Návštěvou našich stránek souhlasíte s našimi zásady ochrany osobních údajů týkající se souborů cookie, statistik sledování atd.

Pokročilé odhalování zranitelností a umělá inteligence

Tento modul zkoumá průnik odhalování zranitelností a umělé inteligence (AI) a zaměřuje se na to, jak mohou techniky AI automatizovat a zlepšit identifikaci bezpečnostních zranitelností v softwaru a systémech. Zahrnuje použití modelů strojového učení k předvídání a vyhledávání potenciálních bezpečnostních chyb, trénování AI na historických datech o zranitelnostech a etické aspekty automatizovaného testování a využívání.

Portál > Umělá inteligence > Pokročilé odhalování zranitelností a umělá inteligence

Tvůrce učebních osnov

Zobrazit učební plán

Chio, Clarence a David Freeman. Strojové učení a bezpečnost: Chránit systémy pomocí dat a algoritmů. První vydání. Sebastopol, Kalifornie: O'Reilly Media, 2018.

Wang, Bolun, Yuanshun Yao, Bimal Viswanath, Haitao Zheng a Ben Y. Zhao. "With Great Training Comes Great Vulnerability: Praktické útoky proti učení přenosem." In Proceedings of the 27th USENIX Conference on Security Symposium, 1281-97. SEC'18. USA: USENIX Association, 2018.

Anderson, Hyrum S., Jonathan Woodbridge a Bobby Filar. "DeepDGA: Adversarially-Tuned Domain Generation and Detection." arXiv, 2016.

https://doi.org/10.48550/ARXIV.1610.01969

Shirazi, Hossein, Bruhadeshwar Bezawada, Indrakshi Ray a Charles Anderson. "Adversarial Sampling Attacks Against Phishing Detection" (Útoky proti detekci phishingu s využitím vzorkování). In Data and Applications Security and Privacy XXXIII, edited by Simon N. Foley, 11559:83-101. Cham: Springer International Publishing, 2019.

https://doi.org/10.1007/978-3-030-22479-0_5

Erba, Alessandro, Riccardo Taormina, Stefano Galelli, Marcello Pogliani, Michele Carminati, Stefano Zanero a Nils Ole Tippenhauer. "Constrained Concealment Attacks against Reconstruction-Based Anomaly Detectors in Industrial Control Systems". In Annual Computer Security Applications Conference, 480-95, 2020.

https://doi.org/10.1145/3427228.3427660

Kuleshov, Volodymyr, Shantanu Thakoor, Tingfung Lau a Stefano Ermon. "Adversarial Examples for Natural Language Classification Problems", 15. února 2018.

https://openreview.net/forum?id=r1QZ3zbAZ

Demetrio, Luca, Battista Biggio, Giovanni Lagorio, Fabio Roli a Alessandro Armando. "Explaining Vulnerabilities of Deep Learning to Adversarial Malware Binaries." arXiv, 2019.

https://doi.org/10.48550/ARXIV.1901.03583

Kuppa, Aditya, Slawomir Grzonkowski, Muhammad Rizwan Asghar a Nhien-An Le-Khac. "Black Box Attacks on Deep Anomaly Detectors" (Útoky černé skříňky na hloubkové detektory anomálií). In Sborník 14. mezinárodní konference o dostupnosti, spolehlivosti a bezpečnosti, 1-10. Canterbury CA Spojené království: ACM, 2019.

https://doi.org/10.1145/3339252.3339266

Gibert, Daniel, Carles Mateu a Jordi Planes. "Vzestup strojového učení pro detekci a klasifikaci malwaru: Vývoj výzkumu, trendy a výzvy." Journal of Network and Computer Applications 153 (2020): 102526.

https://doi.org/10.1016/j.jnca.2019.102526

Rosenberg, Ihai, Asaf Shabtai, Yuval Elovici a Lior Rokach. "Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain." ArXiv, 13. března 2021.

https://doi.org/10.48550/arXiv.2007.02407

Děkujeme, že jste se přihlásili k odběru našeho newsletteru!

Děkujeme! Přijaté RSVP pro Chia, Clarence a Davida Freemana. Strojové učení a bezpečnost: Chránit systémy pomocí dat a algoritmů. První vydání. Sebastopol, Kalifornie: O'Reilly Media, 2018.

Chio, Clarence a David Freeman. Strojové učení a bezpečnost: Chránit systémy pomocí dat a algoritmů. První vydání. Sebastopol, Kalifornie: O'Reilly Media, 2018.

Načítání...

Načítání...