Bücher von Soumitra Das

El rápido crecimiento de Internet y las redes sociales ha provocado un aumento del tamaño del tráfico de Internet y de la complejidad del análisis del comportamiento del tráfico, especialmente en redes a gran escala como las plataformas de redes sociales. Las metodologías tradicionales basadas en reglas están siendo sustituidas por enfoques automatizados impulsados por el aprendizaje automático, impulsados por la disponibilidad de grandes conjuntos de datos que permiten modelos de IA de alto rendimiento. Este libro revisa la investigación reciente sobre el análisis del tráfico cibernético en redes sociales e Internet, centrándose en los conceptos de similitud, correlación e indicación colectiva, y haciendo hincapié en la importancia de los objetivos de seguridad a la hora de clasificar hosts, aplicaciones, usuarios y tuits de la red. Para hacer frente a estos retos, el documento presenta una nueva metodología de investigación denominada ciberseguridad basada en datos (DDCS) y su aplicación en el análisis del tráfico social y de Internet. La metodología DDCS consta de tres componentes principales: procesamiento de datos de ciberseguridad, ingeniería de características de ciberseguridad y modelado de ciberseguridad.

Das rasante Wachstum des Internets und der sozialen Medien hat zu einer Zunahme des Umfangs des Internetverkehrs und der Komplexität der Analyse des Verkehrsverhaltens geführt, insbesondere in großen Netzwerken wie sozialen Medienplattformen. Traditionelle regelbasierte Methoden werden durch automatisierte Ansätze ersetzt, die auf maschinellem Lernen beruhen und durch die Verfügbarkeit großer Datensätze angetrieben werden, die leistungsstarke KI-Modelle ermöglichen. Dieses Buch gibt einen Überblick über die jüngste Forschung zur Analyse des Internetverkehrs in sozialen Netzwerken und im Internet, wobei der Schwerpunkt auf Konzepten der Ähnlichkeit, Korrelation und kollektiven Indikation liegt und die Bedeutung von Sicherheitszielen bei der Klassifizierung von Netzwerkhosts, Anwendungen, Benutzern und Tweets hervorgehoben wird. Zur Bewältigung dieser Herausforderungen wird in diesem Beitrag eine neue Forschungsmethodik namens datengesteuerte Cybersicherheit (DDCS) und ihre Anwendung bei der Analyse von sozialem und Internetverkehr vorgestellt. Die DDCS-Methode besteht aus drei Hauptkomponenten: Cybersicherheitsdatenverarbeitung, Cybersicherheitsmerkmalstechnik und Cybersicherheitsmodellierung.

O rápido crescimento da Internet e das redes sociais levou a um aumento da dimensão do tráfego na Internet e da complexidade da análise do comportamento do tráfego, especialmente em redes de grande escala como as plataformas de redes sociais. As metodologias tradicionais baseadas em regras estão a ser substituídas por abordagens automatizadas baseadas na aprendizagem automática, impulsionadas pela disponibilidade de grandes conjuntos de dados que permitem modelos de IA de elevado desempenho. Este livro analisa a investigação recente sobre a análise do tráfego cibernético nas redes sociais e na Internet, centrando-se nos conceitos de semelhança, correlação e indicação colectiva, e salientando a importância dos objectivos de segurança na classificação de anfitriões de rede, aplicações, utilizadores e tweets. Para enfrentar esses desafios, o documento apresenta uma nova metodologia de pesquisa chamada segurança cibernética orientada por dados (DDCS) e sua aplicação na análise do tráfego social e da Internet. A metodologia DDCS consiste em três componentes principais: processamento de dados de cibersegurança, engenharia de características de cibersegurança e modelação de cibersegurança.

