Hodnocení:
Kniha poskytuje ucelený úvod do využití strojového učení při zvyšování bezpečnosti. Je vhodná pro technické i netechnické čtenáře a nabízí praktické poznatky a dobrou rovnováhu mezi teorií a aplikacemi. Někteří čtenáři však považovali závěry za zavádějící, zejména pokud jde o účinnost strojového učení proti některým útokům.
Klady:⬤ Dobrý výchozí bod pro pochopení strojového učení v oblasti bezpečnosti.
⬤ Komplexní pro technické i netechnické jedince.
⬤ Vyvážený přístup mezi teorií a praxí.
⬤ Poskytuje náhled na omezení strojového učení v bezpečnostním kontextu.
⬤ Vynikající obsah s diskutovanými praktickými aplikacemi.
⬤ Někteří čtenáři považovali závěry týkající se obrany proti útokům cíleným na ML za zavádějící.
⬤ Není tak technicky hluboký, jak někteří očekávali.
⬤ Možná neposkytuje dostatek použitelných obranných strategií pro bezpečnostní hrozby související s ML.
(na základě 14 hodnocení čtenářů)
Machine Learning and Security: Protecting Systems with Data and Algorithms
Strojové učení se v posledních několika letech stalo v oblasti počítačové bezpečnosti žhavým tématem, protože představuje techniku, která může čelit pokroku v kompetencích útočníků. Tato kniha poskytne odborníkům z oblasti bezpečnosti a softwaru praktického průvodce přístupem k modernímu zabezpečení pomocí strojového učení. Pokud máte povrchní znalosti o strojovém učení, jste připraveni začít.
Díky prozkoumání řady technik dolování dat pro řešení bezpečnostních problémů v oblasti zabezpečení, jako je spam, ověřování, zneužívání a malware, se naučíte, jak vytvářet škálovatelné systémy pro boj s útočníky - a možná ukončíte hru na kočku a myš mezi útočníky a obránci.
⬤ Zjistěte, proč a kdy je strojové učení užitečné v kontextu bezpečnosti.
⬤ Získáte širokou škálu příkladů z různých případů použití.
⬤ Škálujte systémy pro dolování bezpečnostních dat pro nasazení na platformách webového rozsahu.