Allgemein
Cyberfiduciary
Cybersecurity is no longer an IT issue—it is a fiduciary responsibility. The SEC’s cybersecurity disclosure rules require public companies to report material cyber incidents within four business days and disclose how boards oversee cyber risk and governance. Cyberfiduciary is a concise, board-level guide for directors, executives, audit committees, and legal leaders navigating this new accountability. The book translates cyber risk into governance frameworks, disclosure-ready processes, and defensible oversight—helping boards protect enterprise value, investor trust, and regulatory credibility in an increasingly digital economy.
Eigene Zigbee-Geräte mit ESP32 entwickeln
Entwickle eigene Zigbee Geräte mit dem ESP32 und integriere sie in Home Assistant sowie Zigbee2MQTT. Du lernst Zigbee praxisnah kennen und entwickelst Sensoren, Schalter und Aktoren Schritt für Schritt selbst. Mit Arduino IDE, PlatformIO und vielen Projekten gelingt dir der Einstieg in die eigene Zigbee Entwicklung. Entwickle eigene Zigbee-Geräte mit dem ESP32 und integriere sie sauber in Home Assistant sowie Zigbee2MQTT. Dieses Buch richtet sich an Maker, Arduino-Nutzer und ESP32-Entwickler, die nicht nur fertige Geräte einsetzen, sondern verstehen möchten, wie Zigbee technisch funktioniert und wie sich eigene Sensoren, Schalter und Aktoren Schritt für Schritt realisieren lassen. Du lernst die Grundlagen von Zigbee ohne unnötige Theorie. Stattdessen erhältst du genau das technische Verständnis, das du für eigene Projekte benötigst. Du erfährst, welche Aufgaben Coordinator, Router und End Device übernehmen, wie Endpoints und Cluster aufgebaut sind und worin sich Zigbee von WLAN, Bluetooth und Matter unterscheidet. Anschließend setzt du das Gelernte direkt anhand praxisnaher Beispiele mit ESP32-Boards um. In diesem Buch lernst du unter anderem, wie du Zigbee fähige ESP32 Boards auswählst und einrichtest, die Arduino IDE und PlatformIO für eigene Zigbee Projekte nutzt, das Zusammenspiel von Zigbee2MQTT, MQTT und Home Assistant verstehst, Sensoren, Taster, Türkontakte und Aktoren als eigene Zigbee Geräte entwickelst, typische Fehler systematisch analysierst und behebst sowie Batteriebetrieb, Deep Sleep und stabile Mesh Netzwerke in der Praxis erfolgreich einsetzt. Der Schwerpunkt liegt auf einer verständlichen und praxisnahen Vermittlung. Statt einer losen Sammlung einzelner Beispiele begleitet dich das Buch von den Grundlagen bis zu vollständigen Projekten. So verstehst du nicht nur den Code, sondern auch die Konzepte dahinter und kannst eigene Zigbee-Geräte selbst entwickeln, erweitern und an deine Anforderungen anpassen. Wenn du Zigbee wirklich verstehen und eigene Smart-Home-Geräte mit dem ESP32 entwickeln möchtest, findest du in diesem Buch das notwendige Wissen und viele sofort nachvollziehbare Praxisbeispiele. Viel Erfolg beim Lernen und Entwickeln Markus Edenhauser, MA MSc
Leitfaden zur Fehlerbehebung bei Service Meshes auf der GCP
Dieser praktische Leitfaden hilft Cloud-Ingenieuren, DevOps- und SRE-Teams, häufige Probleme in Istio und Anthos Service Mesh zu diagnostizieren und zu beheben. Von Verbindungsfehlern über mTLS-Probleme bis zu Latenzspitzen – mit klaren Schritten, Debugging-Techniken und Best Practices für resiliente Mikroservice-Architekturen. Debuggen wie ein Pro Service Mesh Troubleshooting Guide auf GCP – Ein praktischer Begleiter für Cloud-Ingenieure In der schnelllebigen Welt der Mikroservices und Cloud-nativen Architekturen sind Service Meshes wie Anthos Service Mesh und Istio zu einem unverzichtbaren Baustein für sichere, beobachtbare und widerstandsfähige Kommunikation zwischen verteilten Anwendungen geworden. Doch mit dieser Macht kommt auch Komplexität: Latenzspitzen, falsch konfigurierte Richtlinien, kryptische Fehlermeldungen und unerwartete Ausfälle können selbst die robustesten Systeme lahmlegen. Service Mesh Troubleshooting Guide auf GCP ist dein praktischer, handlungsorientierter Begleiter, um Probleme in Service-Mesh-Umgebungen auf Google Cloud Platform schnell zu diagnostizieren, zu debuggen und zu lösen. Geschrieben für DevOps-Ingenieure, SREs