Отрывок: (2018) proposed a bulk of machine learning methods for DDoS detection focusing on Internet of Things (IoT) network behaviour. The fact that this work only considers IoT-specific behaviours, such as: limited number of endpoints and regular time intervals between packets can result in an accurate and efficient feature selection that consequently results in high accuracy detection rate. Because IoT traffic is usually standardised and a lot of features ...
Название : | Applications of Machine Learning and Deep Learning for Privacy and Cybersecurity |
Авторы/Редакторы : | Correia A. Lobo V. |
Дата публикации : | 2022 |
Издательство : | Information Science Reference |
Библиографическое описание : | Correia, A. Applications of Machine Learning and Deep Learning for Privacy and Cybersecurity / Anacleto Correia, Victor Lobo. - Hershey, PA : Information Science Reference, 2022. - 1 file (6.21 Mb) (293 p.). - ISBN = 9781799894308, 9781799894322, 9781799894339. - Текст : электронный |
Аннотация : | The growth of innovative cyber threats, many based on metamorphosing techniques, has led to security breaches and the exposure of critical information in sites that were thought to be impenetrable. The consequences of these hacking actions were, inevitably, privacy violation, data corruption, or information leaking. Machine learning and data mining techniques have significant applications in the domains of privacy protection and cybersecurity, including intrusion detection, authentication, and website defacement detection, that can help to combat these breaches. Applications of Machine Learning and Deep Learning for Privacy and Cybersecurity provides machine and deep learning methods for analysis and characterization of events regarding privacy and anomaly detection as well as for establishing predictive models for cyber attacks or privacy violations. It provides case studies of the use of these techniques and discusses the expected future developments on privacy and cybersecurity applications. Covering topic Используемые программы Adobe Acrobat Рост инновационных киберугроз, многие из которых основаны на методах преобразования, привел к нарушениям безопасности и раскрытию критически важной информации на сайтах, которые считались непроницаемыми. Последствиями этих хакерских действий неизбежно были нарушение конфиденциальности, повреждение данных или утечка информации. Методы машинного обучения и интеллектуального анализа данных имеют важное применение в областях защиты конфиденциальности и кибербезопасности, включая обнаружение вторжений, аутентификацию и обнаружение порчи веб-сайтов, которые могут помочь бороться с этими нарушениями. Приложения машинного обучения и глубокого обучения для обеспечения конфиденциальности и кибербезопасности предоставляют методы машинного и глубокого обучения для анализа и характеристики событий, касающихся конфиденциальности и обнаружения аномалий, а также для создания прогностических моделей кибератак или нарушений конфиденциальности. В нем приводятся тематические исследования использования этих методов и обсуждаются |
URI (Унифицированный идентификатор ресурса) : | http://repo.ssau.ru/handle/eBooks/Applications-of-Machine-Learning-and-Deep-Learning-for-Privacy-and-Cybersecurity-108800 |
ISBN : | 9781799894308 9781799894322 9781799894339 |
Другие идентификаторы : | 3380199 |
Ключевые слова: | innovative cyber threats machine learning techniques privacy violation security breaches инновационные киберугрозы методы машинного обучения нарушение конфиденциальности нарушения безопасности |
Располагается в коллекциях: | eBooks |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
3380199.pdf | 6.36 MB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.