Vor Ort
Merkzettel Warenkorb
  • Produktbild: Smart Log Data Analytics
  • Produktbild: Smart Log Data Analytics
- 12%

Smart Log Data Analytics Techniques for Advanced Security Analysis

12% sparen

144,99 € UVP 164,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

30.08.2022

Verlag

Springer

Seitenzahl

208

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

347 g

Auflage

1st ed. 2021

Sprache

Englisch

ISBN

978-3-030-74452-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

30.08.2022

Verlag

Springer

Seitenzahl

208

Maße (L/B/H)

23,5/15,5/1,3 cm

Gewicht

347 g

Auflage

1st ed. 2021

Sprache

Englisch

ISBN

978-3-030-74452-6

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Smart Log Data Analytics
  • Produktbild: Smart Log Data Analytics
  • I1.- Introduction.- 1.1 State of the art in security monitoring and anomaly detection.- 1.2 Current trends.- 1.3. future challenges.- 1.4 Log data analysis: today and tomorrow.- 1.5 Smart log data analytics: Structure of the book.- 1.6 Try it out: Hands-on examples throughout the book.- 2 Survey on log clustering approaches.- 2.1 Introduction. 2.2 Survey background.- 2.1 The nature of log data. 2.2 Static clustering.- 2.3 Dynamic clustering.- 2.4 Applications in the security domain.- 2.3 Survey method.- 2.3.1 Set of criteria.- 2.3.2 Literature search.- 2.4 Survey results.- 2.4.1 Purpose and applicability (P).- 2.4.2 Clustering techniques (C).- 2.4.3 Anomaly detection (AD).- 2.4.4 Evaluation (E). 2.4.5 Discussion.- 2.5 Conclusion.- 3 Incremental log data clustering for processing large amounts of data online.- 3.1 Introduction.- 3.2 Concept for incremental clustering.- 3.2.1 Incremental clustering.- 3.2.2 Description of model.- 3.2.3 String metrics.- 3.2.4 Description of model M 1.‑‑ 3.2.5 Time series analysis.-  3.3 Outlook and further development.- 3.4 Try it out.-  3.4.1 Exim Mainlog.- 3.4.2 Messages log file.- 4 Generating character-based templates for log data.- 4.1 Introduction.- 4.2 Concept for generating character-based templates.- 4.3 Cluster template generator algorithms4.3.1 Initial matching.-  4.3.2 Merge algorithm.-4.3.3 Length algorithm.-  4.3.4 Equalmerge algorithm.- 4.3.5 Token_char algorithm.- 4.3.6 Comparison.- 4.4 Outlook and further development.- 4.5 Try it out .-  4.5.1 Exim Mainlog.- 5 Time series analysis for temporal anomaly detection5.1 Introduction.- 5.2 Concept for dynamic clustering and AD.- 5.3 Cluster evolution.- 5.3.1 Clustering model.-  5.3.2 Tracking.-  5.3.3 Transitions.-  5.3.4 Evolution metrics .- 5.4 Time series analysis.-  5.4.1 Model.- 5.4.2 Forecast.- 5.4.3 Correlation.- 5.4.4 Detection.- 5.5 Example.-  5.5.1 Long-term analysis of Suricata logs.- 5.5.2 Short-term analysis of Audit logs.- 6 AECID: A light-weight log analysis approach for online anomaly detection.- 6.1 Introduction.- 6.2 The AECID approach.- 6.2.1 AMiner.- 6.2. AECID central.- 6.2. Detecting anomalies.- 6.2. Rule generator.- 6.2. Correlation engine.-  6.2. Detectable anomalies.- 6. System deployment and operation.- 6. Application scenarios.-  6. Try it out.- 6.5.1 Configuration of the AMiner for AIT-LDSv1. - 6.5.2 Apache Access logs.-  6.5.3 Exim Mainlog file.- 6.5.4 Audit logs.- 7. A concept for a tree-based log parser generator.-  7.1 Introduction.- 7.2 Tree-based parser concept.-  7.3 AECID-PG: tree-based log parser generator.-  7.3.1 Challenges when generating tree-like parsers.- 7.3.2 AECID-PG concept.-  7.3.3 AECID-PG rules.-  7.3.4 Features.- 7.4 Outlook and further application.-  7.5 Try it out.- 7.5.1 Exim Mainlog.-  7.5.2 Audit logs.- 8 Variable type detector for statistical analysis of log tokens.-  8.1 Introduction.-.-8.2 Variable type detector concept.- 8.3 Variable type detector algorithm.- 8.3.1 Sanitize log data.- 8.3.2 Initialize types.- 8.3.3 Update types.-  8.3.4 Compute indicators.- 8.3.5 Select tokens.- 8.3.6 Compute indicator weights.-  8.3.7 Report anomalies.-  8.4 Try it out.- 8.4.1 Apache Access log.- 9. Final remarks.