Graph Neural Network-Based Detection and Attribution of Advanced Persistent Threats (Paperback)

Name: Graph Neural Network-Based Detection and Attribution of Advanced Persistent Threats (Paperback)
Author: Shon Kon
ISBN: 9798240844669

Shon Kon

Idioma: inglés

Editorial: Nala Kala, 2026

9798240844669

Tapa blanda
Nuevo

Ver todos los detalles

Librería: CitiRetail, Stevenage, Reino UnidoCitiRetail

Vendedor de 5 estrellas

Vendedor de IberLibro desde 29 de junio de 2022

Ver los artículos de este vendedor

Tapa blanda

Condición: Nuevo

EUR 29,25

Envío por EUR 43,79

Se envía de Reino Unido a Estados Unidos de America

Cantidad disponible: 1 disponible

Añadir al carrito

Devoluciones gratuitas de 30 días

Guardar para más tardeCrear una petición para artículos similares

Descripción del artículo del vendedor

Paperback. Advanced Persistent Threats (APTs) represent a significant cybersecurity challenge because they are typically characterized by prolonged, targeted, and coordinated activities across multiple stages of a cyberattack. Graph Neural Network-Based Detection and Attribution of Advanced Persistent Threats provides a focused technical examination of APT detection, attack attribution, graph-based cybersecurity analysis, graph neural networks, machine learning, and intelligent threat analysis. The book connects network security, artificial intelligence, graph representation learning, cyber threat intelligence, and anomaly detection within an integrated framework.The book introduces the fundamental characteristics of advanced persistent threats and examines the challenges involved in identifying sophisticated malicious activity within complex digital environments. APT campaigns can involve multiple hosts, accounts, processes, network connections, and attack stages, making it difficult to detect malicious behavior using isolated event analysis. Representing relationships between entities as graphs provides an alternative perspective for analyzing these interconnected activities.A central focus is placed on graph neural networks (GNNs) as machine learning models for cybersecurity analysis. Graph neural networks can learn representations from nodes, edges, and their surrounding neighborhoods, allowing relationships between entities to contribute to predictive analysis. The book examines general concepts associated with graph construction, node and edge representation, graph embeddings, message passing, model training, classification, and threat detection.The text further explores the detection of APT activity through graph-based representations. Security events can be modeled as relationships among users, devices, processes, IP addresses, domains, files, and other entities. Such representations can help capture behavioral and structural relationships that may be difficult to identify when analyzing individual events independently.APT attribution is examined as a related but distinct cybersecurity problem. Detection seeks to determine whether activity may be malicious, while attribution attempts to associate observed activity with a particular threat source, campaign, or behavioral profile. The book discusses attribution from a technical and analytical perspective, emphasizing evidence-based classification rather than assuming that attribution can always be determined with certainty.The book also considers feature learning in graph-based security systems. Traditional cybersecurity models often depend on manually engineered features, whereas graph neural networks can learn representations directly from graph structures and associated information. This can support analysis of complex relationships between entities and security events while reducing reliance on manually defined relational features. Graph Neural Network-Based Detection and Attribution of Advanced Persistent Threats examines graph-based artificial intelligence approaches for detecting and analyzing sophisticated cyber threats. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…

N° de ref. del artículo 9798240844669

Contacte con el vendedor en relación con este artículo

Denunciar este artículo

Título: Graph Neural Network-Based Detection and Attribution of Advanced Persistent Threats (Paperback)
Autor: Shon Kon
Editorial: Nala Kala
Año de publicación: 2026
Estado: new
Encuadernación: Paperback
Idioma: inglés
ISBN 13: 9798240844669

Advanced Persistent Threats (APTs) represent a significant cybersecurity challenge because they are typically characterized by prolonged, targeted, and coordinated activities across multiple stages of a cyberattack. Graph Neural Network-Based Detection and Attribution of Advanced Persistent Threats provides a focused technical examination of APT detection, attack attribution, graph-based cybersecurity analysis, graph neural networks, machine learning, and intelligent threat analysis. The book connects network security, artificial intelligence, graph representation learning, cyber threat intelligence, and anomaly detection within an integrated framework. The book introduces the fundamental characteristics of advanced persistent threats and examines the challenges involved in identifying sophisticated malicious activity within complex digital environments. APT campaigns can involve multiple hosts, accounts, processes, network connections, and attack stages, making it difficult to detect malicious behavior using isolated event analysis. Representing relationships between entities as graphs provides an alternative perspective for analyzing these interconnected activities. A central focus is placed on graph neural networks (GNNs) as machine learning models for cybersecurity analysis. Graph neural networks can learn representations from nodes, edges, and their surrounding neighborhoods, allowing relationships between entities to contribute to predictive analysis. The book examines general concepts associated with graph construction, node and edge representation, graph embeddings, message passing, model training, classification, and threat detection. The text further explores the detection of APT activity through graph-based representations. Security events can be modeled as relationships among users, devices, processes, IP addresses, domains, files, and other entities. Such representations can help capture behavioral and structural relationships that may be difficult to identify when analyzing individual events independently. APT attribution is examined as a related but distinct cybersecurity problem. Detection seeks to determine whether activity may be malicious, while attribution attempts to associate observed activity with a particular threat source, campaign, or behavioral profile. The book discusses attribution from a technical and analytical perspective, emphasizing evidence-based classification rather than assuming that attribution can always be determined with certainty. The book also considers feature learning in graph-based security systems. Traditional cybersecurity models often depend on manually engineered features, whereas graph neural networks can learn representations directly from graph structures and associated information. This can support analysis of complex relationships between entities and security events while reducing reliance on manually defined relational features.

“Sinopsis” puede pertenecer a otra edición de este título.

CitiRetail

Stevenage, Reino Unido

Vendedor de 5 estrellas

Vendedor de IberLibro desde 29 de junio de 2022

Tarifas de envío de Reino Unido a Estados Unidos de America

Artículo	De 7 a 14 días hábiles	De 7 a 60 días hábiles
Primer artículo	EUR 43,79	EUR 43,79

Los plazos de entrega los establecen los vendedores y varían según el transportista y la ubicación. Los pedidos que pasan por la aduana pueden sufrir retrasos y los compradores son responsables de los aranceles o tarifas asociadas. Los vendedores pueden ponerse en contacto con usted en relación con cargos adicionales para cubrir cualquier aumento en los costes de envío de los artículos.

Métodos de pago

Descripción de la tienda

Online business

Información empresarial del vendedor

ABC BOOKS LIMITED

10 John Street
London, Reino Unido WC1N 2EB

Contactar con el vendedorVer los artículos de este vendedorVer la página principal del vendedor

Condiciones de venta

Orders can be returned within 30 days of receipt.

Derecho al desistimiento

Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.

Información sobre el derecho de desistimiento

Derecho legal de desistimiento

Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.

El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.

Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).

Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.

Efectos del desistimiento

Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).

Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.

Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.

Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.

Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.

Deberá devolver los bienes o entregarlos a CitiRetail, Stevenage, United Kingdom, sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.

Excepciones al derecho de desistimiento

El derecho de desistimiento no se aplica a lo siguiente:

La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.

Condiciones de envío

Please note that titles are dispatched from our US, Canadian or Australian warehouses. Delivery times specified in shipping terms. Orders ship within 2 business days. Delivery to your door then takes 7-14 days.