Rilevamento avanzato 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 intelligenza artificiale possono automatizzare e migliorare l’identificazione delle vulnerabilità di sicurezza nei software e nei sistemi. Copre l’uso di modelli di apprendimento automatico per prevedere e individuare potenziali falle di sicurezza, l’addestramento dell’intelligenza artificiale sui dati storici di vulnerabilità e le considerazioni etiche dei test e dello sfruttamento automatizzati.

Portal > Intelligenza artificiale > Rilevamento avanzato delle vulnerabilità e intelligenza artificiale

Costruttore di curriculum

Chio, Clarence e David Freeman. Machine Learning e sicurezza: protezione dei sistemi con dati e algoritmi. Prima edizione. Sebastopoli, CA: O’Reilly Media, 2018.

Wang, Bolun, Yuanshun Yao, Bimal Viswanath, Haitao Zheng e Ben Y. Zhao. “Con un’ottima formazione arriva una grande vulnerabilità: attacchi pratici contro il transfer learning.” In Atti della 27a Conferenza USENIX sul Simposio sulla sicurezza, 1281-97. SEC’18. USA: USENIX Association, 2018.

Anderson, Hyrum S., Jonathan Woodbridge e Bobby Filar. “DeepDGA: generazione e rilevamento di domini sintonizzati in modo contraddittorio.” arXiv, 2016.

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

Shirazi, Hossein, Bruhadeshwar Bezawada, Indrakshi Ray e Charles Anderson. “Attacchi di campionamento avversario contro il rilevamento del phishing”. In Sicurezza e privacy dei dati e delle applicazioni 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, and Nils Ole Tippenhauer. “Attacchi di occultamento vincolato contro rilevatori di anomalie basati sulla ricostruzione nei sistemi di controllo industriale”. In Conferenza annuale sulle applicazioni di sicurezza informatica, 480-95, 2020.

https://doi.org/10.1145/3427228.3427660

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

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

Demetrio, Luca, Battista Biggio, Giovanni Lagorio, Fabio Roli, and Alessandro Armando. “Spiegare le vulnerabilità del deep learning ai binari di malware avversario.” 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 ai rilevatori di anomalie profonde”. In Atti della 14a Conferenza Internazionale su Disponibilità, Affidabilità e Sicurezza, 1–10. Canterbury CA, Regno Unito: ACM, 2019.

https://doi.org/10.1145/3339252.3339266

Gibert, Daniel, Carles Mateu e Jordi Planes. “L’ascesa dell’apprendimento automatico per il rilevamento e la classificazione del malware: sviluppi della ricerca, tendenze e sfide”. Giornale delle applicazioni di rete e informatiche 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 avversario e metodi di difesa nel dominio della sicurezza informatica.” arXiv, 13 marzo 2021.

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

Thank you for signing up to our newsletter!

Thank you! RSVP received for Chio, Clarence e David Freeman. Machine Learning e sicurezza: protezione dei sistemi con dati e algoritmi. Prima edizione. Sebastopoli, CA: O’Reilly Media, 2018.

Thank you for applying! We will be in touch.

Apply for: Chio, Clarence e David Freeman. Machine Learning e sicurezza: protezione dei sistemi con dati e algoritmi. Prima edizione. Sebastopoli, CA: O’Reilly Media, 2018.

Chio, Clarence e David Freeman. Machine Learning e sicurezza: protezione dei sistemi con dati e algoritmi. Prima edizione. Sebastopoli, CA: O’Reilly Media, 2018.

Caricamento...

Caricamento…