Machine Learning Forensics for Law Enforcement, Security, and Intelligence (Gépi tanulási törvényszéki szakértelem a bűnüldözés, a biztonság és a hírszerzés számára)

Értékelés:   (3.9 az 5-ből)

Machine Learning Forensics for Law Enforcement, Security, and Intelligence (Gépi tanulási törvényszéki szakértelem a bűnüldözés, a biztonság és a hírszerzés számára) (Jesus Mena)

Olvasói vélemények

Összegzés:

A könyv nagyra értékelt a csalásnyomozók számára, és hasznos információkat nyújt a csalásnyomozásról és az alkalmazható eszközökről. Ugyanakkor kritika éri, hogy túlságosan sűrű és matematikailag összetett, ami kevésbé hozzáférhetővé teszi a jelentős matematikai képzettséggel nem rendelkezők számára.

Előnyök:

A csalásnyomozás szempontjából releváns aktuális információkat kínál
különböző eszközöket és módszereket tartalmaz a csalásnyomozás lefolytatásához
valós forgatókönyveket és iránymutatásokat tartalmaz a törvényszéki nyomozáshoz.

Hátrányok:

Sűrű és összetett, tele van haladó matematikai fogalmakkal, ami alkalmatlanná teszi a széleskörű matematikai háttérrel nem rendelkezők számára
hiányzik belőle a segédanyag, például a tanulmányi útmutató
egyes olvasók nehezen érthetőnek és kevésbé relevánsnak találták a szélesebb közönség számára.

(8 olvasói vélemény alapján)

Eredeti címe:

Machine Learning Forensics for Law Enforcement, Security, and Intelligence

Könyv tartalma:

A bűncselekmények és a csalások egyre inkább digitális jellegűek, gyors ütemben zajlanak és nagy mennyiségű adatot tartalmaznak. E jogellenes tevékenység leküzdéséhez elengedhetetlen a gépi tanulási technológia és szoftverek használatának ismerete. A Machine Learning Forensics for Law Enforcement, Security, and Intelligence (Gépi tanulással kapcsolatos törvényszéki vizsgálatok a bűnüldözés, a biztonság és a hírszerzés számára) deduktív és tanulságos eszközök, technikák és technológiák választékát integrálja, hogy a szakembereket felvértezze azokkal az eszközökkel, amelyekre szükségük van ahhoz, hogy felkészültek legyenek és a játék előtt maradjanak.

Lépésről-lépésre történő útmutatás

A könyv gyakorlati útmutató arról, hogy hogyan végezzenek törvényszéki vizsgálatokat az önszerveződő klaszterező térkép (SOM) neurális hálózatok, szövegkivonatolás és szabálygeneráló szoftverek segítségével a bizonyítékok "kihallgatásához". Ezek a nagy teljesítményű adatok nélkülözhetetlenek a csalások felderítéséhez, a kiberbiztonsághoz, a versenyképes kémelhárításhoz, valamint a vállalati és peres ügyek kivizsgálásához. A könyv lépésről-lépésre útmutatást is ad ahhoz, hogyan lehet adaptív bűnügyi és csalásfelderítő rendszereket építeni a szervezetek számára.

Az előrejelzés a kulcs

Az internetes tevékenység, az e-mail és a vezeték nélküli kommunikáció rögzíthető, modellezhető és felhasználható a potenciális kibertámadások és más típusú bűncselekmények megelőzése érdekében. Az emberi reakciók és szerver-akciók sikeres előrejelzése a viselkedésük számszerűsítésével felbecsülhetetlen értékű a bűncselekmények megelőzésében. Ez a kötet segítséget nyújt az informatikai vezetők, a bűnüldöző szervek munkatársai, a jogi és informatikai szakemberek, a nyomozók és a versenyhírszerzési elemzők számára a stratégiai tervezéshez, amely a bűncselekmények mintáinak felismeréséhez szükséges, hogy megjósolhassák, mikor és hol kerülhet sor bűncselekményekre és behatolásokra.

A könyv egyéb adatai:

ISBN:9781439860694
Szerző:
Kiadó:
Kötés:Keményfedeles
A kiadás éve:2011
Oldalak száma:349

Vásárlás:

Jelenleg kapható, készleten van.

A szerző további könyvei:

Machine Learning Forensics for Law Enforcement, Security, and Intelligence (Gépi tanulási...
A bűncselekmények és a csalások egyre inkább digitális...
Machine Learning Forensics for Law Enforcement, Security, and Intelligence (Gépi tanulási törvényszéki szakértelem a bűnüldözés, a biztonság és a hírszerzés számára) - Machine Learning Forensics for Law Enforcement, Security, and Intelligence

A szerző munkáit az alábbi kiadók adták ki:

© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)