서브메뉴
검색
적대적 머신러닝 : 머신러닝 알고리즘으로 시스템 보안 공격과 방어
적대적 머신러닝 : 머신러닝 알고리즘으로 시스템 보안 공격과 방어
- 자료유형
- 단행본
- ISBN
- 9791161754208 93000 : \40000
- 청구기호
- 004.73 앤54ㅈ
- 서명/저자
- 적대적 머신러닝 머신러닝 알고리즘으로 시스템 보안 공격과 방어 앤서니 조셉, 블레인 넬슨, 벤자민 루빈슈타인, J.D. 타이가 지음 김우석, 장기식, 김대엽 옮김
- 발행사항
- 서울 : 에이콘, 2020.
- 형태사항
- 498 p. ; 24 cm.
- 총서명
- 에이콘 데이터 과학 시리즈
- 주기사항
- 권말부록: 학습과 초기하학의 배경 등
- 주기사항
- 원저자명: Anthony Joseph, Blaine Nelson, Benjamin Rubinstein, J. D. Tygar
- 주기사항
- 영어 원작을 한국어로 번역
- 주기사항
- 2021년도 대한민국학술원 우수학술도서
- 원저자/원서명
- Adversarial machine learning
- 원저자/원서명
- Anthony Joseph ; /
- 원저자/원서명
- Blaine Nelson, /
- 원저자/원서명
- Benjamin Rubinstein, /
- 원저자/원서명
- J. D. Tygar /
- 일반주제명
- 기계 학습[機械學習]
- 일반주제명
- 보안[保安]
- 기타저자
- 앤서니 조셉,
- 기타저자
- 블레인 넬슨,
- 기타저자
- 벤자민 루빈슈타인,
- 기타저자
- J.D. 타이가
- 기타저자
- 김우석,
- 기타저자
- 장기식,
- 기타저자
- 김대엽
- 기타저자
- 대한민국학술원
- 가격
- \40000
- Control Number
- ansan:104163
- 책소개
-
이메일 스팸과 네트워크 보안에 관한 사례 연구를 포함해 시스템의 보안을 분석하고 적대적인 환경에서 강건한 머신러닝 알고리즘을 구축하는 데 필요한 이론과 실용적인 기술을 모두 다루고 있어, 컴퓨터 보안과 머신러닝 분야의 연구자와 실무자, 학생에게 많은 도움이 될 것이다.
★ 이 책의 다루는 내용 ★
저명한 연구자들이 서술한 이 완벽한 입문서는 적대적(敵對的) 환경(adversarial environment)에서 강건한 머신러닝(robust machine learning)을 구축하는 데 필요한 모든 이론과 도구를 제공한다. 공격자가 통계적 추론을 조작하려고 데이터를 적극적으로 중독시킬 때 머신러닝 시스템을 어떻게 적용할 수 있는지 알아본다. 시스템 보안을 조사하고, 강건한 데이터 분석을 수행할 수 있는 최신 실용 기술을 배우며, 최신 사이버 공격의 추세에 효과적인 대책을 설계할 수 있는 새로운 접근 방식에 대한 통찰력도 얻을 수 있을 것이다. 또한 프라이버시 보호 메커니즘(privacy-preserving mechanism)과 분류기(classifier)에 대한 근사-최적 회피(near-optimal evasion)를 자세히 설명하고, 스팸 메일과 네트워크 보안에 관한 심층적인 인스턴스 연구 결과를 통해 전통적인 머신러닝 알고리즘을 성공적으로 공격하는 방법도 소개한다. 이 분야의 현재 기술 수준과 미래 방향의 개요를 빈틈없이 제공하는 이 획기적인 작업은 컴퓨터 보안과 머신러닝 분야의 연구자와 실무자, 학생, 사이버보안 군비 경쟁의 다음 단계를 배우려는 사람에게 꼭 필요한 책이다.