Yolo DLP: um sistema de preven鈬o de vazamento de dados de imagens baseado em aprendizado de m痃uina

Yolo DLP: um sistema de preven鈬o de vazamento de dados de imagens baseado em aprendizado de m痃uina

Autor: Marca: Dial騁ica Refer麩cia: 9786525237749

Carregando...
Simulador de Frete
- Calcular frete


 

Descri鈬o

O avan輟 tecnolgico colabora com o aumento do risco de perda de dados sensveis de empresas e resid麩cias. Apesar da evolu鈬o e vasta disponibilidade de ferramentas de prote鈬o, nos atuais sistemas de preven鈬o de vazamento de dados, como os Data Leak Prevent (DLP), a falta de flexibilidade, clareza e limita鋏es funcionais dificultam a escolha. Existem diversas solu鋏es comerciais que muitas vezes apresentam um alto custo de licenciamento, implanta鈬o, al駑 de limita鋏es de recursos de preven鈬o. O objetivo deste trabalho validar a aplica鈬o de uma rede neural na potencializa鈬o de um proxy DLP para impedir o envio n縊 autorizado de dados sensveis armazenados ou capturados por c穃eras de vdeo. Neste trabalho proposta uma arquitetura de DLP, que passa por treinamentos e pela implanta鈬o de uma ferramenta de reconhecimento de objetos em documentos de imagens e vdeos ? funcionalidade n縊 presente nos DLP comerciais pesquisados. A partir de um experimento, com base nos ndices de Verdadeiro Positivos, Falso Positivos e Verdadeiro Negativos, possvel observar a acur當ia e a efic當ia do uso de uma rede neural em um ambiente de DLP. E mostrar que tal integra鈬o protege com transpar麩cia sem ocultar limita鋏es, e atende caractersticas de prote鈬o que as principais solu鋏es comerciais como Triton Websense, Check Point, Varonis e AirWatch n縊 abordam.



Caractersticas

  • Ano: 2022
  • Autor: Leandro Akune
  • Selo: Dial騁ica
  • ISBN: 9786525237749
  • Nコ de P疊inas: 92


Coment疵ios e Avalia鋏es

Deixe seu comentário e sua avalia鈬o







- M痊imo de 512 caracteres.

Clique para Avaliar


  • Avalia鈬o:
Enviar
Fa軋 seu login e comente.

O avan輟 tecnolgico colabora com o aumento do risco de perda de dados sensveis de empresas e resid麩cias. Apesar da evolu鈬o e vasta disponibilidade de ferramentas de prote鈬o, nos atuais sistemas de preven鈬o de vazamento de dados, como os Data Leak Prevent (DLP), a falta de flexibilidade, clareza e limita鋏es funcionais dificultam a escolha. Existem diversas solu鋏es comerciais que muitas vezes apresentam um alto custo de licenciamento, implanta鈬o, al駑 de limita鋏es de recursos de preven鈬o. O objetivo deste trabalho validar a aplica鈬o de uma rede neural na potencializa鈬o de um proxy DLP para impedir o envio n縊 autorizado de dados sensveis armazenados ou capturados por c穃eras de vdeo. Neste trabalho proposta uma arquitetura de DLP, que passa por treinamentos e pela implanta鈬o de uma ferramenta de reconhecimento de objetos em documentos de imagens e vdeos ? funcionalidade n縊 presente nos DLP comerciais pesquisados. A partir de um experimento, com base nos ndices de Verdadeiro Positivos, Falso Positivos e Verdadeiro Negativos, possvel observar a acur當ia e a efic當ia do uso de uma rede neural em um ambiente de DLP. E mostrar que tal integra鈬o protege com transpar麩cia sem ocultar limita鋏es, e atende caractersticas de prote鈬o que as principais solu鋏es comerciais como Triton Websense, Check Point, Varonis e AirWatch n縊 abordam.

Deixe seu comentário e sua avalia鈬o







- M痊imo de 512 caracteres.

Clique para Avaliar


  • Avalia鈬o:
Enviar
Fa軋 seu login e comente.
  • Ano: 2022
  • Autor: Leandro Akune
  • Selo: Dial騁ica
  • ISBN: 9786525237749
  • Nコ de P疊inas: 92


Receba nossas promo鋏es por e-mail: