Seite - 90 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

90 A Technologie Hayes, Jamie; Danezis, George (2018): Learning Universal Adversarial Perturbations with Generative Models. Submitted. arXiv:1708.05207 [cs.CR]. Hu, Weiwei & Tan, Ying (2017): Generating Adversarial Malware Examples for Black-Box Attacks Based on GAN. arXiv:1702.05983 [cs.LG]. Juniper (2016): Malware überlisten. Warum maschinelles Lernen entscheidend zur Cybersi- cherheit beiträgt. Hrsg. Juniper Networks, Inc. Online verfügbar unter https://www.krick. net/fileadmin/Dateien/Downloads/outsmarting-malware.PDF, zuletzt geprüft am 22.06.2018. Kos, Jernej; Fischer, Ian; Song, Dawn (2017): Adversarial Examples for Generative Models. arXiv:1702.06832 [stat.ML]. Laurenza, Giuseppe; Aniello, Leonardo; Lazzeretti, Riccardo; Baldoni, Roberto (2017): Malware Triage Based on Static Features and Public APT Reports. In Proceedings of First int. Conference Cyber Security Cryptography and Machine Learning (CSCML 2017). Dolev, Shlomi & Lodha, Sachin (Hrsg.). Springer International Publishing AG 2017. ISBN 978-3-319-60079-6. Miller, Sean und Busby-Earle, Curts C. R (2016): The Role of Machine Learning in Botnet Detection. In Proceedings of 11th International Conference for Internet Technology and Secured Transactions (ICITST 2016). DOI: 10.1109/ICITST.2016.7856730. Patel, Raja (2017): McAffee: Maschinelles Lernen ergänzt die Arbeit von IT-Sicherheitsspezia- listen. In: Midrange Magazin. Online verfügbar unter http://www.midrange.de/maschinel- les-lernen-ergaenzt-die-arbeit-von-it-sicherheitsspezialisten/, zuletzt geprüft am 22.06.2018. Plattform Industrie 4.0 (2106): IT-Security in der Industrie 4.0, Erste Schritte zu einer sicheren Produktion. Online verfügbar unter https://www.plattform-i40.de/I40/Redaktion/DE/ Downloads/Publikation/wegweiser-it-security.pdf?__blob=publicationFile&v=16, zuletzt geprüft am 22.06.2018. Pohl, Helmut (2004): Taxonomie und Modellbildung in der Informationssicherheit. In: Datenschutz und Datensicherheit (DuD); Ausgabe 28. Stevanovic, Matija; Pedersen, Jens Myrup (2016): On the Use of Machine Learning for Identifying Botnet Network Traffic. Journal of Cyber Security, Vol. 4, pp.1–32. River Publishers. DOI: 10.13052/jcsm2245-1439.421. Strobel, Stefan (2017): Schlau wie nie. In iX, Magazin für professionelle Informationstechnik, Neue Verfahren in der Schadcode-Erkennung. Ausgabe 7. Online verfügbar unter https:// www.heise.de/ix/heft/Schlau-wie-nie-3754380.html, zuletzt geprüft am 22.06.2018. Thiede, Ulla (2016): Jeder zehnte PC ist ein „Zombie“. Israelische Wissenschaftler spüren in Zusammenarbeit mit der Deutschen Telekom infizierte Netze auf. Jeder zehnte PC sei betroffen. Online In General Anzeiger, 5.2.2016. Online verfügbar unter http://www.general-anzeiger-bonn.de/news/wirtschaft/region/Jeder-zehnte-PC-ist-ein- %E2%80%9EZombie%E2%80%9C-article3171482.html, zuletzt geprüft am 22.06.2018.