Machine Learning in Cyber Trust

Lucrarea Machine Learning in Cyber Trust necesită un nivel de experiență avansat, fiind concepută pentru cititorii care stăpânesc deja fundamentele algoritmilor de învățare automată și doresc să le aplice în contextul critic al securității rețelelor. Recomandăm acest volum celor care caută o trecere de la teorie la implementări practice în sisteme cibernetice complexe. Pe linia practică a volumului Machine Learning for Cyber Physical System: Advances and Challenges, dar cu focus pe fiabilitatea și încrederea (trust) în sistemele distribuite, cartea oferă o perspectivă riguroasă asupra modului în care datele pot fi utilizate pentru a anticipa atacurile. Remarcăm continuitatea academică a editorului Jeffrey J P Tsai, care, spre deosebire de lucrarea sa Compositional Verification of Concurrent and Real-Time Systems — axată pe verificarea formală a sistemelor în timp real — alege aici să exploreze reziliența prin prisma inteligenței artificiale. Structura este organizată progresiv: se pornește de la definirea sistemelor cibernetice fizice ca o „nouă frontieră”, continuând cu secțiuni dedicate detecției anomaliilor prin grafuri și minarea modelelor de intruziune secvențială. Un aspect distinctiv este includerea capitolului despre „păcălirea” algoritmilor (co-opting spam filters), anticipând vulnerabilitățile modelelor de învățare în fața atacurilor adverse. Ultima parte a cărții se concentrează pe fiabilitatea serviciilor Web bazate pe context, oferind o viziune holistică asupra ecosistemului digital actual. Merită menționat că, deși publicată inițial în 2009, fundamentele despre criptarea imaginilor și rețelele neuronale celulare haotice rămân referințe solide pentru cercetarea fundamentală.