Avancées et défis du ML & DL en cybersécurité

L'intégration de la cybersécurité et des systèmes intelligents, en soulignant comment l'apprentissage machine (ML) et l'apprentissage profond (DL) améliorent la cyberdéfense moderne. Il présente les concepts fondamentaux de la cybersécurité, l'évolution des menaces et des défenses, et les principes fondamentaux de l'apprentissage automatique tels que la collecte de données, le prétraitement, les algorithmes d'apprentissage et les défis tels que le déséquilibre des données, la dérive des concepts, l'évolutivité et la robustesse. Le texte explore les architectures d'apprentissage profond et leurs applications dans la détection des intrusions, le renseignement sur les menaces et l'analyse des logiciels malveillants, en mettant l'accent sur la détection des anomalies, l'analyse automatisée des menaces et la résilience contre l'évasion. Il aborde également l'apprentissage automatique contradictoire, la robustesse des modèles, les considérations éthiques et juridiques, la protection de la vie privée et l'interprétabilité. L'ouvrage se termine par les technologies d'IA émergentes, les systèmes de défense autonomes et les orientations futures de la recherche pour construire des solutions de cybersécurité résilientes et explicables basées sur l'IA.

Pagina's: 164, Paperback, Editions Notre Savoir