Stremitel'nyj rost Interneta i social'nyh setej priwel k uwelicheniü ob#ema internet-trafika i slozhnosti analiza ego powedeniq, osobenno w krupnomasshtabnyh setqh, takih kak platformy social'nyh setej. Na smenu tradicionnym metodikam, osnowannym na prawilah, prihodqt awtomatizirowannye podhody, osnowannye na mashinnom obuchenii, chto obuslowleno nalichiem bol'shih massiwow dannyh, pozwolqüschih sozdawat' wysokoproizwoditel'nye modeli iskusstwennogo intellekta. V dannoj knige rassmatriwaütsq poslednie issledowaniq w oblasti analiza kibertrafika w social'nyh setqh i Internete s uporom na koncepcii shodstwa, korrelqcii i kollektiwnyh priznakow, a takzhe podcherkiwaetsq wazhnost' celej bezopasnosti pri klassifikacii setewyh uzlow, prilozhenij, pol'zowatelej i twitow. Dlq resheniq ätih zadach w stat'e predstawlena nowaq metodologiq issledowaniq, poluchiwshaq nazwanie Data-driwen cyber security (DDCS), i ee primenenie dlq analiza social'nogo i internet-trafika. Metodologiq DDCS sostoit iz treh osnownyh komponentow: obrabotka dannyh kiberbezopasnosti, razrabotka priznakow kiberbezopasnosti i modelirowanie kiberbezopasnosti.

La rapida crescita di Internet e dei social media ha portato a un aumento delle dimensioni del traffico Internet e della complessità dell'analisi del comportamento del traffico, soprattutto nelle reti su larga scala come le piattaforme dei social media. Le metodologie tradizionali basate su regole sono state sostituite da approcci automatizzati basati sull'apprendimento automatico, grazie alla disponibilità di grandi insiemi di dati che consentono modelli di intelligenza artificiale ad alte prestazioni. Questo libro passa in rassegna le recenti ricerche sull'analisi del traffico informatico nei social network e in Internet, concentrandosi sui concetti di somiglianza, correlazione e indicazione collettiva e sottolineando l'importanza degli obiettivi di sicurezza nella classificazione di host, applicazioni, utenti e tweet della rete. Per affrontare queste sfide, il documento introduce una nuova metodologia di ricerca chiamata data-driven cyber security (DDCS) e la sua applicazione nell'analisi del traffico sociale e Internet. La metodologia DDCS è costituita da tre componenti principali: l'elaborazione dei dati di sicurezza informatica, l'ingegneria delle caratteristiche di sicurezza informatica e la modellazione della sicurezza informatica.

La croissance rapide d'Internet et des médias sociaux a entraîné une augmentation de la taille du trafic Internet et de la complexité de l'analyse du comportement du trafic, en particulier dans les réseaux à grande échelle tels que les plateformes de médias sociaux. Les méthodologies traditionnelles basées sur des règles sont remplacées par des approches automatisées basées sur l'apprentissage automatique, grâce à la disponibilité de grands ensembles de données qui permettent d'utiliser des modèles d'IA très performants. Cet ouvrage passe en revue les recherches récentes sur l'analyse du cybertrafic sur les réseaux sociaux et l'internet, en se concentrant sur les concepts de similarité, de corrélation et d'indication collective, et en soulignant l'importance des objectifs de sécurité dans la classification des hôtes, des applications, des utilisateurs et des tweets du réseau. Pour relever ces défis, ce document présente une nouvelle méthodologie de recherche appelée cybersécurité pilotée par les données (DDCS) et son application à l'analyse du trafic social et Internet. La méthodologie DDCS se compose de trois éléments principaux : le traitement des données de cybersécurité, l'ingénierie des caractéristiques de cybersécurité et la modélisation de la cybersécurité.

The rapid growth of the Internet and social media has led to an increase in the size of Internet traffic and the complexity of analyzing traffic behavior, especially in large-scale networks like social media platforms. Traditional rule-based methodologies are being replaced by automated approaches powered by machine learning, driven by the availability of large datasets that enable high-performance AI models. This book reviews recent research on cyber traffic analysis over social networks and the Internet, focusing on similarity, correlation, and collective indication concepts, and emphasizing the importance of security goals in classifying network hosts, applications, users, and tweets. To tackle these challenges, the paper introduces a new research methodology called data-driven cyber security (DDCS) and its application in analyzing social and Internet traffic. The DDCS methodology consists of three main components: cyber security data processing, cyber security feature engineering, and cyber security modeling.