華通書坊
詳細資訊
【簡介】 掌握近期企業重大資安事故以及資安防禦觀念，有助於企業了解即將面對的各種挑戰以及如何因應。 【目錄】
| 書名: | CYBERSEC 2024 臺灣資安年鑑：AI資安2024 徹底剖析生成式AI資安攻防態勢 (1版) | |||
| 作者: | iThome電腦報週刊編輯部 | |||
| 版次: | 1 | |||
| ISBN: | 9789860654332 | |||
| 出版社: | 電週文化事業股份有限公司 | |||
| 出版日期: | 2024/06 | |||
| 書籍開數、尺寸: | 28*21 | |||
| 頁數: | 224 | |||
|
#資訊
#資訊安全與加密 #AI人工智慧與機器學習 |
||||
| 定價: | ||||
| 售價: | 134元 | |||
| 庫存: | 庫存: 2 | |||
| LINE US! | 詢問這本書 團購優惠、書籍資訊 等 | |||
CYBERSEC 2024 臺灣資安年鑑：AI資安2024 徹底剖析生成式AI資安攻防態勢 (1版)
定價:
179
售價:
134
現省:
45
| 付款方式: | 超商取貨付款 |
|
|
| 信用卡 |
|
||
| 線上轉帳 |
|
||
| 物流方式: | 超商取貨 | ||
| 宅配 | |||
| 門市自取 |
詳細資訊
【簡介】 掌握近期企業重大資安事故以及資安防禦觀念，有助於企業了解即將面對的各種挑戰以及如何因應。 【目錄】
為您推薦
其他會員也一起購買
【簡介】 *國內資訊安全經典/暢銷第四版 「資訊安全」是一門綜合科學，在學習資訊安全領域上，涵蓋了管理面、策略面、技術面等方向，需要從基礎理論的建立延伸到解決實務應用問題，從數位邊界、管理制度到掌握駭客攻擊手法缺一不可。 主要寫給三種類型的讀者： 第一種是在大專、技職院校修習資訊安全課程的學生，可以當作教科書或參考書。 第二種是從事資訊與資安相關工作的專業人士，透過實務的介紹，對於資訊安全所涵蓋的政策面、管理面以及技術面的問題，能夠有更深入的瞭解。 第三種是想要考資訊安全專業證照的讀者，本書提供ITS Network Security網路安全管理核心能力國際認證模擬試題，可累積資訊安全知識、提升實力，取得國際專業證照。 本書學習架構： 第一篇 資安認知與風險識別 資安威脅來自於系統平台、應用程式的弱點，以及使用者對於資訊安全的認知不足，對於資料的保護、資安事件的處理、惡意程式的發展、社交工程與網路攻擊等事件的威脅，掌握資安風險的來源，以及識別可能帶來的影響與衝擊，都是面對資安的議題時，必須考量的關鍵項目。 第二篇 信任與安全架構 建立使用者的身份認證、授權使用的權限以及建立存取控制的機制，以對應資訊安全架構與設計的原則，從國際標準管理系統到建立安全等級與評估準則，透過密碼學來建立資通訊系統基礎的架構，在網路模型各個不同的階層建立對應的資安防護措施，以提供安全的運作架構。 第三篇 數位邊界與防禦部署 面對強化的駭客與網路攻擊威脅，強化數位邊界與防禦部署的能力，以確保在資安威脅的衝擊下仍能持續運作，熟悉資安設備的角色與能力，將有助於將正確的防禦機制部署在正確的位置，強化多層次的防禦機制，建立網路、系統、端點等防禦的能量，以資安威脅情資建立防禦機制。 第四篇 資安管理與未來挑戰 面對資安的威脅，透過營運管理機制以及資通安全相關的法規，可以建立有效的管理制度，並且參考國際資訊安全組織的發展趨勢，掌握最新的駭侵威脅，對於新型態的攻擊手法，必須涵蓋雲端應用服務、物聯網安全與管理等面向，才能夠面對未來的挑戰。 【目錄】 <第一篇 資訊安全認知與風險識別> Chapter 01 資訊安全概論 Chapter 02 資訊法律與事件處理 Chapter 03 資訊安全威脅 <第二篇 信任與安全架構> Chapter 04 認證、授權與存取控制 Chapter 05 資訊安全架構與設計 Chapter 06 基礎密碼學 Chapter 07 資訊系統與網路模型 <第三篇 數位邊界與防禦部署> Chapter 08 防火牆與使用政策 Chapter 09 入侵偵測與防禦系統 Chapter 10 惡意程式與防毒 Chapter 11 多層次防禦 <第四篇 資訊安全管理與未來挑戰> Chapter 12 資訊安全營運與管理 Chapter 13 開發維運安全 Chapter 14 次世代的資訊安全管理 A 自我評量 解答 ITS Network Security 網路安全國際認證模擬試題 解答 B 參考文獻
其他會員也一起購買
