Atnaujinkite slapukų nuostatas

El. knyga: Machine Learning under Malware Attack

  • Formatas: EPUB+DRM
  • Išleidimo metai: 31-Jan-2023
  • Leidėjas: Springer Vieweg
  • Kalba: eng
  • ISBN-13: 9783658404420
Kitos knygos pagal šią temą:
Machine Learning under Malware AttackDidesnis paveikslėlis
  • Formatas: EPUB+DRM
  • Išleidimo metai: 31-Jan-2023
  • Leidėjas: Springer Vieweg
  • Kalba: eng
  • ISBN-13: 9783658404420
Kitos knygos pagal šią temą:

DRM apribojimai

  • Kopijuoti:

    neleidžiama

  • Spausdinti:

    neleidžiama

  • El. knygos naudojimas:

    Skaitmeninių teisių valdymas (DRM)
    Leidykla pateikė šią knygą šifruota forma, o tai reiškia, kad norint ją atrakinti ir perskaityti reikia įdiegti nemokamą programinę įrangą. Norint skaityti šią el. knygą, turite susikurti Adobe ID . Daugiau informacijos  čia. El. knygą galima atsisiųsti į 6 įrenginius (vienas vartotojas su tuo pačiu Adobe ID).

    Reikalinga programinė įranga
    Norint skaityti šią el. knygą mobiliajame įrenginyje (telefone ar planšetiniame kompiuteryje), turite įdiegti šią nemokamą programėlę: PocketBook Reader (iOS / Android)

    Norint skaityti šią el. knygą asmeniniame arba „Mac“ kompiuteryje, Jums reikalinga  Adobe Digital Editions “ (tai nemokama programa, specialiai sukurta el. knygoms. Tai nėra tas pats, kas „Adobe Reader“, kurią tikriausiai jau turite savo kompiuteryje.)

    Negalite skaityti šios el. knygos naudodami „Amazon Kindle“.

Machine learning has become key in supporting decision-making processes across a wide array of applications, ranging from autonomous vehicles to malware detection. However, while highly accurate, these algorithms have been shown to exhibit vulnerabilities, in which they could be deceived to return preferred predictions. Therefore, carefully crafted adversarial objects may impact the trust of machine learning systems compromising the reliability of their predictions, irrespective of the field in which they are deployed. The goal of this book is to improve the understanding of adversarial attacks, particularly in the malware context, and leverage the knowledge to explore defenses against adaptive adversaries. Furthermore, to study systemic weaknesses that can improve the resilience of machine learning models. 
The Beginnings of Adversarial ML.- Framework for Adversarial Malware
Evaluation.- Problem-Space Attacks.- Feature-Space Attacks.- Closing Remarks.
Raphael Labaca-Castro is a computer scientist whose primary interests lie in the nexus between Machine Learning and Computer Security. He holds a PhD in Adversarial Machine Learning and currently leads an ML team in the quantum security field. 
Daugiau apie elektronines knygas Daugiau apie elektronines knygas
Pastovi nuoroda: https://www.kriso.lt/db/97836584044206e.html
Raktažodžiai: