Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Kasprzyk, Rafał." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Class action
    Autorzy:
    Kasprzyk, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/685953.pdf
    Data publikacji:
    1986
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Źródło:
    Acta Universitatis Lodziensis. Folia Iuridica; 1986, 27
    0208-6069
    2450-2782
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Iuridica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptacyjna metoda badania podobieństwa profili użytkowników w Internetowych Sieciach Społecznych
    Adaptive method of similarity detection of user profiles on Online Social Networks
    Autorzy:
    Zabielski, Michał
    Tarapata, Zbigniew
    Kasprzyk, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/209686.pdf
    Data publikacji:
    2019
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    Internetowe Sieci Społeczne
    ISS
    klonowanie profili użytkowników
    naruszenie prywatności w sieci
    Online Social Networks
    user profile cloning
    violation of privacy on the web
    Opis:
    W pracy podjęto próbę opracowania adaptacyjnej metody uwzględniającej strukturalne i ilościowe związki między kontami w Internetowej Sieci Społecznej w celu wykrywania potencjalnie sklonowanych profili użytkowników. Wprowadzono również technikę kontenerów podobieństwa, pozwalającą na grupowanie atrybutów profilu użytkownika ze względu na typ danych oraz istotność. Zaprezentowano przykład liczbowy, który ilustruje działanie opracowanej metody. Zasygnalizowano przydatność opracowania symulatora pozwalającego na badanie wpływu zawiązywania znajomości między użytkownikami Internetowej Sieci Społecznej na skuteczność wykrywania sklonowanych profili użytkowników, dając tym samym podstawy do zbudowania środowiska prognozującego klonowanie profili.
    The paper presents a method, based on graph and network theory, which allows to detect cloned user profiles on Online Social Networks. Moreover, an idea of similarity containers, which gives an opportunity to incorporate importance and context of data into a model, was introduced. The presented solutions were adapted to the idea of simulation environment, which will allow to detect a profile cloning process before that activity will be completely performed by an attacker.
    Źródło:
    Biuletyn Wojskowej Akademii Technicznej; 2019, 68, 2; 43-57
    1234-5865
    Pojawia się w:
    Biuletyn Wojskowej Akademii Technicznej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Inteligentne maszyny w siłach zbrojnych
    Autorzy:
    Kasprzyk, Rafał.
    Powiązania:
    Przegląd Sił Zbrojnych 2020, nr 6, s. 44-51
    Data publikacji:
    2020
    Tematy:
    Postęp techniczny
    Siły zbrojne
    Sztuczna inteligencja
    Zastosowanie i wykorzystanie
    Prognostyka wojskowa
    Artykuł z czasopisma wojskowego
    Opis:
    Artykuł dotyczy wykorzystania sztucznej inteligencji na potrzeby sił zbrojnych. Autor przybliża czym jest sztuczna inteligencja. Przedstawia prognozy na temat udziału inteligentnych maszyn w wojnach przyszłości i budowy tych maszyn. Omawia problemy przy budowie i wykorzystaniu inteligentnych maszyn oraz najważniejsze obszary ich zastosowań. Opisuje projekty wykorzystania sztucznej inteligencji do operacji w cyberprzestrzeni i wskazuje konieczność systemowego podejścia.
    Dostawca treści:
    Bibliografia CBW
    Artykuł
    Tytuł:
    Yet another research on GANs in cybersecurity
    Autorzy:
    Zimoń, Michał
    Kasprzyk, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/13946602.pdf
    Data publikacji:
    2023-02-20
    Wydawca:
    Akademia Sztuki Wojennej
    Tematy:
    cybersecurity
    malware
    artificial intelligence
    machine learning
    deep learning
    generative adversarial networks
    Opis:
    Deep learning algorithms have achieved remarkable results in a wide range of tasks, including image classification, language translation, speech recognition, and cybersecurity. These algorithms can learn complex patterns and relationships from large amounts of data, making them highly effective for many applications. However, it is important to recognize that models built using deep learning are not fool proof and can be fooled by carefully crafted input samples. This paper presents the results of a study to explore the use of Generative Adversarial Networks (GANs) in cyber security. The results obtained confirm that GANs enable the generation of synthetic malware samples that can be used to mislead a classification model.
    Źródło:
    Cybersecurity and Law; 2023, 9, 1; 61-72
    2658-1493
    Pojawia się w:
    Cybersecurity and Law
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies