By visiting our site, you agree to our privacy policy regarding cookies, tracking statistics, etc.

Uzlabota ievainojamību atklāšana un AI

Šajā modulī tiek pētīta ievainojamības atklāšanas un mākslīgā intelekta (MI) mijiedarbība, koncentrējoties uz to, kā AI metodes var automatizēt un uzlabot programmatūras un sistēmu drošības ievainojamību identificēšanu. Tā aptver mašīnmācīšanās modeļu izmantošanu, lai prognozētu un atrastu iespējamos drošības trūkumus, MI apmācību par vēsturiskajiem ievainojamības datiem un automatizētas testēšanas un izmantošanas ētiskos apsvērumus.

Portal > Mākslīgais intelekts > Uzlabota ievainojamību atklāšana un AI

Mācību programmas veidotājs

Apskatīt mācību programmu

Čio, Klarenss un Deivids Frīmens. Mašīnmācīšanās un drošība: sistēmu aizsardzība ar datiem un algoritmiem. Pirmais izdevums. Sebastopole, Kalifornija: O’Reilly Media, 2018. gads.

Wang, Bolun, Yuanshun Yao, Bimal Viswanath, Haitao Zheng un Ben Y. Zhao. “Ar lielisku apmācību nāk liela neaizsargātība: praktiski uzbrukumi pārneses mācībām.” 27. USENIX drošības konferences simpozija rakstu krājumā, 1281–97. SEC’18. ASV: USENIX asociācija, 2018. gads.

Andersons, Hairams S., Džonatans Vudbridžs un Bobijs Filars. “DeepDGA: pretrunīgi noskaņota domēna ģenerēšana un noteikšana.” arXiv, 2016.

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

Shirazi, Hossein, Bruhadeshwar Bezawada, Indrakshi Ray un Charles Anderson. “Pretinieku paraugu ņemšanas uzbrukumi pikšķerēšanas noteikšanai.” Sadaļā Datu un lietojumprogrammu drošība un privātums XXXIII, rediģējis Saimons N. Folejs, 11559:83–101. Cham: Springer International Publishing, 2019. gads.

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

Erba, Alesandro, Rikardo Taormina, Stefano Galelli, Marcello Pogliani, Mišela Karminati, Stefano Zanero un Nils Ole Tippenhauers. “Ierobežoti slēpšanas uzbrukumi uz rekonstrukciju balstītiem anomāliju detektoriem rūpnieciskās kontroles sistēmās.” Ikgadējā datoru drošības lietojumprogrammu konferencē, 480–95, 2020.

https://doi.org/10.1145/3427228.3427660

Kuļešovs, Volodimirs, Šantanu Thakoors, Tingfungs Lau un Stefano Ermons. “Pretrunīgi piemēri dabiskās valodas klasifikācijas problēmām”, 2018. gada 15. februāris.

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

Demetrio, Luca, Battista Biggio, Giovanni Lagorio, Fabio Roli un Alessandro Armando. “Dziļās mācīšanās ievainojamību izskaidrošana pretinieku ļaunprogrammatūras binārajiem failiem.” arXiv, 2019.

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

Kuppa, Aditya, Slawomir Grzonkowski, Muhammad Rizwan Asghar un Nhien-An Le-Khac. “Melnās kastes uzbrukumi dziļo anomāliju detektoriem.” 14. starptautiskajā konferencē par pieejamību, uzticamību un drošību, 1.–10. lpp. Kenterberija, Kalifornija, Apvienotā Karaliste: ACM, 2019. gads.

https://doi.org/10.1145/3339252.3339266

Giberts, Daniels, Karless Mateu un Jordi Planes. “Mašīnmācīšanās pieaugums ļaunprogrammatūras atklāšanai un klasifikācijai: pētniecības attīstība, tendences un izaicinājumi.” Tīkla un datoru lietojumprogrammu žurnāls 153 (2020): 102526.

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

Rozenbergs, Ihai, Asafs Šabtai, Juvals Elovici un Liors Rokačs. “Pretinieku mašīnmācīšanās uzbrukumi un aizsardzības metodes kiberdrošības jomā.” arXiv, 2021. gada 13. marts.

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

Thank you for signing up to our newsletter!

Thank you! RSVP received for Čio, Klarenss un Deivids Frīmens. Mašīnmācīšanās un drošība: sistēmu aizsardzība ar datiem un algoritmiem. Pirmais izdevums. Sebastopole, Kalifornija: O’Reilly Media, 2018. gads.

Thank you for applying! We will be in touch.

Apply for: Čio, Klarenss un Deivids Frīmens. Mašīnmācīšanās un drošība: sistēmu aizsardzība ar datiem un algoritmiem. Pirmais izdevums. Sebastopole, Kalifornija: O’Reilly Media, 2018. gads.

Čio, Klarenss un Deivids Frīmens. Mašīnmācīšanās un drošība: sistēmu aizsardzība ar datiem un algoritmiem. Pirmais izdevums. Sebastopole, Kalifornija: O’Reilly Media, 2018. gads.

Loading...

Loading…