Advances in Malware and Data-Driven Network Security

Abstract

Every day approximately three-hundred thousand to four-hundred thousand new malware are registered, many of them being adware and variants of previously known malware. Anti-virus companies and researchers cannot deal with such a deluge of malware – to analyze and build patches. The only way to scale the efforts is to build algorithms to enable machines to analyze malware and classify and cluster them to such a level of granularity that it will enable humans (or machines) to gain critical insights about them and build solutions that are specific enough to detect and thwart existing malware and generic-enough to thwart future variants. This book comprehensively covers data-driven malware security with an emphasis on using statistical, machine learning, and AI as well as the current trends in ML/statistical approaches to detecting, clustering, and classification of cyber-threats. Providing information on advances in malware and data-driven network security as well as future research directions, it is ideal for g

Используемые программы Adobe Acrobat

Каждый день регистрируется от трехсот до четырехсот тысяч новых вредоносных программ, в том числе рекламных, а также вариантов ранее известных вредоносных программ. Антивирусные компании и исследователи не могут справиться с таким потоком вредоносных программ - для анализа и создания исправлений. Единственный способ масштабировать усилия - создать алгоритмы, позволяющие машинам анализировать вредоносные программы, классифицировать и группировать их с таким уровнем детализации, который позволит людям (или машинам) получать критическую информацию о них и создавать решения, достаточно специфичные для обнаружения существующих вредоносных программ и противодействия им, а также достаточно универсальные для предотвращения их возможного модифицирования в будущем. Книга всесторонне рассматривает основанную на данных защиту от вредоносных программ, с акцентом на использование статистики, машинного обучения и искусственного интеллекта, а также современные тенденции в области ML/статистических подходов к обнаружению, кла