از مدلهای یادگیری ماشین خود محافظت کنید.
در پایان این کتاب، مهارتهای لازم برای مقابله با مشکلات دنیای واقعی در حوزه امنیت سایبری را با استفاده از یک رویکرد مبتنی بر دستورالعمل خواهید داشت. آنچه خواهید آموخت
یاد بگیرید که چگونه طبقهبندیکنندههای بدافزار را برای شناسایی فعالیتهای مشکوک بسازید
از یادگیری ماشین برای تولید بدافزار سفارشی برای تست نفوذ امنیت خود استفاده کنید
از الگوریتمهای یادگیری ماشین با مجموعه دادههای پیچیده برای پیادهسازی مفاهیم امنیت سایبری استفاده کنید
شبکههای عصبی برای شناسایی ویدیوها و تصاویر جعلی ایجاد کنید
سازمان خود را در برابر یکی از محبوبترین تهدیدات – تهدیدات داخلی – ایمن کنید
با ساخت یک سیستم تشخیص ناهنجاری، در برابر تهدیدات روز صفر دفاع کنید
با ترکیب متااسپلویت و یادگیری ماشین، آسیبپذیریهای وب را به طور مؤثر تشخیص دهید
نحوه آموزش یک مدل را بدون افشای دادههای آموزشی درک کنید
این کتاب برای چه کسانی مناسب است؟
این کتاب برای متخصصان امنیت سایبری و محققان امنیتی است که به دنبال پیادهسازی جدیدترین تکنیکهای یادگیری ماشین برای افزایش امنیت کامپیوتر و کسب بینش در مورد ایمنسازی یک سازمان با استفاده از یادگیری ماشین تیم قرمز و آبی هستند. این کتاب مبتنی بر دستورالعمل، برای دانشمندان داده و توسعهدهندگان یادگیری ماشین که میخواهند تکنیکهای هوشمند را در حوزه امنیت سایبری آزمایش کنند نیز مفید خواهد بود. دانش عملی برنامهنویسی پایتون و آشنایی با اصول امنیت سایبری به شما کمک میکند تا بیشترین بهره را از این کتاب ببرید.
فهرست مطالب
یادگیری ماشین برای امنیت سایبری
تشخیص بدافزار مبتنی بر یادگیری ماشین
تشخیص پیشرفته بدافزار
یادگیری ماشین برای مهندسی اجتماعی
تست نفوذ با استفاده از یادگیری ماشین
تشخیص نفوذ خودکار
ایمنسازی و حمله به دادهها با یادگیری ماشین
هوش مصنوعی امن و خصوصی
پیوست
