Visitando il nostro sito, l'utente accetta la nostra Informativa sulla privacy per quanto riguarda i cookie, le statistiche di tracciamento, ecc.

Scoperta avanzata delle vulnerabilità e intelligenza artificiale

Questo modulo esplora l'intersezione tra la scoperta delle vulnerabilità e l'intelligenza artificiale (AI), concentrandosi su come le tecniche di AI possano automatizzare e migliorare l'identificazione delle vulnerabilità di sicurezza in software e sistemi. Il modulo tratta l'uso di modelli di apprendimento automatico per prevedere e individuare potenziali falle nella sicurezza, l'addestramento dell'IA su dati storici di vulnerabilità e le considerazioni etiche relative ai test e allo sfruttamento automatizzati.

Portale > Intelligenza artificiale > Scoperta avanzata delle vulnerabilità e intelligenza artificiale

Costruttore di programmi di studio

Visualizza il curriculum

Chio, Clarence e David Freeman. Apprendimento automatico e sicurezza: Proteggere i sistemi con dati e algoritmi. Prima edizione. Sebastopol, CA: O'Reilly Media, 2018.

Wang, Bolun, Yuanshun Yao, Bimal Viswanath, Haitao Zheng e Ben Y. Zhao. "Con una grande formazione viene una grande vulnerabilità: Attacchi pratici contro il Transfer Learning". In Proceedings of the 27th USENIX Conference on Security Symposium, 1281-97. SEC'18. USA: USENIX Association, 2018.

Anderson, Hyrum S., Jonathan Woodbridge e 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 e Charles Anderson. "Attacchi di campionamento avversivo contro il rilevamento del phishing". In Data and Applications Security and Privacy XXXIII, a cura di 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 e Nils Ole Tippenhauer. "Attacchi di occultamento vincolato contro i rilevatori di anomalie basati sulla ricostruzione nei sistemi di controllo industriale". Conferenza annuale sulle applicazioni della sicurezza informatica, 480-95, 2020.

https://doi.org/10.1145/3427228.3427660

Kuleshov, Volodymyr, Shantanu Thakoor, Tingfung Lau e Stefano Ermon. "Esempi avversari per problemi di classificazione del linguaggio naturale", 15 febbraio 2018.

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

Demetrio, Luca, Battista Biggio, Giovanni Lagorio, Fabio Roli e Alessandro Armando. "Spiegare le vulnerabilità del Deep Learning ai binari di malware avversari". arXiv, 2019.

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

Kuppa, Aditya, Slawomir Grzonkowski, Muhammad Rizwan Asghar e Nhien-An Le-Khac. "Attacchi alla scatola nera sui rilevatori di anomalie profonde". In Proceedings of the 14th International Conference on Availability, Reliability and Security, 1-10. Canterbury CA Regno Unito: ACM, 2019.

https://doi.org/10.1145/3339252.3339266

Gibert, Daniel, Carles Mateu e Jordi Planes. "L'ascesa del Machine Learning per il rilevamento e la classificazione del malware: Sviluppi della ricerca, tendenze e sfide". Journal of Network and Computer Applications 153 (2020): 102526.

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

Rosenberg, Ihai, Asaf Shabtai, Yuval Elovici e Lior Rokach. "Attacchi di apprendimento automatico avverso e metodi di difesa nel settore della sicurezza informatica", arXiv, 13 marzo 2021.

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

Grazie! RSVP ricevuto per Chio, Clarence e David Freeman. Apprendimento automatico e sicurezza: Proteggere i sistemi con dati e algoritmi. Prima edizione. Sebastopol, CA: O'Reilly Media, 2018.

Grazie per esserti iscritto alla nostra newsletter!

Chio, Clarence e David Freeman. Apprendimento automatico e sicurezza: Proteggere i sistemi con dati e algoritmi. Prima edizione. Sebastopol, CA: O'Reilly Media, 2018.

Caricamento...

Caricamento...