자료유형  

 단행본

ISBN  

9791161754208

언어부호  

본문언어 - kor, 원저작언어 - eng

DDC  

006.31-23

청구기호  

006.31 조54ㅈ

저자명  

조셉, 앤서니

서명/저자  

적대적 머신러닝 : 머신러닝 알고리즘으로 시스템 보안 공격과 방어 / 앤서니 조셉 [외]지음 ; 김우석 ; 장기식 ; 김대엽 [공]옮김

원서명  

[원표제]Adversarial machine learning

발행사항  

서울 : 에이콘, 2020

형태사항  

498 p : 삽화, 도표 ; 24 cm

총서명  

에이콘 데이터 과학 시리즈

기타저자  

넬슨, 블레인

기타저자  

루빈슈타인, 벤자민

기타저자  

타이가, J. D.

기타저자  

김우석

기타저자  

장기식

기타저자  

김대엽

기타저자  

Joseph, Anthony

기타저자  

Nelson, Blaine

기타저자  

Rubinstein, Benjamin

기타저자  

Tygar, J. D.

가격  

\40000

Control Number  

gtec:404029

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.