자료유형  

 단행본

 

0015624881

ISBN  

9791161754208 93000 : \40,000

KDC  

004.73-5

DDC  

004.73-22

청구기호  

004.73 J83적

서명/저자  

적대적 머신러닝 : 머신러닝 알고리즘으로 하는 시스템 보안 공격과 방어 / 앤서니 조셉 ; 블레인 넬슨 ; 벤자민 루빈슈타인 ; J. D. 타이가 지음 ; 김우석 ; 장기식 ; 김대엽 옮김.

발행사항  

서울 : 에이콘출판, 2020.

형태사항  

498 p. : 삽화 ; 24 cm.

총서명  

데이터 과학 시리즈

주기사항  

감수 : 이용석, 이경호

주기사항  

부록: A.학습과 초기하학의 배경, B.초구 공격에 대한 전체 증명, C.스팸베이즈 분석 외

주기사항  

원저자명: Joseph, Anthony

주기사항  

원저자명: Nelson, Blaine

주기사항  

대한민국학술원 선정 2021년도 우수학술도서

주기사항  

원저자명: Rubinstein, Benjamin

주기사항  

원저자명: Tygar, J. D

서지주기  

참고문헌(p.461-484)과 색인(p.484-498)수록

원저자/원서명  

Adversarial machine learning

일반주제명  

기계 학습[機械學習]

기타저자  

Joseph, Anthony

기타저자  

Nelson, Blaine

기타저자  

Rubinstein, Benjamin

기타저자  

Tygar, J. D

기타저자  

조셉, 앤서니

기타저자  

넬슨, 블레인

기타저자  

루빈슈타인, 벤자민

기타저자  

타이가, J. D.

기타저자  

김우석

기타저자  

장기식

기타저자  

김대엽

기타저자  

이용석

기타저자  

이경호

Control Number  

yscl:164379

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.