Aprendizaje automático forense para la aplicación de la ley, la seguridad y la inteligencia

Puntuación: ⭐⭐⭐⭐  (3,9 de 5)

Aprendizaje automático forense para la aplicación de la ley, la seguridad y la inteligencia (Jesus Mena)

Opiniones de los lectores

Resumen:

El libro goza de gran prestigio entre los investigadores de fraudes y ofrece información útil sobre investigaciones de fraudes y herramientas aplicables. Sin embargo, recibe críticas por ser excesivamente denso y complejo desde el punto de vista matemático, lo que lo hace menos accesible para quienes carecen de una formación matemática significativa.

Ventajas:

⬤ Ofrece información actual relevante para las investigaciones de fraude
⬤ incluye diversas herramientas y métodos para llevar a cabo investigaciones de fraude
⬤ contiene escenarios de la vida real y directrices para la investigación forense.

Desventajas:

⬤ Denso y complejo, repleto de conceptos matemáticos avanzados, lo que lo hace inadecuado para quienes no tienen una amplia formación matemática
⬤ carece de material de apoyo como una guía de estudio
⬤ algunos lectores lo encontraron difícil de entender y menos relevante para un público más amplio.

(basado en 8 opiniones de lectores)

Título original:

Machine Learning Forensics for Law Enforcement, Security, and Intelligence

Contenido del libro:

Cada vez más, los delitos y el fraude son de naturaleza digital, se producen a una velocidad vertiginosa y abarcan grandes volúmenes de datos. Para combatir esta actividad ilícita, es fundamental conocer el uso de la tecnología y el software de aprendizaje automático. Machine Learning Forensics for Law Enforcement, Security, and Intelligence integra un surtido de herramientas, técnicas y tecnologías deductivas e instructivas para armar a los profesionales con las herramientas que necesitan para estar preparados y adelantarse a los acontecimientos.

Instrucciones paso a paso

El libro es una guía práctica sobre cómo llevar a cabo investigaciones forenses utilizando redes neuronales de mapas de agrupación autoorganizados (SOM), extracción de texto y software de generación de reglas para "interrogar a las pruebas". Estos potentes datos son indispensables para la detección de fraudes, la ciberseguridad, la contrainteligencia competitiva y las investigaciones corporativas y de litigios. El libro también ofrece instrucciones paso a paso sobre cómo construir sistemas adaptativos de detección de delitos y fraudes para organizaciones.

La predicción es la clave

La actividad en Internet, el correo electrónico y las comunicaciones inalámbricas pueden capturarse, modelarse y desplegarse para anticiparse a posibles ciberataques y otros tipos de delitos. La predicción acertada de las reacciones humanas y las acciones de los servidores mediante la cuantificación de sus comportamientos tiene un valor incalculable para adelantarse a la actividad delictiva. Este volumen ayuda a los directores de información, al personal encargado de hacer cumplir la ley, a los profesionales jurídicos y de TI, a los investigadores y a los analistas de inteligencia competitiva en la planificación estratégica necesaria para reconocer los patrones de las actividades delictivas con el fin de predecir cuándo y dónde es probable que se produzcan delitos e intrusiones.

Otros datos del libro:

ISBN:9781439860694
Autor:
Editorial:
Encuadernación:Tapa dura
Año de publicación:2011
Número de páginas:349

Compra:

Actualmente disponible, en stock.

¡Lo compro!

Otros libros del autor:

Aprendizaje automático forense para la aplicación de la ley, la seguridad y la inteligencia -...
Cada vez más, los delitos y el fraude son de...
Aprendizaje automático forense para la aplicación de la ley, la seguridad y la inteligencia - Machine Learning Forensics for Law Enforcement, Security, and Intelligence

Las obras del autor han sido publicadas por las siguientes editoriales:

© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)