Deployable Machine Learning for Security Defense

☆☆☆☆☆ (0 reviews)

Show price history

Deployable Machine Learning for Security Defense

Lowest price (incl. delivery)

83,99 USD

Typical price58,68 PLN

Lowest (90 days)43,99 PLN

Offers11

Last updated1 สัปดาห์ที่แล้ว

See best offer

Price history (90 days)

Full history

2026-08-08 2026-08-15

ประวัติราคา
อัปเดตเมื่อ	ราคา
2026-08-08	51,99
2026-08-14	43,99
2026-08-15	53,49

ผู้ขาย	Product price	Delivery	รวม	ความพร้อมจำหน่าย	Updated
SP SpringerNatureLink Shop INT	64,99 USD	19,00 USD	83,99 USD	มีจำหน่าย	3 วันที่แล้ว	View offer
SP SpringerNatureLink Shop INT	64,99 USD	29,00 USD	93,99 USD	มีจำหน่าย	3 วันที่แล้ว	View offer
SP SpringerNatureLink Shop INT	69,99 USD	29,00 USD	98,99 USD	มีจำหน่าย	3 วันที่แล้ว	View offer
SP SpringerNatureLink Shop INT	69,99 USD	15,00 USD	84,99 USD	มีจำหน่าย	3 วันที่แล้ว	View offer
SP SpringerNatureLink Shop INT	74,99 USD	free	74,99 USD	มีจำหน่าย	3 วันที่แล้ว	View offer
SP SpringerNatureLink Shop INT	74,99 USD	25,00 USD	99,99 USD	มีจำหน่าย	3 วันที่แล้ว	View offer
SP SpringerNatureLink Shop INT	64,99 GBP	19,00 GBP	83,99 GBP	มีจำหน่าย	3 วันที่แล้ว	View offer
SP SpringerNatureLink Shop INT	77,00 EUR	25,00 EUR	102,00 EUR	มีจำหน่าย	3 วันที่แล้ว	View offer
SP SpringerNatureLink Shop INT	84,99 USD	29,00 USD	113,99 USD	มีจำหน่าย	3 วันที่แล้ว	View offer
SP SpringerNatureLink Shop INT	84,99 USD	25,00 USD	109,99 USD	มีจำหน่าย	3 วันที่แล้ว	View offer
SP Springer Nature Author	84,99 USD	19,00 USD	103,99 USD	มีจำหน่าย	1 สัปดาห์ที่แล้ว	View offer

ราคาและความพร้อมจำหน่ายอาจมีการเปลี่ยนแปลง อัปเดตล่าสุด: 08.08.2026 12:33.

0,0

☆☆☆☆☆

0 reviews

5★ 0%

4★ 0%

3★ 0%

2★ 0%

1★ 0%

Product reviews

Name

Rating

Your review

No reviews yet — be the first!

This book constitutes selected papers from the First International Workshop on Deployable Machine Learning for Security Defense, MLHat 2020, held in August 2020. Due to the COVID-19 pandemic the conference was held online. The 8 full papers were thoroughly reviewed and selected from 13 qualified submissions. The papers are organized in the following topical sections: understanding the adversaries; adversarial ML for better security; threats on networks.