und Cloud-Architekten, vermittelt dir dieses Buch ein systematisches Framework, um die häufigsten und herausforderndsten Probleme in Service-Mesh-Architekturen zu meistern. Was du lernst Verständnis der Kernarchitektur: Tauche ein in die Control Plane, Data Plane und Konfigurationsebenen von Service Meshes wie Anthos Service Mesh und Istio und lerne, wie Anfragen durch das Mesh fließen. Systematisches Troubleshooting: Folge einer schrittweisen Methodik, um Probleme zu isolieren – von der Überprüfung der Grundlagen bis hin zu fortgeschrittenen Debugging-Techniken. Lösungen für häufige Probleme: Behebe reale Probleme wie Verbindungsabbrüche, mTLS-Fehler, Routing-Fehlkonfigurationen, hohe Latenz und Synchronisationsverzögerungen mit praktischen Lösungsansätzen. Fortgeschrittene Debugging-Techniken: Nutze Sidecar-Log-Analysen, Traffic Mirroring, istioctl-Tiefenanalysen, Paketerfassung und Performance-Profiling, um verborgene Probleme aufzudecken. Prävention und Best Practices: Implementiere schrittweise Rollouts, Ressourcenallokation, Namespace-Isolation und automatisierte Gesundheitsprüfungen, um Probleme von vornherein zu vermeiden. Schnellreferenzkarte: Greife auf essentielle Befehle, Log-Muster und erste Schritte für schnelles Troubleshooting in kritischen Situationen zu. Warum dieses Buch? Dies ist kein theoretisches Lehrbuch – es ist ein praxiserprobter Leitfaden, der aus echten Erfahrungen entstanden ist. Egal, ob du mit rätselhaften Zeitüberschreitungen, Zertifikatsfehlern oder Performance-Engpässen kämpfst, hier findest du klare, umsetzbare Schritte, um Probleme effizient zu diagnostizieren und zu lösen. Am Ende dieses Buches wirst du:
Analytische Datenmodellierung und -bereitstellung
Die datengetriebene Entscheidungsunterstützung gewinnt weiterhin an Bedeutung. Von traditionellem Reporting bis hin zu fortgeschrittenen Analysen mithilfe von Methoden der Künstlichen Intelligenz werden in Organisationen zunehmend mehr Auswertungen durchgeführt. Neben der wachsenden Analysekomplexität stellt auch die optimale Nutzbarmachung von Daten eine Herausforderung dar. Abhängig von den verwendeten Quelldaten und den Analyseanforderungen sind dabei unterschiedliche Aufgaben der Datenaufbereitung notwendig. In diesem Buch werden relevante Verfahren der analytischen Datenmodellierung und -aufbereitung vorgestellt und deren Nutzen aufgezeigt.
Advanced Blazor Architecture with .NET 10 and Azure OpenAI
Advanced Blazor Architecture with .NET 10 and Azure OpenAI: Enterprise-Grade Design Patterns, AI Integration, and Cloud-Ready Solutions will guide developers, architects, and technology leaders through building scalable, intelligent, and cloud-ready applications with Blazor. The book explores the latest .NET 10 enhancements such as Minimal APIs, AOT compilation, and WebAssembly performance, while showcasing enterprise-grade architecture patterns like Clean Code Architecture, Domain-Driven Design, and micro-frontends. A unique focus will be given to integrating Azure OpenAI - embedding intelligent assistants, content generation, and sentiment analysis securely within Blazor apps. The book also demonstrates cloud-ready deployment with Azure App Services, Kubernetes, and CI/CD pipelines, alongside performance and security strategies such as zero-trust security and AI compliance. This combination of deep technical coverage and practical patterns makes the book both timely and essential for enterprise professionals preparing for the future of cloud and AI-driven development. What You Will Learn .NET 10 Enhancements: Minimal APIs, AOT compilation, WebAssembly performance improvements.Enterprise Architecture Patterns: Clean Architecture, Domain-Driven Design, micro-frontends, and modular UI components.AI Integration with Azure OpenAI: Embedding intelligent assistants, content generation, sentiment analysis, and secure prompt handling into Blazor apps.Cloud-Ready Deployment: Azure App Services, Kubernetes, containerized workflows, and CI/CD pipelines.Performance & Security: Optimizing state management, implementing zero-trust security, and ensuring AI-driven features meet compliance standards.
