Bewertung:

Das Buch bietet eine umfassende Einführung in die Anwendung des maschinellen Lernens zur Verbesserung der Sicherheit. Es ist sowohl für technische als auch für nicht-technische Leser gut geeignet und bietet praktische Einblicke und ein gutes Gleichgewicht zwischen Theorie und Anwendung. Einige Leser empfanden die Schlussfolgerungen jedoch als irreführend, insbesondere was die Wirksamkeit des maschinellen Lernens gegen bestimmte Angriffe betrifft.
Vorteile:⬤ Guter Ausgangspunkt für das Verständnis des maschinellen Lernens im Sicherheitsbereich.
⬤ Umfassend für Techniker und Nicht-Techniker.
⬤ Ausgewogener Ansatz zwischen Theorie und Praxis.
⬤ Gibt Einblicke in die Grenzen des maschinellen Lernens im Sicherheitskontext.
⬤ Ausgezeichneter Inhalt mit praktischen Anwendungen.
⬤ Einige Leser fanden die Schlussfolgerungen in Bezug auf die Verteidigung gegen ML-gestützte Angriffe irreführend.
⬤ Nicht so technisch tiefgründig, wie einige erwartet hatten.
⬤ Bietet möglicherweise nicht genügend umsetzbare Abwehrstrategien für ML-bezogene Sicherheitsbedrohungen.
(basierend auf 14 Leserbewertungen)
Machine Learning and Security: Protecting Systems with Data and Algorithms
Maschinelles Lernen ist in den letzten Jahren zu einem heißen Thema in der Computersicherheit geworden, da es eine Technik darstellt, die den Fortschritten in der Kompetenz von Angreifern entgegenwirken kann. Dieses Buch bietet Sicherheits- und Softwareexperten einen praktischen Leitfaden für den Einsatz von maschinellem Lernen in der modernen Sicherheit. Wenn Sie ein oberflächliches Verständnis von maschinellem Lernen haben, können Sie sofort loslegen.
Indem Sie eine Reihe von Data-Mining-Techniken zur Lösung von Sicherheitsproblemen wie Spam, Authentifizierung, Missbrauch und Malware erkunden, lernen Sie, wie Sie skalierbare Systeme zur Bekämpfung von Eindringlingen aufbauen können - und vielleicht dem Katz-und-Maus-Spiel zwischen Angreifern und Verteidigern ein Ende setzen.
⬤ Erfahren Sie, warum und wann maschinelles Lernen im Sicherheitskontext nützlich ist.
⬤ Erhalten Sie eine breite Palette von Beispielen für verschiedene Anwendungsfälle.
⬤ Skalieren Sie Sicherheits-Data-Mining-Systeme für den Einsatz auf Web-Plattformen.