خرید و دانلود کتاب Machine Learning and Security اثر Clarence Chio و David Freeman

محافظت از سیستم‌ها با استفاده از داده‌ها و الگوریتم‌ها (Protecting Systems with Data and Algorithms)

ترکیب یادگیری ماشین و امنیت سایبری

با افزایش وابستگی ما به رایانه‌ها برای بخش بزرگی از کار و زندگی، ارزش نفوذ به این سیستم‌ها نیز برای مهاجمان افزایش یافته است. از آنجا که سیستم‌ها پیچیده‌تر و متصل‌تر می‌شوند، اطمینان از عدم وجود باگ یا درهای پشتی (Backdoors) دشوارتر می‌گردد. این کتاب بررسی می‌کند که آیا تکنیک‌های یادگیری ماشین می‌توانند مشکلات امنیتی ما را به شکل ریشه‌ای حل کنند یا خیر. با خواندن این منبع عملی، شما چارچوبی برای درک پیوند این دو حوزه و جعبه‌ابزاری از الگوریتم‌های یادگیری ماشین برای اعمال در انواع مختلف مسائل امنیتی به دست می‌آورید.

سرفصل‌ها و مباحث کلیدی کتاب

این کتاب به بررسی عمیق و کاربردی مفاهیم زیر می‌پردازد:

• تشخیص ناهنجاری (Anomaly Detection): کشف سریع ناهنجاری‌ها از جمله نفوذها، تقلب و خرابی‌های قریب‌الوقوع سیستم با استفاده از روش‌هایی نظیر Isolation Forests و One-class SVMs.

• تحلیل بدافزار (Malware Analysis): انجام تحلیل بدافزار از طریق مهندسی ویژگی و استخراج اطلاعات مفید از فایل‌های باینری رایانه‌ای.

• تحلیل ترافیک شبکه (Network Traffic Analysis): کشف مهاجمان در داخل شبکه با یافتن الگوهای پنهان در مجموعه داده‌ها و استفاده از یادگیری نظارت‌شده و بدون نظارت.

• محافظت از وب مصرف‌کننده (Protecting the Consumer Web): بررسی نحوه سوءاستفاده مهاجمان از وب‌سایت‌های سمت کاربر نظیر تصاحب حساب کاربری، ایجاد حساب‌های جعلی، تقلب مالی و فعالیت بات‌ها.

• سیستم‌های تولید (Production Systems): چالش‌های انتقال الگوریتم‌های یادگیری ماشین از محیط آزمایشگاهی به محیط عملیاتی و مقیاس‌پذیر.

• یادگیری ماشین خصمانه (Adversarial Machine Learning): درک تهدیداتی که مهاجمان برای خود راهکارهای یادگیری ماشین ایجاد می‌کنند (مانند مسموم‌سازی مدل و حملات گریز) و نحوه دفاع در برابر آن‌ها.