更加频繁和复杂的网络威胁需要网络安全专家做出强大、自动化和快速的响应。本书提供了网络图学习领域的完整研究，强调图神经网络（GNN）及其网络安全应用。

三部分考察基础知识、方法和实践以及高级主题。第一部分介绍了图数据结构和图嵌入的基础，并给出了 GNN 和网络安全应用的分类学观点。第二部分解释了图学习的三种不同类别，包括确定性学习、生成学习和强化学习，以及如何将它们用于开发网络防御模型。每个类别的讨论涵盖简单和复杂图的适用性、可扩展性、代表性算法和技术细节。

希望了解实用的深度学习方法的本科生、研究生、研究人员、网络分析师和人工智能工程师会发现这本书是宝贵的资源。

书名：Responsible Graph Neural Networks

作者：Nour Moustafa, Mohamed Abdel-Basset, Mohamed Hawash

年份：2023年

出版社：Chapman and Hall/CRC

下载链接：如不能下载，请加入微信群

链接：https://pan.baidu.com/s/1YLQHXecb8Iqyhk9WqNNccQ?pwd=9t4i

书籍汇总：

链接: https://pan.baidu.com/s/1wp1sxh_p5Cv9dI5OpBaSCg?pwd=2arp

作者简介

Mohamed Abdel-Basset，埃及，扎加济格大学，计算机与信息学系，副教授。

Nour Moustafa，澳大利亚，堪培拉，新南威尔士大学 (UNSW)， 工程与信息技术学院，高级讲师和智能安全组组长。他还是堪培拉 DXC Technology 的战略顾问 (AI-SME)。

Hossam Hawash，埃及，扎加济格大学，计算机与信息学学院，计算机科学系，高级研究员。

Zahir Tari，澳大利亚，墨尔本，皇家墨尔本理工学院，计算技术学院，研究与创新 (CCSRI)网络安全中心，研究主任。


GTN

微信群                    公众号

  

内容中包含的图片若涉及版权问题，请及时与我们联系删除