کتاب امنیت و حریم خصوصی در برنامه‌های یادگیری ماشینی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب امنیت و حریم خصوصی در برنامه‌های یادگیری ماشینی

موضوع کلی: برنامه نویسی

موضوع میانی: امنیت سایبری و برنامه‌نویسی امن

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه و مفاهیم پایه
  • 2. مقدمه ای بر یادگیری ماشینی
  • 3. مفاهیم اساسی امنیت
  • 4. مفاهیم اساسی حریم خصوصی
  • 5. تفاوت امنیت و حریم خصوصی
  • 6. اهمیت امنیت و حریم خصوصی در یادگیری ماشینی
  • 7. اهداف این دوره آموزشی
  • 8. مخاطرات امنیتی در یادگیری ماشینی
  • 9. حملات به داده‌های آموزشی
  • 10. حملات به مدل‌های آموزش‌دیده
  • 11. حملات به زمان استنتاج
  • 12. حملات به زیرساخت یادگیری ماشینی
  • 13. حملات انکار سرویس (DoS)
  • 14. حملات تزریق کد
  • 15. حملات دستکاری داده (Data Poisoning)
  • 16. حملات فرار (Evasion Attacks)
  • 17. حملات استخراج مدل (Model Extraction)
  • 18. حملات استنتاج عضویت (Membership Inference Attacks)
  • 19. حملات بازسازی داده (Data Reconstruction Attacks)
  • 20. حملات توزیع مجدد (Re-identification Attacks)
  • 21. حملات سوء استفاده از آسیب‌پذیری‌ها
  • 22. حملات زنجیره تامین نرم‌افزار
  • 23. حملات به یادگیری فدرال
  • 24. حملات به یادگیری تقویتی
  • 25. مخاطرات حریم خصوصی در یادگیری ماشینی
  • 26. نقض حریم خصوصی داده‌های آموزشی
  • 27. نقض حریم خصوصی داده‌های استنتاج
  • 28. نقض حریم خصوصی کاربران
  • 29. نقض حریم خصوصی سازمان‌ها
  • 30. افشای اطلاعات حساس از طریق مدل
  • 31. افشای اطلاعات حساس از طریق خروجی مدل
  • 32. افشای اطلاعات حساس از طریق فرآیند آموزش
  • 33. افشای اطلاعات حساس از طریق فرآیند استنتاج
  • 34. افشای اطلاعات حساس از طریق خطاهای مدل
  • 35. افشای اطلاعات حساس از طریق داده‌های کمکی
  • 36. حساسیت مدل به داده‌های ورودی خاص
  • 37. استفاده نادرست از داده‌های جمع‌آوری شده
  • 38. عدم شفافیت در جمع‌آوری و استفاده از داده‌ها
  • 39. راهکارهای امنیتی در یادگیری ماشینی
  • 40. امنیت داده‌های آموزشی
  • 41. اعتبارسنجی و پاکسازی داده‌ها
  • 42. رمزنگاری داده‌ها
  • 43. کنترل دسترسی به داده‌ها
  • 44. ناشناس‌سازی داده‌ها
  • 45. حفاظت از داده‌ها در حین انتقال
  • 46. حفاظت از داده‌ها در حین ذخیره‌سازی
  • 47. حفاظت از داده‌ها در حین پردازش
  • 48. امنیت مدل‌های آموزش‌دیده
  • 49. مقاوم‌سازی مدل‌ها در برابر حملات
  • 50. تکنیک‌های ضد دستکاری داده
  • 51. تکنیک‌های ضد فرار
  • 52. تکنیک‌های ضد استخراج مدل
  • 53. تکنیک‌های ضد استنتاج عضویت
  • 54. تکنیک‌های ضد بازسازی داده
  • 55. امنیت زمان استنتاج
  • 56. کنترل دسترسی به مدل
  • 57. اعتبارسنجی ورودی‌ها
  • 58. نظارت بر خروجی‌ها
  • 59. امنیت زیرساخت یادگیری ماشینی
  • 60. امنیت شبکه
  • 61. امنیت سرورها و ماشین‌های مجازی
  • 62. امنیت کانتینرها
  • 63. امنیت ابزارها و فریم‌ورک‌ها
  • 64. امنیت در یادگیری فدرال
  • 65. امنیت در یادگیری تقویتی
  • 66. مدیریت آسیب‌پذیری‌ها
  • 67. پچ کردن و به‌روزرسانی‌ها
  • 68. تست نفوذ
  • 69. ممیزی امنیتی
  • 70. راهکارهای حریم خصوصی در یادگیری ماشینی
  • 71. حریم خصوصی داده‌های آموزشی
  • 72. ناشناس‌سازی داده‌ها
  • 73. کاهش داده‌ها (Data Minimization)
  • 74. استفاده از داده‌های مصنوعی (Synthetic Data)
  • 75. حریم خصوصی تفاضلی (Differential Privacy)
  • 76. تکنیک‌های ناشناس‌سازی پیشرفته
  • 77. حریم خصوصی در زمان استنتاج
  • 78. ناشناس‌سازی خروجی‌ها
  • 79. کنترل خروجی‌های حساس
  • 80. محدود کردن دقت خروجی‌ها
  • 81. حریم خصوصی کاربران
  • 82. رضایت آگاهانه کاربران
  • 83. شفافیت در جمع‌آوری و استفاده از داده‌ها
  • 84. حق فراموشی (Right to be Forgotten)
  • 85. مدیریت داده‌های شخصی
  • 86. حریم خصوصی سازمان‌ها
  • 87. محرمانگی داده‌های تجاری
  • 88. امنیت قراردادهای داده
  • 89. مدیریت ریسک داده‌ها
  • 90. حریم خصوصی در زنجیره تامین داده
  • 91. استانداردهای حریم خصوصی
  • 92. مقررات حریم خصوصی (مانند GDPR، CCPA)
  • 93. پیاده‌سازی اصول حریم خصوصی (Privacy by Design, Privacy by Default)
  • 94. روش‌های پیشرفته و نوظهور
  • 95. یادگیری امن (Secure Machine Learning)
  • 96. یادگیری با رمزنگاری (Learning with Cryptography)
  • 97. یادگیری همومورفیک (Homomorphic Encryption)
  • 98. محاسبات چندجانبه امن (Secure Multi-Party Computation)
  • 99. یادگیری فدرال امن (Secure Federated Learning)
  • 100. یادگیری تقویتی امن (Secure Reinforcement Learning)

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.