Ciencia de datos para la ciberseguridad / Isaac Martín de Diego y Alberto Fernández Isabel
Material type: TextLanguage: Spanish Publication details: México: RA-MA editorial, 2020Edition: 1a. ediciónDescription: 288 páginas. : ilustración. ; 23 cmISBN: 978-84-1855-104-8Subject(s): REDES DE COMPUTADORAS - MEDIDAS DE SEGURIDAD | PROTECCIÓN DE DATOS | SEGURIDAD EN COMPUTADORASDDC classification: 005.8 Other classification: 21 Summary: Índice. Capítulo 1. Introducción. 1.1 La Ciberseguridad en la actualidad. 1.2 La ciencia de datos. 1.3 La ciencia de datos en el dominio de la ciberseguridad. 1.4 Casos de estudio. Capítulo 2. Comprender el problema. 2.1 Redes y telecomunicaciones. 2.2 El dominio de la ciberseguridad. 2.3 Tareas típicas de ciencia de datos en ciberseguridad. Capítulo 3. Los Datos. 3.1 Tipos de datos. 3.2 Obtención de los datos. 3.3 Mantenimiento de los datos. 3.4 Calidad de los datos. 3.5 Ética, privacidad y seguridad en los datos. Capítulo 4. Técnicas y métodos de preparación de los datos. 4.1 Inferencia estadística. 4.2 Análisis exploratorio de datos. 4.3 Imputación de valores faltantes. 4.4 Extracción de características. Capítulo 5. Técnicas y métodos de aprendizaje máquina. 5.1 Particiones de los datos. 5.2 Medidas de similitud. 5.3 Modelos de aprendizaje no supervisado. 5.4 Modelos de aprendizaje supervisado. 5.5 Problemas singulares. Capítulo 6. Evaluación. 6.1 Métricas de evaluación. 6.2 Evaluación en las particiones de los datos. 6.3 Ajustes de parámetros. 6.4 Comparación de modelos. Capítulo 7. Explicación. 7.1 Técnicas de visualización y presentación de resultados. 7.2 Aprendizaje máquina explicable. Capítulo 8. Despliegue del software de ciencia de datos. 8.1 Desarrollo del proyecto. 8.2 Evaluación del producto. 8.3 Puesta en producción. 8.4 Actualización del modelo. 8.5 Caso de uso. Capítulo 9. Casos de estudio. 9.1 Análisis malware. 9.2 Dinámicas de comportamiento. 9.3 Detección de fraude. 9.4 Detección de noticias falsas. Capítulo 10. Retos emergentes de ciberseguridad. 10.1 Ataques a infraestructuras críticas. 10.2 Privacidad. 10.3 Desinformación. 10.4 Seguridad IOT-COCHE Autónomo. 10.5 Ataque a modelos de aprendizaje máquina.Item type | Current library | Collection | Call number | Copy number | Status | Date due | Barcode |
---|---|---|---|---|---|---|---|
Libros/ General | BIBLIOTECA CENTRAL - PANAMÁ Fondo general | Col. General | 005.8 D559 (Browse shelf(Opens below)) | e.1 | Available | 54969836 |
Browsing BIBLIOTECA CENTRAL - PANAMÁ shelves, Shelving location: Fondo general, Collection: Col. General Close shelf browser (Hides shelf browser)
005.7585 St785 Microsoft SQL Server 2000: manual del administrador / | 005.8 Ar779 Ciberseguridad / | 005.8 C497 Academia de Networking de Cisco Systems : | 005.8 D559 Ciencia de datos para la ciberseguridad / | 005.8 G633 Seguridad en equipos informáticos / | 005.8 G633s Seguridad informática : básico / | 005.8 H121 Hacking web technologies |
Contiene índice, bibliografía, glosario de términos.
Índice.
Capítulo 1. Introducción.
1.1 La Ciberseguridad en la actualidad.
1.2 La ciencia de datos.
1.3 La ciencia de datos en el dominio de la ciberseguridad.
1.4 Casos de estudio.
Capítulo 2. Comprender el problema.
2.1 Redes y telecomunicaciones.
2.2 El dominio de la ciberseguridad.
2.3 Tareas típicas de ciencia de datos en ciberseguridad.
Capítulo 3. Los Datos.
3.1 Tipos de datos.
3.2 Obtención de los datos.
3.3 Mantenimiento de los datos.
3.4 Calidad de los datos.
3.5 Ética, privacidad y seguridad en los datos.
Capítulo 4. Técnicas y métodos de preparación de los datos.
4.1 Inferencia estadística.
4.2 Análisis exploratorio de datos.
4.3 Imputación de valores faltantes.
4.4 Extracción de características.
Capítulo 5. Técnicas y métodos de aprendizaje máquina.
5.1 Particiones de los datos.
5.2 Medidas de similitud.
5.3 Modelos de aprendizaje no supervisado.
5.4 Modelos de aprendizaje supervisado.
5.5 Problemas singulares.
Capítulo 6. Evaluación.
6.1 Métricas de evaluación.
6.2 Evaluación en las particiones de los datos.
6.3 Ajustes de parámetros.
6.4 Comparación de modelos.
Capítulo 7. Explicación.
7.1 Técnicas de visualización y presentación de resultados.
7.2 Aprendizaje máquina explicable.
Capítulo 8. Despliegue del software de ciencia de datos.
8.1 Desarrollo del proyecto.
8.2 Evaluación del producto.
8.3 Puesta en producción.
8.4 Actualización del modelo.
8.5 Caso de uso.
Capítulo 9. Casos de estudio.
9.1 Análisis malware.
9.2 Dinámicas de comportamiento.
9.3 Detección de fraude.
9.4 Detección de noticias falsas.
Capítulo 10. Retos emergentes de ciberseguridad.
10.1 Ataques a infraestructuras críticas.
10.2 Privacidad.
10.3 Desinformación.
10.4 Seguridad IOT-COCHE Autónomo.
10.5 Ataque a modelos de aprendizaje máquina.
There are no comments on this title.