| TÃtulo : |
Handbook of Big Data Privacy |
| Tipo de documento: |
documento electrónico |
| Autores: |
Choo, Kim-Kwang Raymond, ; Dehghantanha, Ali, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2020 |
| Número de páginas: |
IX, 397 p. 149 ilustraciones, 141 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-030-38557-6 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Seguridad de datos e información Redes de comunicación informática IngenierÃa Informática y Redes Inteligencia artificial Red informática IngenierÃa Informática Protección de datos |
| Ãndice Dewey: |
005.8 Ciencia de los computadores (Programación, programas de sistemas) |
| Resumen: |
Este manual proporciona conocimientos completos e incluye una descripción general del estado actual de la privacidad de Big Data, con capÃtulos escritos por lÃderes mundiales internacionales del mundo académico y de la industria que trabajan en este campo. La primera parte de este libro ofrece una revisión de los desafÃos de seguridad en la infraestructura crÃtica y ofrece métodos que utilizan técnicas de inteligencia crÃtica (IA) para superar esos problemas. Luego se centra en cuestiones de seguridad y privacidad de big data en relación con los desarrollos de la Industria 4.0. Los dispositivos de Internet de las cosas (IoT) se están convirtiendo en una fuente importante de preocupaciones sobre la seguridad y la privacidad en las plataformas de big data. En este manual también se analizan múltiples soluciones que aprovechan el aprendizaje automático para abordar problemas de seguridad y privacidad en entornos de IoT. La segunda parte de este manual se centra en cuestiones de privacidad y seguridad en diferentes capas de sistemas de big data. Se analizan los métodos para evaluar la seguridad y la privacidad de los sistemas de big data en las capas fÃsica, de aplicación y de red. Este manual detalla los métodos existentes para utilizar técnicas de inteligencia artificial y análisis de datos en diferentes capas de plataformas de big data para identificar ataques a la privacidad y la seguridad. La última parte de este manual se centra en el análisis de las ciberamenazas aplicables a los entornos de big data. Ofrece una revisión en profundidad de los ataques aplicables a plataformas de big data en redes inteligentes, agricultura inteligente, FinTech y sectores de salud. Se presentan múltiples soluciones para detectar, prevenir y analizar ciberataques y evaluar el impacto de las cargas maliciosas en esos entornos. Este manual proporciona información para expertos en seguridad y privacidad en la mayorÃa de las áreas de big data, incluidas; FinTech, Industria 4.0, Internet de las Cosas, Redes Inteligentes, Agricultura Inteligente y más. Los expertos que trabajan en big data, privacidad, seguridad, análisis forense, análisis de malware, aprendizaje automático y analistas de datos encontrarán este manual útil como referencia. Los investigadores y estudiantes de informática de nivel avanzado centrados en sistemas informáticos, Internet de las cosas, Smart Grid, agricultura inteligente, Industria 4.0 y analistas de redes también encontrarán útil este manual como referencia. |
| Nota de contenido: |
1. Big Data and Privacy : Challenges and Opportunities -- 2. AI and Security of Critical Infrastructure -- 3. Industrial Big Data Analytics: Challenges and Opportunities -- 4. A Privacy Protection Key Agreement Protocol Based on ECC for Smart Grid -- 5. Applications of Big Data Analytics and Machine Learning in the Internet of Things -- 6. A Comparison of State-of-the-art Machine Learning Models for OpCode-Based IoT Malware Detection -- 7. Artificial Intelligence and Security of Industrial Control Systems -- 8. Enhancing Network Security via Machine Learning: Opportunities and Challenges -- 9. Network Security and Privacy Evaluation Scheme for Cyber Physical Systems (CPS) -- 10. Anomaly Detection in Cyber-Physical Systems Using Machine Learning -- 11. Big Data Application for Security of Renewable Energy Resources -- 12. Big-Data and Cyber-Physical Systems in Healthcare: Challenges and Opportunities -- 13. Privacy Preserving Abnormality Detection: A Deep Learning Approach.-14. Privacy and Security in Smart and Precision Farming: A Bibliometric Analysis -- 15. A Survey on Application of Big Data in Fin Tech Banking Security and Privacy -- 16. A Hybrid Deep Generative Local Metric Learning Method For Intrusion Detection -- 17. Malware elimination impact on dynamic analysis: An experimental machine learning approach -- 18. RAT Hunter: Building Robust Models for Detecting Remote Access Trojans Based on Optimum Hybrid Features -- 19. Active Spectral Botnet Detection based on Eigenvalue Weighting -- . |
