Gutscheinbedingungen

*Gültig bis 07.09.2026 auf alle Bücher. Ausgeschlossen sind Zeitschriften, Prozentbücher und Abos | Einlösbar in allen Buchhandlungen von Orell Füssli, Barth Bücher, Buchladen Rapunzel, Schuler Orell Füssli, Stauffacher und ZAP unter Vorweisung des Gutscheins, auf www.orellfüssli.ch durch Eingabe des Gutscheincodes. Beim Service „eBooks verschenken“ und bei eBook-Käufen via eReader nicht einlösbar | Mindesteinkaufswert: Fr. 30.- | Nicht mit anderen Rabatten kumulierbar.

Produktbild: Demystifying AI and ML for Cyber–Threat Intelligence
Band 43

Demystifying AI and ML for Cyber–Threat Intelligence

Fr. 242.00

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

17.08.2025

Abbildungen

XI, 628 p. 190 illus., 143 illus. in color.

Herausgeber

Ming Yang + weitere

Verlag

Springer

Seitenzahl

628

Maße (L/B/H)

24.1/16/4 cm

Gewicht

1113 g

Sprache

Englisch

ISBN

978-3-031-90722-7

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

17.08.2025

Abbildungen

XI, 628 p. 190 illus., 143 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

628

Maße (L/B/H)

24.1/16/4 cm

Gewicht

1113 g

Sprache

Englisch

ISBN

978-3-031-90722-7

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Demystifying AI and ML for Cyber–Threat Intelligence

  • A Comprehensive Review on the Detection Capabilities of IDS using Deep Learning Techniques.- Next-Generation Intrusion Detection Framework with Active Learning-Driven Neural Networks for DDoS Defense.- Ensemble Learning-based Intrusion Detection System for RPL-based IoT Networks.- Advancing Detection of Man-in-the-Middle Attacks through Possibilistic C-Means Clustering.- CNN-Based IDS for Internet of Vehicles Using Transfer Learning.- Real-Time Network Intrusion Detection System using Machine Learning.- OpIDS-DL : OPTIMIZING INTRUSION DETECTION IN IoT NETWORKS: A DEEP LEARNING APPROACH WITH REGULARIZATION AND DROPOUT FOR ENHANCED CYBERSECURITY.- ML-Powered Sensitive Data Loss Prevention Firewall for Generative AI Applications.- Enhancing Data Integrity: Unveiling the Potential of Reversible Logic for Error Detection and Correction.- Enhancing Cyber security through Reversible Logic.- Beyond Passwords: Enhancing Security with Continuous Behavioral Biometrics and Passive Authentication.