دانلود کتاب Handbook of Big Data Analytics and Forensics – راهنمای تجزیه و تحلیل داده های بزرگ و پزشکی قانونی

توضیحات

This handbook discusses challenges and limitations in existing solutions, and presents state-of-the-art advances from both academia and industry, in big data analytics and digital forensics. The second chapter comprehensively reviews IoT security, privacy, and forensics literature, focusing on IoT and unmanned aerial vehicles (UAVs). Theauthorspropose a deep learning-based approach to process clouds log data and mitigate enumeration attacks in the third chapter. The fourth chapter proposesa robust fuzzy learning model to protect IT-based infrastructure against advanced persistent threat (APT) campaigns. Advanced and fair clustering approach for industrial data, which is capable of training with huge volume of data in a close to linear time is introduced in the fifth chapter, as well as offering an adaptive deep learning model to detect cyberattacks targeting cyber physical systems (CPS) covered in thesixthchapter.

Theauthorsevaluate the performance of unsupervised machine learning for detecting cyberattacks against industrial control systems (ICS) in chapter 7, and the next chapter presents a robust fuzzy Bayesian approach for ICSs cyber threat hunting. This handbook also evaluates the performance of supervised machine learning methods in identifying cyberattacks against CPS. The performance of a scalable clustering algorithm for CPSs cyber threat hunting and the usefulness of machine learning algorithms for MacOS malware detection are respectively evaluated.

This handbook continues with evaluating the performance of various machine learning techniques to detect the Internet of Things malware. Theauthorsdemonstrate how MacOSX cyberattacks can be detected using state-of-the-art machine learning models. In order to identify credit card frauds, the fifteenth chapter introduces a hybrid model. In the sixteenth chapter, the editors propose a model that leverages natural language processing techniques for generating a mapping between APT-related reports and cyber kill chain. A deep learning-based approach to detect ransomware is introduced, as well asa proposedclustering approach to detect IoT malware in the last two chapters.

This handbook primarily targets professionals and scientists working in Big Data, Digital Forensics, Machine Learning, Cyber Security Cyber Threat Analytics and Cyber Threat Hunting as a reference book. Advanced level-students and researchers studying and working in Computer systems, Computer networks and Artificial intelligence will also find this reference useful.

————————————————————–

ترجمه ماشینی :

این کتاب راهنما چالش‌ها و محدودیت‌های موجود در راه‌حل‌های موجود را مورد بحث قرار می‌دهد و پیشرفت‌های پیشرفته را از دانشگاه و صنعت، در تجزیه و تحلیل داده‌های بزرگ و پزشکی قانونی دیجیتال ارائه می‌دهد. فصل دوم به طور جامع امنیت اینترنت اشیاء، حریم خصوصی و ادبیات پزشکی قانونی را بررسی می‌کند، با تمرکز بر اینترنت اشیا و وسایل نقلیه هوایی بدون سرنشین (UAV). نویسندگان یک رویکرد مبتنی بر یادگیری عمیق را برای پردازش داده‌های گزارش ابرها و کاهش حملات شمارش در فصل سوم پیشنهاد می‌کنند. فصل چهارم یک مدل یادگیری فازی قوی را برای محافظت از زیرساخت مبتنی بر فناوری اطلاعات در برابر کمپین‌های تهدید مداوم پیشرفته (APT) پیشنهاد می‌کند. رویکرد خوشه‌بندی پیشرفته و منصفانه برای داده‌های صنعتی، که قابلیت آموزش با حجم عظیم داده در زمان نزدیک به خطی را دارد، در فصل پنجم معرفی شده است و همچنین یک مدل یادگیری عمیق تطبیقی برای شناسایی حملات سایبری با هدف قرار دادن سیستم‌های فیزیکی سایبری (CPS) ارائه می‌کند. ) در فصل ششم پوشش داده شده است.

مؤلفان عملکرد یادگیری ماشینی بدون نظارت را برای شناسایی حملات سایبری علیه سیستم‌های کنترل صنعتی (ICS) در فصل 7 ارزیابی می‌کنند و فصل بعدی یک رویکرد بیزی فازی قوی برای شکار تهدید سایبری ICS ارائه می‌کند. این کتاب راهنما همچنین عملکرد روش‌های یادگیری ماشینی تحت نظارت را در شناسایی حملات سایبری علیه CPS ارزیابی می‌کند. عملکرد یک الگوریتم خوشه‌بندی مقیاس‌پذیر برای شکار تهدید سایبری CPS و سودمندی الگوریتم‌های یادگیری ماشین برای شناسایی بدافزار MacOS به ترتیب ارزیابی می‌شوند.

این کتاب با ارزیابی عملکرد تکنیک‌های مختلف یادگیری ماشین برای شناسایی اینترنت ادامه می‌یابد. بدافزار of Things نویسندگان نشان می دهند که چگونه می توان حملات سایبری MacOSX را با استفاده از مدل های پیشرفته یادگیری ماشین شناسایی کرد. به منظور شناسایی کلاهبرداری های کارت اعتباری، فصل پانزدهم یک مدل ترکیبی را معرفی می کند. در فصل شانزدهم، ویراستاران مدلی را پیشنهاد می‌کنند که از تکنیک‌های پردازش زبان طبیعی برای ایجاد نقشه‌ای بین گزارش‌های مرتبط با APT و زنجیره کشتار سایبری استفاده می‌کند. یک رویکرد مبتنی بر یادگیری عمیق برای شناسایی باج‌افزار، و همچنین یک رویکرد خوشه‌بندی پیشنهادی برای شناسایی بدافزار اینترنت اشیا در دو فصل اخیر معرفی شده است.

این کتاب در درجه اول متخصصان و دانشمندانی را هدف قرار می‌دهد که در Big Data، Digital Forensics، Machine کار می‌کنند. آموزش، امنیت سایبری تجزیه و تحلیل تهدیدات سایبری و شکار تهدید سایبری به عنوان کتاب مرجع. دانش‌آموزان و محققان سطح پیشرف

tag : دانلود کتاب راهنمای تجزیه و تحلیل داده های بزرگ و پزشکی قانونی , Download راهنمای تجزیه و تحلیل داده های بزرگ و پزشکی قانونی , دانلود راهنمای تجزیه و تحلیل داده های بزرگ و پزشکی قانونی , Download Handbook of Big Data Analytics and Forensics Book , راهنمای تجزیه و تحلیل داده های بزرگ و پزشکی قانونی دانلود , buy راهنمای تجزیه و تحلیل داده های بزرگ و پزشکی قانونی , خرید کتاب راهنمای تجزیه و تحلیل داده های بزرگ و پزشکی قانونی , دانلود کتاب Handbook of Big Data Analytics and Forensics , کتاب Handbook of Big Data Analytics and Forensics , دانلود Handbook of Big Data Analytics and Forensics , خرید Handbook of Big Data Analytics and Forensics , خرید کتاب Handbook of Big Data Analytics and Forensics ,