| En lÃnea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Handbook of Big Data Privacy [documento electrónico] / Choo, Kim-Kwang Raymond, ; Dehghantanha, Ali, . - 1 ed. . - [s.l.] : Springer, 2020 . - IX, 397 p. 149 ilustraciones, 141 ilustraciones en color. ISBN : 978-3-030-38557-6 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Seguridad de datos e información Redes de comunicación informática IngenierÃa Informática y Redes Inteligencia artificial Red informática IngenierÃa Informática Protección de datos |
| Ãndice Dewey: |
005.8 Ciencia de los computadores (Programación, programas de sistemas) |
| Resumen: |
Este manual proporciona conocimientos completos e incluye una descripción general del estado actual de la privacidad de Big Data, con capÃtulos escritos por lÃderes mundiales internacionales del mundo académico y de la industria que trabajan en este campo. La primera parte de este libro ofrece una revisión de los desafÃos de seguridad en la infraestructura crÃtica y ofrece métodos que utilizan técnicas de inteligencia crÃtica (IA) para superar esos problemas. Luego se centra en cuestiones de seguridad y privacidad de big data en relación con los desarrollos de la Industria 4.0. Los dispositivos de Internet de las cosas (IoT) se están convirtiendo en una fuente importante de preocupaciones sobre la seguridad y la privacidad en las plataformas de big data. En este manual también se analizan múltiples soluciones que aprovechan el aprendizaje automático para abordar problemas de seguridad y privacidad en entornos de IoT. La segunda parte de este manual se centra en cuestiones de privacidad y seguridad en diferentes capas de sistemas de big data. Se analizan los métodos para evaluar la seguridad y la privacidad de los sistemas de big data en las capas fÃsica, de aplicación y de red. Este manual detalla los métodos existentes para utilizar técnicas de inteligencia artificial y análisis de datos en diferentes capas de plataformas de big data para identificar ataques a la privacidad y la seguridad. La última parte de este manual se centra en el análisis de las ciberamenazas aplicables a los entornos de big data. Ofrece una revisión en profundidad de los ataques aplicables a plataformas de big data en redes inteligentes, agricultura inteligente, FinTech y sectores de salud. Se presentan múltiples soluciones para detectar, prevenir y analizar ciberataques y evaluar el impacto de las cargas maliciosas en esos entornos. Este manual proporciona información para expertos en seguridad y privacidad en la mayorÃa de las áreas de big data, incluidas; FinTech, Industria 4.0, Internet de las Cosas, Redes Inteligentes, Agricultura Inteligente y más. Los expertos que trabajan en big data, privacidad, seguridad, análisis forense, análisis de malware, aprendizaje automático y analistas de datos encontrarán este manual útil como referencia. Los investigadores y estudiantes de informática de nivel avanzado centrados en sistemas informáticos, Internet de las cosas, Smart Grid, agricultura inteligente, Industria 4.0 y analistas de redes también encontrarán útil este manual como referencia. |
| Nota de contenido: |
1. Big Data and Privacy : Challenges and Opportunities -- 2. AI and Security of Critical Infrastructure -- 3. Industrial Big Data Analytics: Challenges and Opportunities -- 4. A Privacy Protection Key Agreement Protocol Based on ECC for Smart Grid -- 5. Applications of Big Data Analytics and Machine Learning in the Internet of Things -- 6. A Comparison of State-of-the-art Machine Learning Models for OpCode-Based IoT Malware Detection -- 7. Artificial Intelligence and Security of Industrial Control Systems -- 8. Enhancing Network Security via Machine Learning: Opportunities and Challenges -- 9. Network Security and Privacy Evaluation Scheme for Cyber Physical Systems (CPS) -- 10. Anomaly Detection in Cyber-Physical Systems Using Machine Learning -- 11. Big Data Application for Security of Renewable Energy Resources -- 12. Big-Data and Cyber-Physical Systems in Healthcare: Challenges and Opportunities -- 13. Privacy Preserving Abnormality Detection: A Deep Learning Approach.-14. Privacy and Security in Smart and Precision Farming: A Bibliometric Analysis -- 15. A Survey on Application of Big Data in Fin Tech Banking Security and Privacy -- 16. A Hybrid Deep Generative Local Metric Learning Method For Intrusion Detection -- 17. Malware elimination impact on dynamic analysis: An experimental machine learning approach -- 18. RAT Hunter: Building Robust Models for Detecting Remote Access Trojans Based on Optimum Hybrid Features -- 19. Active Spectral Botnet Detection based on Eigenvalue Weighting -- . |
| En lÃnea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Handbook of Big Data Privacy
