Puntuación:
Actualmente no hay opiniones de lectores. La calificación se basa en 21 votos.
Machine Learning for Cybersecurity Cookbook
Aprenda a aplicar la IA moderna para crear potentes soluciones de ciberseguridad para malware, pentesting, ingeniería social, privacidad de datos y detección de intrusos Características principales Gestione datos de diversa complejidad para proteger su sistema utilizando el ecosistema Python Aplique ML a pentesting, malware, privacidad de datos, sistema de detección de intrusos(IDS) e ingeniería social Automatice su flujo de trabajo diario abordando diversos retos de seguridad utilizando las recetas cubiertas en el libro Descripción del libro
Las organizaciones de hoy en día se enfrentan a una gran amenaza en términos de ciberseguridad, desde URLs maliciosas hasta la reutilización de credenciales, y contar con sistemas de seguridad robustos puede marcar la diferencia. Con este libro, aprenderá a utilizar bibliotecas de Python como TensorFlow y scikit-learn para implementar las últimas técnicas de inteligencia artificial (IA) y hacer frente a los retos a los que se enfrentan los investigadores de ciberseguridad.
Comenzará explorando varias técnicas de aprendizaje automático (ML) y consejos para configurar un entorno de laboratorio seguro. A continuación, implementará algoritmos clave de ML como la agrupación, el refuerzo de gradiente, el bosque aleatorio y XGBoost. El libro le guiará en la construcción de clasificadores y características para malware, que entrenará y probará con muestras reales. A medida que avance, construirá sistemas autodidactas y fiables para gestionar tareas de ciberseguridad como la identificación de URL maliciosas, la detección de correo electrónico no deseado, la detección de intrusiones, la protección de redes y el seguimiento del comportamiento de usuarios y procesos. Más adelante, aplicará redes generativas adversariales (GAN) y autocodificadores a tareas de seguridad avanzadas. Por último, profundizará en la IA segura y privada para proteger los derechos de privacidad de los consumidores utilizando sus modelos ML.
Al final de este libro, usted tendrá las habilidades que necesita para hacer frente a los problemas del mundo real se enfrentan en el ámbito de la ciberseguridad utilizando un enfoque basado en recetas. Lo que aprenderá Aprenda a construir clasificadores de malware para detectar actividades sospechosas Aplique ML para generar malware personalizado para pentest su seguridad Utilice algoritmos de ML con conjuntos de datos complejos para implementar conceptos de ciberseguridad Cree redes neuronales para identificar vídeos e imágenes falsos Proteja su organización de una de las amenazas más populares: las amenazas internas Defiéndase de las amenazas de día cero construyendo un sistema de detección de anomalías Detecte vulnerabilidades web de forma eficaz combinando Metasploit y ML Comprenda cómo entrenar un modelo sin exponer los datos de entrenamiento A quién va dirigido este libro.
Este libro es para profesionales de la ciberseguridad e investigadores de seguridad que buscan implementar las últimas técnicas de aprendizaje automático para impulsar la seguridad informática, y obtener conocimientos para asegurar una organización utilizando ML de equipos rojos y azules. Este libro basado en recetas también será útil para científicos de datos y desarrolladores de aprendizaje automático que deseen experimentar con técnicas inteligentes en el ámbito de la ciberseguridad. El conocimiento práctico de la programación en Python y la familiaridad con los fundamentos de la ciberseguridad le ayudarán a sacar el máximo provecho de este libro. Tabla de contenidos Aprendizaje automático para ciberseguridad Detección de malware basada en aprendizaje automático Detección avanzada de malware Aprendizaje automático para ingeniería social Pruebas de penetración mediante aprendizaje automático Detección automática de intrusiones Protección y ataque de datos con aprendizaje automático Inteligencia artificial segura y privada Apéndice
© 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)