Προηγμένος εντοπισμός ευπάθειας και τεχνητή νοημοσύνη

Αυτή η ενότητα διερευνά τη διασταύρωση της ανακάλυψης ευπάθειας και της Τεχνητής Νοημοσύνης (AI), εστιάζοντας στον τρόπο με τον οποίο οι τεχνικές AI μπορούν να αυτοματοποιήσουν και να ενισχύσουν τον εντοπισμό τρωτών σημείων ασφαλείας σε λογισμικό και συστήματα. Καλύπτει τη χρήση μοντέλων μηχανικής μάθησης για την πρόβλεψη και τον εντοπισμό πιθανών ελαττωμάτων ασφαλείας, την εκπαίδευση της τεχνητής νοημοσύνης σε ιστορικά δεδομένα ευπάθειας και τα δεοντολογικά ζητήματα της αυτοματοποιημένης δοκιμής και εκμετάλλευσης.

Portal > Τεχνητή νοημοσύνη > Προηγμένος εντοπισμός ευπάθειας και τεχνητή νοημοσύνη

Δημιουργός προγράμματος σπουδών

Χίο, Κλάρενς και Ντέιβιντ Φρίμαν. Μηχανική Μάθηση και Ασφάλεια: Προστασία Συστημάτων με Δεδομένα και Αλγόριθμους. Πρώτη έκδοση. Σεβαστούπολη, CA: O’Reilly Media, 2018.

Wang, Bolun, Yuanshun Yao, Bimal Viswanath, Haitao Zheng και Ben Y. Zhao. “Με τη μεγάλη εκπαίδευση έρχεται μεγάλη ευπάθεια: πρακτικές επιθέσεις κατά της μάθησης μεταφοράς.” Στα Πρακτικά του 27ου USENIX Conference on Security Symposium, 1281–97. SEC’18. ΗΠΑ: USENIX Association, 2018.

Άντερσον, Χάιρουμ Σ., Τζόναθαν Γούντμπριτζ και Μπόμπι Φίλαρ. “DeepDGA: Adversarially-Tuned Domain Generation and Detection.” arXiv, 2016.

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

Shirazi, Hossein, Bruhadeshwar Bezawada, Indrakshi Ray και Charles Anderson. “Εχθρικές δειγματοληπτικές επιθέσεις κατά της ανίχνευσης ηλεκτρονικού ψαρέματος.” Στο Data and Applications Security and Privacy XXXIII, επιμέλεια Simon N. Foley, 11559:83–101. Cham: Διεθνής Εκδοτικός Οίκος Springer, 2019.

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

Erba, Alessandro, Riccardo Taormina, Stefano Galelli, Marcello Pogliani, Michele Carminati, Stefano Zanero και Nils Ole Tippenhauer. “Περιορισμένες επιθέσεις απόκρυψης εναντίον ανιχνευτών ανωμαλιών που βασίζονται στην ανακατασκευή σε βιομηχανικά συστήματα ελέγχου”. Στο Ετήσιο Συνέδριο Εφαρμογών Ασφάλειας Υπολογιστών, 480–95, 2020.

https://doi.org/10.1145/3427228.3427660

Kuleshov, Volodymyr, Shantanu Thakoor, Tingfung Lau και Stefano Ermon. “Adversarial Examples for Natural Language Classification Problems”, 15 Φεβρουαρίου 2018.

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

Demetrio, Luca, Battista Biggio, Giovanni Lagorio, Fabio Roli και Alessandro Armando. “Εξηγώντας τα τρωτά σημεία της βαθιάς μάθησης σε αντίπαλα δυαδικά αρχεία κακόβουλου λογισμικού.” arXiv, 2019.

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

Kuppa, Aditya, Slawomir Grzonkowski, Muhammad Rizwan Asghar και Nhien-An Le-Khac. «Επιθέσεις μαύρου κουτιού σε ανιχνευτές βαθιάς ανωμαλίας». Στα Πρακτικά του 14ου Διεθνούς Συνεδρίου Διαθεσιμότητας, Αξιοπιστίας και Ασφάλειας, 1–10. Canterbury CA Ηνωμένο Βασίλειο: ACM, 2019.

https://doi.org/10.1145/3339252.3339266

Gibert, Daniel, Carles Mateu και Jordi Planes. «Η άνοδος της μηχανικής μάθησης για την ανίχνευση και ταξινόμηση κακόβουλου λογισμικού: ερευνητικές εξελίξεις, τάσεις και προκλήσεις». Εφημερίδα εφαρμογών δικτύου και υπολογιστών 153 (2020): 102526.

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

Rosenberg, Ihai, Asaf Shabtai, Yuval Elovici και Lior Rokach. “Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain.” arXiv, 13 Μαρτίου 2021.

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

Thank you for signing up to our newsletter!

Thank you! RSVP received for Χίο, Κλάρενς και Ντέιβιντ Φρίμαν. Μηχανική Μάθηση και Ασφάλεια: Προστασία Συστημάτων με Δεδομένα και Αλγόριθμους. Πρώτη έκδοση. Σεβαστούπολη, CA: O’Reilly Media, 2018.

Thank you for applying! We will be in touch.

Apply for: Χίο, Κλάρενς και Ντέιβιντ Φρίμαν. Μηχανική Μάθηση και Ασφάλεια: Προστασία Συστημάτων με Δεδομένα και Αλγόριθμους. Πρώτη έκδοση. Σεβαστούπολη, CA: O’Reilly Media, 2018.

Χίο, Κλάρενς και Ντέιβιντ Φρίμαν. Μηχανική Μάθηση και Ασφάλεια: Προστασία Συστημάτων με Δεδομένα και Αλγόριθμους. Πρώτη έκδοση. Σεβαστούπολη, CA: O’Reilly Media, 2018.

Φόρτωση...

Φόρτωση…