Progressi e sfide di ML DL nella sicurezza informatica: DE

L'integrazione tra cybersecurity e sistemi intelligenti, evidenziando come l'apprendimento automatico (ML) e l'apprendimento profondo (DL) migliorino la moderna difesa informatica. Il testo introduce i concetti fondamentali della cybersecurity, l'evoluzione delle minacce e delle difese e i principi fondamentali del ML, come la raccolta dei dati, la pre-elaborazione, gli algoritmi di apprendimento e le sfide, tra cui lo sbilanciamento dei dati, la deriva dei concetti, la scalabilità e la robustezza. Il testo esplora le architetture di deep learning e le loro applicazioni nel rilevamento delle intrusioni, nell'intelligence delle minacce e nell'analisi del malware, ponendo l'accento sul rilevamento delle anomalie, sull'analisi automatizzata delle minacce e sulla resistenza all'evasione. Vengono inoltre affrontati i temi dell'apprendimento automatico avversario, della robustezza dei modelli, delle considerazioni etiche e legali, della privacy e dell'interpretabilità. Il libro si conclude con le tecnologie AI emergenti, i sistemi di difesa autonomi e le future direzioni di ricerca per la costruzione di soluzioni di cybersecurity resilienti e spiegabili guidate dall'AI.