
Attack Detection and Attribution
امروزه امنیت سایبری به یک چالش در حوزه «دادههای بزرگ» (Big Data) تبدیل شده است. با رشد تصاعدی بدافزارها به دهها میلیون فایل جدید در سال و جریان بیپایان دادههای امنیتی در شبکهها، روشهای سنتی دیگر پاسخگو نیستند. کتاب «علم داده در تحلیل بدافزار» اثر جاشوا ساکس و هیلاری سندرز، منبعی پیشرو است که به شما میآموزد چگونه با ترکیب امنیت سایبری و علم داده، در برابر حملات پیشرفته دفاع کنید. این کتاب چاپی به شما نشان میدهد که چگونه مانند یک دانشمند داده فکر کنید و از قدرت یادگیری ماشین و آمار برای شناسایی بدافزارهای ناشناخته استفاده نمایید.
نویسندگان کتاب، که از متخصصان برجسته امنیت داده هستند، مفاهیمی نظیر یادگیری ماشین، آمار، تحلیل شبکههای اجتماعی و بصریسازی دادهها را به خدمت میگیرند تا راهکارهای عملی برای تحلیل خودکار بدافزار ارائه دهند.
در گذشته، تحلیلگران بدافزار ساعتها زمان صرف بررسی دستی یک فایل میکردند؛ اما در دنیای امروز، این روش در مقیاس وسیع غیرممکن است. این کتاب به شما میآموزد که چگونه با استفاده از یادگیری ماشین (Machine Learning)، فرآیند شناسایی فایلهای مخرب را خودکارسازی کنید.
بدافزارها اغلب به تنهایی عمل نمیکنند و بخشی از یک کمپین گستردهتر هستند. در این اثر، شما یاد میگیرید که چگونه با استفاده از تحلیل شبکههای اجتماعی (SNA)، ارتباطات میان بدافزارهای مختلف را کشف کنید. این روش به شما اجازه میدهد تا:
کدهای مشترک بین بدافزارهای مختلف را شناسایی کنید.
عاملان حملات (Attribution) را بر اساس شباهت رفتاری و ساختاری کدها ردیابی نمایید.
روندهای تکاملی بدافزارها را از طریق بصریسازی دادههای حجیم درک کنید.
این کتاب چاپی مسیر آموزشی خود را از پایهایترین مفاهیم آغاز کرده و به پیچیدهترین متدهای هوش مصنوعی ختم میکند.
فصول ابتدایی کتاب بر روی تحلیل ایستای بدافزار و جداسازی کدهای x86 (Disassembly) تمرکز دارد. شما میآموزید که بدون اجرای فایل، ساختار آن را درک کنید. سپس، با تحلیل پویا (Dynamic Analysis) آشنا میشوید تا رفتار بدافزار را در حین اجرا در محیطهای ایزوله بررسی نمایید.
قلب تپنده این کتاب، بخش مربوط به یادگیری ماشین است. شما یاد میگیرید که چگونه:
مدلهای شناسایی بدافزار بسازید و آنها را ارزیابی کنید.
از مجموعهدادههای واقعی برای آموزش مدلها استفاده نمایید.
با استفاده از کتابخانه Keras، یک شناسایگر بدافزار مبتنی بر شبکههای عصبی و یادگیری عمیق (Deep Learning) طراحی کنید.
کتاب در ۱۲ فصل تخصصی، شما را به یک دانشمند داده در حوزه امنیت تبدیل میکند:
در این بخش، مبانی تحلیل ایستا و پویا آموزش داده میشود. نویسندگان بر روی تحلیل کدهای مشترک (Shared Code Analysis) تاکید دارند تا نشان دهند چگونه بدافزارهای مختلف از یک منبع الهام گرفتهاند.
این بخش به شما میآموزد که سیستمهای شناسایی بدافزار چگونه کار میکنند و مهمتر از آن، چگونه میتوانید دقت آنها را ارزیابی کنید. شما یاد میگیرید که با چالشهایی نظیر نتایج مثبت کاذب (False Positives) مقابله کرده و کارایی سیستمهای خود را در محیطهای واقعی بسنجید.
در فصول انتهایی، با مفاهیم مدرنتری مانند شبکههای عصبی آشنا میشوید. همچنین، مبحث بصریسازی روندهای بدافزار (Visualizing Malware Trends) به شما کمک میکند تا الگوهای پنهان در میلیونها فایل مخرب را به صورت نمودارهای آماری و گرافهای تحلیلی مشاهده کنید.
این اثر چاپی تنها یک کتاب آموزشی نیست، بلکه مانیفستی برای تغییر روشهای دفاعی در سازمانهاست:
امروزه شبکههای سازمانی سیل عظیمی از دادههای امنیتی تولید میکنند. این کتاب ابزارهای لازم برای فیلتر کردن نویزها و شناسایی سیگنالهای واقعی حمله را در اختیار شما قرار میدهد.
وجود پیوستهای غنی شامل مجموعهدادهها (Datasets) و ابزارهای مورد نیاز، به شما اجازه میدهد تا تمامی کدهای ارائه شده در کتاب را به صورت واقعی اجرا کرده و خروجی مدلهای خود را مشاهده کنید.
این مرجع تخصصی برای گروههای زیر که میخواهند دانش خود را با هوش مصنوعی ادغام کنند، ضروری است:
دانشمندان داده (Data Scientists): که میخواهند مهارتهای خود را در حوزه امنیت سایبری به کار بگیرند.
تحلیلگران بدافزار: که به دنبال خودکارسازی فرآیندهای تحلیل و شناسایی هستند.
متخصصان امنیت و مهندسان SOC: برای بهبود دقت سیستمهای شناسایی نفوذ و کاهش هشدارهای اشتباه.
پژوهشگران و دانشجویان ارشد و دکتری: که در لبه تکنولوژی هوش مصنوعی و امنیت فعالیت میکنند.
با مطالعه این کتاب، شما مجهز به دانشی میشوید که میتوانید سیستمهای دفاعی هوشمندی بسازید که نه تنها بدافزارهای موجود، بلکه گونههای ناشناخته و آتی آنها را نیز شناسایی کنند.
نمونه چاپ کتاب موجود نیست.
نظرات کاربران