簡介 實現資料可信度的人員、流程和工具 「現今組織產生的資料量和種類比以往任何時候都來得多，企業需要更加了解手中的資料並為未來趨勢做好準備，他們必須採行現代資料治理方式—透過事先設計而不是事後才想到。」 —Jim Cushman, Collibra產品長 當您將資料移動到雲端時，對於資料該如何治理，您需要考慮全面的管理方法，以及定義明確且利益相關者皆有相同共識的策略，以確保您的組織滿足合規性要求。資料治理結合了人員、流程和技術協同工作的方式，以確保資料值得信賴並且可以有效使用。本實務指南向您展示如何在整個組織中實施和擴展資料治理。 首席資訊長、資料長和資訊安全長及其團隊將學習戰略和工具，以支持資料民主化並釋放其價值，同時執行安全、隱私和其他治理標準。通過良好的資料治理，您可以激發客戶信任，使您的組織能夠確定業務效率，產生更具競爭力的產品，並改善客戶體驗。這本書會教你怎樣做。 您會學到： ‧針對人員、流程和工具的資料治理策略 ‧基於雲端服務的資料治理方法的優勢和挑戰 ‧從資料擷取到資料準備和使用，資料治理是如何進行的 ‧如何對資料質量做持續性改進 ‧治理串流資料的挑戰和技術 ‧針對身份驗證、安全、備份和監控的資料保護 ‧如何在您的組織中建立資料文化 作者介紹 Evren Eryurek博士 是Google Cloud資料分析和資料管理產品組合的領導人。 Uri Gilad 領導Google Cloud中巨量資料的資料治理。 Valliappa Lakshmanan 是Google Cloud上的分析服務和AI解決方案總監。 Anita Kibunguchy-Grant 是Google Cloud的資料管理產品行銷主管。 Jessi Ashdown是 Google Cloud的使用者經驗研究員。 目錄 前言 第1章 何謂資料治理？ 第2章 資料治理的要素：工具 第3章 資料治理的要素：人員和流程 第4章 資料生命週期中的資料治理 第5章 改善資料品質 第6章 動態資料治理 第7章 資料保護 第8章 監控 第9 章 建立安全性和資料隱私文化 附錄A Google 內部的資料治理 附錄B 其他資源 索引
其他會員也一起購買
【簡介】 掌握近期企業重大資安事故以及資安防禦觀念，有助於企業了解即將面對的各種挑戰以及如何因應。 【目錄】
其他會員也一起購買
◎代理經銷：白象文化 掌握近期企業重大資安事故以及資安防禦觀念，有助於企業了解即將面對的各種挑戰以及如何因應
其他會員也一起購買
【簡介】 本書主要分為兩個部分：機器學習理論與實踐分析。內容以Weka為工具，並透過易於理解的方式帶讀者們學習「機器學習」所需的分析方法，同時結合實踐利用案例一步一步說明使用方法，以及工具的掌握，利用無需撰寫程式的方式，讓你以最輕鬆的方式建立機器學習的基礎。 目錄： 第 1 章 Weka的安裝與主要功能 第 2 章 利用Excel與Weka的簡單操作──機器學習與決策樹 第 3 章 檔案形式與屬性類型的轉換 第 4 章 屬性的選擇 第 5 章 分類分析 第 6 章 集群分析 第 7 章 關聯規則分析 第 8 章 時間序列分析 第 9 章 「實踐篇」：使用Weka的各種例題 第 10 章 貝氏網路模型 第 11 章 Weka API 作者介紹 劉妘鑏 福建理工大學交通運輸學院智能科學教研室講師。於2022年取得台灣東華大學資訊工程學系博士學位；2005年取得台灣亞洲大學資訊工程學系碩士學位。在產業界擔任程式設計師與資料庫管理師超過10年。有興趣的研究領域有：大數據、決策分析、區塊鏈，以及主動式資料庫。 著作： 1. 動態網頁設計，五南，2023。 2. 大數據的基本觀念與演算法，全華，2018。 3. 商業資料管理的利器：Access資料庫管理系統，松崗，2009。 4. Access 2003商業資料庫應用，松崗，2009。 【目錄】 第1章 Weka的安裝與主要功能 1.1 何謂Weka 1.2 下載Weka與安裝 1.3 啟動Weka 1.4 Weka的主要功能 第2章 利用Excel與Weka的簡單操作─機器學習與決策樹 2.1 以Excel製作數據，以Weka計算 2.2 以Weka預測 2.3 預測結果的焦點：Kappa統計量（Kappa statistic） 第3章 檔案形式與屬性類型的轉換 3.1 調整檔案編碼為UTF-8 3.2 Weka如何載入CSV檔案 3.3 在ARFF-Viewer中載入CSV文件 3.4 在Weka Explorer中載入CSV文件 3.5 使用Excel中的其他檔案格式 3.6 屬性類型的轉換步驟 3.7 如何將UCI Dataset的副檔名*.data改成*.CSV 第4章 屬性的選擇 4.1 何謂「選擇屬性」 4.2 其他屬性選擇方法 第5章 分類分析 5.1 決策樹（Decision Tree） 5.2 隨機森林（Random Forest） 第6章 集群分析 6.1 K平均法（K-means） 6.2 階層式集群法（Hierarchical Clustering） 6.3 EM法（Expectation Maximization,期望最大化法） 第7章 關聯規則分析 7.1 數據分析中的經典案例 7.2 關聯規則（Association Rule） 第8章 時間序列分析 8.1 時間數列數據的迴歸分析模型 8.2 利用Weka進行的時間序列預測 8.3 Weka提供7種評估指標 第9章 「實踐篇」：使用Weka的各種例題 9.1 將Weka的數據集寫成「CSV格式」 9.2 使用Weka在web上公開的數據集 9.3 使用Weka須知 9.4 各種例題使用Weka 9.5 Fisher的Iris 第10章 貝氏網路模型 10.1 使用數據arff形式的「weather」（數值模型例） 10.2 支持向量機（Support Vector Machine, SVM）中的Kernnel函數 10.3 Weka的Knowledge Flow 第11章 Weka API 11.1 Weka的檔案結構 11.2 Weka重要套件
