CISSP考试指南笔记:7.4 安全资源配置

provisioning is the set of all activities required to provide one or more new information services to a user or group of users.

At the heart of provisioning is the imperative to provide these services in a secure manner.

Asset Inventory


the most essential aspect of securing our information systems is knowing what it is that we are defending.

Tracking Hardware

The International Organization for Standardization published ISO/PAS 28000:2007 as a means for organizations to use a consistent approach to securing their supply chains.

The solution is to have a comprehensive monitoring process that actively searches for these devices and ensures compliance with your organization’s security policies.

Tracking Software

The solution to the software asset inventory problem is multifaceted. It starts with an assessment of the legitimate application requirements of the organization.

Here are some of the most widely accepted best practices:

  • Application whitelisting

  • Using Gold Masters

  • Enforcing the principle of least privilege

  • Automated scanning

剩余内容请关注本人公众号debugeeker, 链接为CISSP考试指南笔记:7.4 安全资源配置

【精品推荐】CISSP最新全套培训讲义(完整版),供大家学习参考。 CISSP最新版讲义目录 Day001-安全基本概念(1) Day001-安全基本概念(2) Day002-安全治理、安全计划和框架 Day003-安全策略体系和安全人员管理 Day004-安全风险管理概述 Day005-风险评估和处置 Day006-威胁建模和风险管理框架 Day007-法律法规、采购中的风险和安全教育 Day008-业务连续性计划概述 Day009-业务连续性计划项目 Day010-业务影响评估 Day011-信息生命周期 Day012-信息分类 Day013-信息相关的角色和责任 day014-适当的数据保留 day015-保护隐私 day016-保护资产 Day017-数据泄露 Day018-使用安全设计原则实施和管理工程过程 Day019-系统架构和可信计算基 Day020-全模型和实例 Day021-系统安全评估模型 Day022-一些对安全模型和架构的威胁 Day023-密码学定义与概念 Day024-对称密码学 Day025-非对称密码学 Day026-散列算法 Day027-密码学应用 Day028-密钥管理和针对密码学的攻击 Day029-站点规划和设计 Day030-实施物理安全 Day031-OSI参考模型与多层协议概述 Day032-TCP IP模型和协议 Day033-网络组件安全 Day034-网络互联基础和设备 Day035-无线网络 Day036-远程连接 Day037-网络层攻击 Day038-网络与协议安全机制 Day039-访问控制概述 Day040-身份标识与身份认证技术 Day041-身份授权和可问责性技术 Day042-身份管理和相关技术 Day043-联合身份管理和其它相关技术 Day044-访问控制模型 Day045-访问控制方法、技术和管理 Day046-对访问控制的几种威胁和监控 Day047-安全评估与测试概述 Day048-技术控制措施的评估与测试 Day049-管理控制措施的评估与测试 Day050-评估与测试报告和管理 Day051-安全事件调查和取证 Day052-行政管理和责任 Day053-安全资源配置 Day054-配置项管理 Day055-预防措施 Day056 -事件响应和安全监测 Day057-系统的恢复和容错能力 Day058-灾难恢复计划 Day059-灾难恢复计划测试和其他 Day060-软件中的安全需求 Day061-软件开发生命周期、模型和安全 Day062-编程语言和环境 Day063-数据库管理 Day064-Web应用安全 Day065-针对应用程序的相关攻击 Day066-恶意代码
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值