Jeżeli nie znalazłeś poszukiwanej książki, skontaktuj się z nami wypełniając formularz kontaktowy.

Ta strona używa plików cookies, by ułatwić korzystanie z serwisu. Mogą Państwo określić warunki przechowywania lub dostępu do plików cookies w swojej przeglądarce zgodnie z polityką prywatności.

Wydawcy

Literatura do programów

Informacje szczegółowe o książce

Adversarial Machine Learning - ISBN 9781107043466

Adversarial Machine Learning

ISBN 9781107043466

Autor: Anthony D. Joseph , Blaine Nelson , Benjamin I. P. Rubinstein , J. D. Tygar

Wydawca: Cambridge University Press

Dostępność: Dostawa 10-20 dni

Cena: 345,45 zł


ISBN13:      

9781107043466

ISBN10:      

1107043468

Autor:      

Anthony D. Joseph , Blaine Nelson , Benjamin I. P. Rubinstein , J. D. Tygar

Oprawa:      

Hardback

Rok Wydania:      

2019-02-21

Ilość stron:      

338

Wymiary:      

247 x 174 mm

Tematy:      

Machine learning

Written by leading researchers, this complete introduction brings together all the theory and tools needed for building robust machine learning in adversarial environments. Discover how machine learning systems can adapt when an adversary actively poisons data to manipulate statistical inference, learn the latest practical techniques for investigating system security and performing robust data analysis, and gain insight into new approaches for designing effective countermeasures against the latest wave of cyber-attacks. Privacy-preserving mechanisms and the near-optimal evasion of classifiers are discussed in detail, and in-depth case studies on email spam and network security highlight successful attacks on traditional machine learning algorithms. Providing a thorough overview of the current state of the art in the field, and possible future directions, this groundbreaking work is essential reading for researchers, practitioners and students in computer security and machine learning, and those wanting to learn about the next stage of the cybersecurity arms race.

Part I. Overview of Adversarial Machine Learning: 1. Introduction; 2. Background and notation; 3. A framework for secure learning; Part II. Causative Attacks on Machine Learning: 4. Attacking a hypersphere learner; 5. Availability attack case study: SpamBayes; 6. Integrity attack case study: PCA detector; Part III. Exploratory Attacks on Machine Learning: 7. Privacy-preserving mechanisms for SVM learning; 8. Near-optimal evasion of classifiers; Part IV. Future Directions in Adversarial Machine Learning: 9. Adversarial machine learning challenges.

Koszyk

Książek w koszyku: 0 szt.

Wartość zakupów: 0,00 zł

ebooks

Kontakt

Gambit
Centrum Oprogramowania
i Szkoleń Sp. z o.o.

Al. Pokoju 29b/22-24

31-564 Kraków

+48 12 414 3791

+48 12 414 3387


Siedziba Księgarni

ul. Kordylewskiego 1

31-542 Kraków

+48 12 410 5989

+48 12 414 3767

Zobacz na mapie google

Wyślij e-mail

Subskrypcje

Administratorem danych osobowych jest firma Gambit COiS Sp. z o.o. Na podany adres będzie wysyłany wyłącznie biuletyn informacyjny.

Autoryzacja płatności

PayU

Informacje na temat autoryzacji płatności poprzez PayU.

PayU banki

© Copyright 2012: GAMBIT COiS Sp. z o.o. Wszelkie prawa zastrzeżone.

Projekt i wykonanie: Alchemia Studio Reklamy