Apresentação do livro em português do Brasilinteligência artificial

ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FOR CYBERSECURITY

Name: ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FOR CYBERSECURITY
Author: Faramarz Kowsari

Foundations, Intelligent Threat Detection, Adversarial Machine Learning, Privacy, Generative AI, and Secure Autonomous Systems

“ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FOR CYBERSECURITY” é um livro de Faramarz Kowsari na área de inteligência artificial. Esta página de descoberta em português do Brasil organiza os metadados públicos para tornar mais fáceis de encontrar os temas, o público, o idioma real de publicação e os caminhos oficiais de leitura ou compra.

Os metadados públicos situam este título em inteligência artificial, ferramentas modernas de IA ou fluxos de trabalho baseados em prompts.

Idioma de publicação: inglês. Esta é uma página de orientação em português do Brasil. O livro é publicado em inglês; título, prévia e opções de compra no Google Books correspondem a essa edição.

Ver no Google Books Abrir prévia gratuita Página original do livro

Sobre o que é este livro?

Os metadados públicos situam este título em inteligência artificial, ferramentas modernas de IA ou fluxos de trabalho baseados em prompts.

Temas em destaque

Artificial intelligence in cybersecurityMachine learning for threat detectionNetwork intrusion detectionMalware and ransomware analysisPhishing and DNS securityEndpoint, cloud and container telemetrySecurity data engineeringData leakage and time-based validationPrecision, recall, calibration and concept driftGraph neural networks and attack graphsAdversarial machine learning and data poisoningModel extraction and model supply-chain securityDifferential privacy and federated learningLarge language model (LLM) security

Descrição pública original do livro

inglês

Artificial Intelligence and Machine Learning for Cybersecurity is an English-language, 473-page graduate-level textbook organized into 70 chapters and ten connected parts. It begins with security objectives, threat modeling, networks, cryptography, logs and incident response, then builds the necessary Python, probability, statistics, machine learning and deep learning foundations. Security telemetry, temporal feature engineering, class imbalance, data leakage, calibration, uncertainty and reproducibility form the methodological bridge to applied threat detection. The applied chapters connect models to recognizable cybersecurity evidence: network flows, encrypted-traffic metadata, anomalies, malware files and behavior, ransomware, phishing, malicious URLs and DNS, identity misuse, botnets, DDoS, cloud and container events, digital forensics and threat intelligence. Further sections examine graph-based attack analysis, concept drift, operational technology, connected vehicles, defensible autonomous response and causal reasoning. Throughout, the distinction between a model prediction and an authorized operational decision remains central. The advanced sequence studies adversarial examples, problem-space evasion, poisoning, model extraction, robust evaluation and AI supply-chain integrity, followed by membership inference, differential privacy, federated learning and privacy-preserving techniques. The final chapters address generative AI, retrieval-augmented security intelligence, prompt injection, LLM application security, red teaming, agent permissions, MCP, SOC copilots, secure MLOps, model incidents, human factors, edge deployment, research design, an end-to-end capstone and post-quantum security. Python examples, explanatory figures and illustrative scenarios are…

Para quem é este livro?

O público-alvo é baseado na descrição pública do livro. Para leitores brasileiros, é importante observar que a edição disponível está publicada em inglês.

For master's-level AI and cybersecurity students, instructors, researchers, software engineers, security analysts and independent learners who want a structured bridge between machine learning theory, cybersecurity telemetry, defensible evaluation and secure AI system deployment.

Objetivos de aprendizagem publicados