Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 17.08.2026 auf Schreibwaren & Office-Artikel online auf thalia.at, in der Thalia App und in teilnehmenden Thalia Buchhandlungen in Österreich mit Schulsortiment. In den Buchhandlungen nur gültig auf lagernde Ware. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Geschenkkarten, Versandkosten und Services.
Produktbild: Cybersecurity in Intelligent Networking Systems

Cybersecurity in Intelligent Networking Systems

Aus der Reihe Wiley - IEEE

153,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

29.11.2022

Verlag

John Wiley & Sons

Seitenzahl

146

Maße (L/B/H)

22,9/15,2/1 cm

Gewicht

368 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-119-78391-6

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

29.11.2022

Verlag

John Wiley & Sons

Seitenzahl

146

Maße (L/B/H)

22,9/15,2/1 cm

Gewicht

368 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-119-78391-6

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
Die Leseprobe wird geladen.
  • Produktbild: Cybersecurity in Intelligent Networking Systems
  • Contents
     
    Preface xiii
     
    Acknowledgments xvii
     
    Acronyms xix
     
    1 Cybersecurity in the Era of Artificial Intelligence 1
     
    1.1 Artificial Intelligence for Cybersecurity . 2
     
    1.1.1 Artificial Intelligence 2
     
    1.1.2 Machine Learning 4
     
    1.1.3 Data-Driven Workflow for Cybersecurity . 6
     
    1.2 Key Areas and Challenges 7
     
    1.2.1 Anomaly Detection . 8
     
    1.2.2 Trustworthy Artificial Intelligence . 10
     
    1.2.3 Privacy Preservation . 10
     
    1.3 Toolbox to Build Secure and Intelligent Systems . 11
     
    1.3.1 Machine Learning and Deep Learning . 12
     
    1.3.2 Privacy-Preserving Machine Learning . 14
     
    1.3.3 Adversarial Machine Learning . 15
     
    1.4 Data Repositories for Cybersecurity Research . 16
     
    1.4.1 NSL-KDD . 17
     
    1.4.2 UNSW-NB15 . 17
     
    v
     
    1.4.3 EMBER 18
     
    1.5 Summary 18
     
    2 Cyber Threats and Gateway Defense 19
     
    2.1 Cyber Threats . 19
     
    2.1.1 Cyber Intrusions . 20
     
    2.1.2 Distributed Denial of Services Attack . 22
     
    2.1.3 Malware and Shellcode . 23
     
    2.2 Gateway Defense Approaches 23
     
    2.2.1 Network Access Control 24
     
    2.2.2 Anomaly Isolation 24
     
    2.2.3 Collaborative Learning . 24
     
    2.2.4 Secure Local Data Learning 25
     
    2.3 Emerging Data-Driven Methods for Gateway Defense 26
     
    2.3.1 Semi-Supervised Learning for Intrusion Detection 26
     
    2.3.2 Transfer Learning for Intrusion Detection 27
     
    2.3.3 Federated Learning for Privacy Preservation . 28
     
    2.3.4 Reinforcement Learning for Penetration Test 29
     
    2.4 Case Study: Reinforcement Learning for Automated Post-Breach
     
    Penetration Test . 30
     
    2.4.1 Literature Review 30
     
    2.4.2 Research Idea 31
     
    2.4.3 Training Agent using Deep Q-Learning 32
     
    2.5 Summary 34
     
    vi
     
    3 Edge Computing and Secure Edge Intelligence 35
     
    3.1 Edge Computing . 35
     
    3.2 Key Advances in Edge Computing . 38
     
    3.2.1 Security 38
     
    3.2.2 Reliability . 41
     
    3.2.3 Survivability . 42
     
    3.3 Secure Edge Intelligence . 43
     
    3.3.1 Background and Motivation 44
     
    3.3.2 Design of Detection Module 45
     
    3.3.3 Challenges against Poisoning Attacks . 48
     
    3.4 Summary 49
     
    4 Edge Intelligence for Intrusion Detection 51
     
    4.1 Edge Cyberinfrastructure . 51
     
    4.2 Edge AI Engine 53
     
    4.2.1 Feature Engineering . 53
     
    4.2.2 Model Learning . 54
     
    4.2.3 Model Update 56
     
    4.2.4 Predictive Analytics . 56
     
    4.3 Threat Intelligence 57
     
    4.4 Preliminary Study . 57
     
    4.4.1 Dataset 57
     
    4.4.2 Environment Setup . 59
     
    4.4.3 Performance Evaluation . 59
     
    vii
     
    4.5 Summary 63
     
    5 Robust Intrusion Detection 65
     
    5.1 Preliminaries 65
     
    5.1.1 Median Absolute Deviation . 65
     
    5.1.2 Mahalanobis Distance 66
     
    5.2 Robust Intrusion Detection . 67
     
    5.2.1 Problem Formulation 67
     
    5.2.2 Step 1: Robust Data Preprocessing 68
     
    5.2.3 Step 2: Bagging for Labeled Anomalies 69
     
    5.2.4 Step 3: One-Class SVM for Unlabeled Samples . 70
     
    5.2.5 Step 4: Final Classifier . 74
     
    5.3 Experiment and Evaluation . 76
     
    5.3.1 Experiment Setup 76
     
    5.3.2 Performance Evaluation . 81
     
    5.4 Summary 92
     
    6 Efficient Preprocessing Scheme for Anomaly Detection 93
     
    6.1 Efficient Anomaly Detection . 93
     
    6.1.1 Related Work . 95
     
    6.1.2 Principal Component Ana