Description This book presents recent advances in intrusion detection systems (IDSs) using state-of-the-art deep learning methods.
It also provides a systematic overview of classical machine learning and the latest developments in deep learning.
In particular, it discusses deep learning applications in IDSs in different classes: generative, discriminative, and adversarial networks.
Moreover, it compares various deep learning-based IDSs based on benchmarking datasets.
The book also proposes two novel feature learning models: deep feature extraction and selection (D-FES) and fully unsupervised IDS.
Further challenges and research directions are presented at the end of the book.
Offering a comprehensive overview of deep learning-based IDS, the book is a valuable reerence resource for undergraduate and graduate students, as well as researchers and practitioners interested in deep learning and intrusion detection.
Further, the comparison of various deep-learning applications helps readers gain a basic understanding of machine learning, and inspires applications in IDS and other related areas in cybersecurity.
About the Author Kwangjo Kim is a Fellow of the International Association for Cryptologic Research (IACR).
He received B.
and M.
degrees in Electronic Engineering from Yonsei University, Seoul, Korea, in 1980 and 1983, respectively, and a Ph.
from the Division of Electrical and Computer Engineering, Yokohama National University, Japan, in 1991.
He was a Visiting Professor at the MIT and the UC at San Diego USA, in 2005 and the Khalifa University of Science, Technology and Research, Abu Dhabi, UAE, in 2012 and an Education Specialist at the Bandung Institute of Technology, Bandung, Indonesia, in 2013.
He is currently a Full Professor at the School of Computing and Graduate School of Information Security, Korea Advanced Institute of Science and Technology, Daejeon, the Korean representative to IFIP TC-11 and the honorary President of the Korea Institute of Inform.
| Classes | Generative discriminative and adversarial networks |
|---|---|
| The book also proposes two novel feature learning models | Deep feature extraction and selection (dfes) and fully unsupervised |
Springer este o companie de editură proeminentă la nivel mondial, specializată în literatura academică și științifică.
Fondată în 1842 la Berlin, Germania, Springer a crescut pentru a deveni unul dintre cei mai mari și mai respectați editori din lume, cu birouri și operațiuni în numeroase țări.
Springer publică o gamă largă de reviste academice, cărți, lucrări de referință și baze de date online care acoperă o gamă largă de discipline, inclusiv știință, tehnologie, medicină, inginerie, matematică, umaniste, științe sociale și afaceri.
Catalogul extins al companiei include: 1.
Reviste: Springer publică mii de reviste academice evaluate de colegi care acoperă un spectru larg de discipline.
Aceste reviste prezintă articole de cercetare originale, recenzii și contribuții academice din partea experților în domeniile lor respective.
Cărți: Springer publică o selecție diversă de cărți, inclusiv manuale, monografii, lucrări de referință și titluri profesionale.
Aceste cărți acoperă o gamă largă de subiecte și se adresează cercetătorilor, studenților, profesioniștilor și practicienilor.
Lucrări de referință: Springer produce lucrări de referință cu autoritate, cum ar fi enciclopedii, manuale, dicționare și atlase, care oferă o acoperire cuprinzătoare a unor subiecte și discipline specifice.
Baze de date online: Springer oferă baze de date și platforme online care oferă acces la vasta sa colecție de conținut academic.
Aceste platforme permit utilizatorilor să caute, să răsfoiască și să acceseze literatură academică, reviste, cărți și materiale de referință.
Springer este cunoscut pentru angajamentul său față de calitate, integritate și inovație în publicarea academică.
Compania lucrează îndeaproape cu autori, editori, recenzori și instituții academice pentru a asigura cele mai înalte standarde de excelență și rigoare academică în publicațiile sale.
Prin urmare, Springer este considerată pe scară largă ca o sursă de încredere de informații academice și o resursă valoroasă pentru cercetători, studenți și profesioniști din întreaga lume.
Springer Network intrusion detection using deep learning: a feature learning approach, paperback/kwangjo kim
