کتاب امنیت سایبری با پایتون و هوش مصنوعی - آزمایشگاه های عملی برای پیشگیری از حملات

بخش 1: مقدمه فصل 1: قدرت پایتون و هوش مصنوعی در امنیت سایبری مدرن 1-1. چرا انعطاف‌پذیری پایتون برای امنیت در پلتفرم‌های مختلف اهمیت دارد؟ 1-2. نقش هوش مصنوعی و یادگیری ماشین در دفاع پیشگیرانه 1-3. راه‌اندازی محیط آزمایشگاهی چندپلتفرمی (مجازی‌سازی، نصب پایتون، کتابخانه‌های کلیدی) 1-4. درک مسیرهای رایج حمله و استراتژی‌های دفاعی 1-5. هک اخلاقی و شیوه‌های امنیتی مسئولانه فصل 2: پایتون برای امنیت سایبری: مهارت‌های اصلی 2-1. برنامه‌نویسی شبکه مستقل از پلتفرم‌ با سوکت‌های پایتون 2-2. تحلیل بسته‌های چند پلتفرمی‌ با اصول اولیه Scapy 2-3. شناسایی وب با پایتون: استخراج و تحلیل 2-4. تعامل با منابع سیستم با استفاده از کتابخانه استاندارد پایتون 2-5. دستکاری و تحلیل داده‌ها برای بینش امنیتی با Pandas فصل 3: مفاهیم اصلی هوش مصنوعی برای امنیت 3-1. رمزگشایی یادگیری ماشین برای متخصصان امنیت سایبری 3-2. یادگیری نظارت شده، بدون نظارت و تقویتی در امنیت 3-3. مهندسی ویژگی:آماده‌سازی داده‌های امنیتی برای مدل‌های هوش مصنوعی 3-4. مقدمه‌ای بر الگوریتم‌های کلیدی هوش مصنوعی برای تشخیص و پیشگیری از حمله (طبقه‌بندی، خوشه‌بندی، رگرسیون) بخش 2: آزمایشگاه عملی برای پیشگیری جامع از حملات فصل 4: تشخیص نفوذ شبکه در پلتفرم‌های مختلف 4-1. آزمایشگاه: ساخت یک اسکنر پورت مستقل از پلتفرم 4-2. آزمایشگاه: ساخت و تشریح بسته‌های شبکه با Scapy 4-3. آزمایشگاه: توسعه یک سیستم تشخیص نفوذ پایه با استفاده از پایتون و تحلیل ترافیک شبکه 4-4. آزمایشگاه: به‌کارگیری یادگیری ماشین برای تشخیص ناهنجاری شبکه (داده‌های مستقل از پلتفرم) فصل 5 : امنیت برنامه‌های تحت وب : آسیب‌پذیری‌های عمومی 5-1. آزمایشگاه: خودکارسازی اسکن برنامه‌های تحت وب با پایتون (تمرکز بر پروتکل‌های استاندارد وب) 5-2. آزمایشگاه: تشخیص و سوء استفاده از آسیب‌پذیری‌های تزریق SQL (تکنیک‌های مستقل از پلتفرم) 5-3. آزمایشگاه: شناسایی و جلوگیری از حملات اسکریپت‌نویسی بین‌سایتی (XSS) 5-4. آزمایشگاه: استفاده از هوش مصنوعی برای تحلیل الگوهای درخواست وب برای فعالیت‌های مخرب فصل 6 : تحلیل و تشخیص بدافزار: تکنیک‌های بنیادی 6-1. آزمایشگاه: تحلیل ایستای بدافزار: شناسایی الگوهای رایج با پایتون 6-2. آزمایشگاه: تحلیل پویا در یک محیط سندباکس 6-3. آزمایشگاه: توسعه تشخیص بدافزار مبتنی بر اکتشاف با استفاده از پایتون 6-4. آزمایشگاه: استفاده از یادگیری ماشین برای طبقه‌بندی خانواده بدافزار (با تمرکز بر ویژگی‌های قابل حمل فصل 7 : فیشینگ و مهندسی اجتماعی: دفاع‌های مستقل از پلتفرم 7-1. آزمایشگاه: شبیه‌سازی حملات فیشینگ و تحلیل رفتار کاربر 7-2. آزمایشگاه: تحلیل سرآیند و محتوای ایمیل مبتنی بر پایتون برای تشخیص فیشینگ 7-3. آزمایشگاه: ساخت ابزاری برای شناسایی URLها و دامنه‌های مخرب 7-4. آزمایشگاه: استفاده از پردازش زبان طبیعی (NLP) برای تشخیص الگوهای زبانی فیشینگ فصل 8 : امنیت سیستم و افزایش سطح دسترسی: اصول اولیه 8-1. آزمایشگاه: خودکارسازی وظایف رایج مقاوم‌سازی سیستم با پایتون (رویکردهای چندپلتفرمی) 8-2. آزمایشگاه: تشخیص تغییرات غیرمجاز فایل و پیکربندی 8-3. آزمایشگاه: تحلیل گزارش‌های سیستم برای فعالیت‌های مشکوک (تمرکز بر فرمت‌های رایج گزارش) 8-4. آزمایشگاه: به‌کارگیری هوش مصنوعی برای تحلیل رفتار کاربر به منظور تشخیص تعاملات غیرعادی سیستم 8-5. آزمایشگاه: درک مفاهیم افزایش سطح دسترسی و استراتژی‌های مبتنی بر پایتون بخش 3: افق‌های تازه فصل 9 : هوش مصنوعی پیشرفته در امنیت سایبری: تکنیک‌های پیشرفته 9-1. معماری‌های یادگیری عمیق برای چالش‌های امنیتی 9-2. یادگیری تقویتی برای مکانیسم‌های دفاعی تطبیقی 9-3. اهمیت هوش مصنوعی توضیح‌پذیر (XAI) در تصمیم‌گیری‌های امنیتی فصل 10 : هوش تهدید و پاسخ خودکار 10-1. جمع‌آوری، تحلیل و استفاده از منابع هوش تهدید با پایتون 10-2. خودکارسازی وظایف امنیتی و پاسخ به حوادث با پایتون فصل 11 : چشم‌انداز آینده امنیت سایبری با پایتون و هوش مصنوعی 11-1. تهدیدهای نوظهور و چگونگی کمک پایتون و هوش مصنوعی به مقابله با آن‌ها 11-2. یادگیری مداوم و پیشرو بودن در امنیت سایبری واژه‌نامه انگلیسی به فارسی