Kubernetes-Zertifikatsmanagement
Kubernetes-Sicherheit ohne Stress: Automatisieren Sie TLS-Zertifikate mit cert-manager und Let’s Encrypt – für sichere, skalierbare Cluster ohne manuellen Aufwand. Beschreibung: In der schnellebigen Welt von Kubernetes ist Sicherheit unverhandelbar – doch das Management von Zertifikaten wird oft als schwaches Glied übersehen. Abgelaufene Zertifikate, manuelle Verlängerungen oder falsch konfigurierte Aussteller können Ihre Dienste zum Absturz bringen, sensible Daten freilegen oder Compliance-Vorgaben verletzen. Dieses Buch ist Ihr praktischer Leitfaden, um diese Risiken zu eliminieren, indem Sie TLS/SSL-Zertifikate in Kubernetes von den Grundlagen bis hin zu vollautomatisierten, produktionsreifen Workflows beherrschen lernen. Was Sie lernen werden: Zertifikate entmystifizieren: Verstehen Sie TLS/SSL, öffentliche vs. private CAs und wie Zertifikate alles von Webverkehr bis zu internen Kubernetes-Komponenten (API-Server, etcd, Ingress) sichern. Kubernetes-spezifische Einblicke: Tauchen Sie tief ein in das native Zertifikatsmanagement von K8s – wo Zertifikate gespeichert werden (Secrets, Vault), wie sie verwendet werden (Ingress, mTLS, Service Mesh) und warum Tools wie cert-manager und Let’s Encrypt Spielveränderer sind. Praktische Automatisierung: Schritt-für-Schritt-Anleitungen zum Bereitstellen von cert-manager, Konfigurieren von ClusterIssuers und Automatisieren der Zertifikatsausstellung/-verlängerung für HTTPS-Ingress (Nginx, Traefik) und interne Dienste. Reale Szenarien: Lösen Sie häufige Herausforderungen wie selbstsignierte Zertifikate für Tests, mTLS für Zero-Trust-Sicherheit und Multi-Cluster-Zertifikatsmanagement – mit Code-Snippets und Fehlerbehebungstipps. Best Practices für Skalierung: Lernen Sie, wie Sie Ablaufdaten überwachen, Cloud-CAs (AWS ACM, GCP GCM) integrieren und Compliance (DSGVO, PCI-DSS) in allen Umgebungen durchsetzen. Warum dieses Buch? Dies ist kein reines Theoriebuch. Geschrieben von einem Kubernetes-Praktiker, überbrückt es die Lücke zwischen Konzepten und Umsetzung mit: Klaren Analogien (z. B. TLS als „verschlossene Schatulle“ für Ihre Daten), um komplexe Themen zu vereinfachen. Fertigen YAML-Manifesten für cert-manager, Ingress und Issuer. Fehlerbehebungsanleitungen für CSRs, Secret-Speicherung und Sperrung. Zukunftssicheren Strategien, um sich an die sich weiterentwickelnden K8s-Ökosysteme (Anthos, Istio usw.) anzupassen. Für wen ist dieses Buch? DevOps-/SRE-Ingenieure, die die manuelle Zertifikatschaos leid sind. Kubernetes-Anfänger, die ihre Cluster von Anfang an richtig sichern möchten. Sicherheitsteams, die Compliance-konforme TLS-Workflows benötigen. Architekten, die
Mastering Django ORM
Unlock Django ORM’s full potential with advanced performance tuning, query optimization, and scalable Python solutions. Most Django developers love the simplicity of the ORM—until performance issues hit. Suddenly, the “magic” feels like a black box: queries slow down, joins multiply, and scaling becomes painful. Mastering Django ORM: Performance Tuning and Advanced Query Optimization lifts the lid on Django’s Object Relational Mapper and shows you what’s really happening under the hood. You’ll learn how queries are built, how to spot hidden inefficiencies, and how to optimize them for production systems. Instead of treating the ORM as a mystery, this book gives you the confidence to bend it to your will—writing cleaner, faster, and more scalable code. Drawing from real-world experience, author Afsal MS shares lessons learned from costly mistakes, practical fixes, and advanced techniques that will transform the way you work with Django ORM. Whether you’re building a startup MVP or maintaining a high-traffic enterprise system, this guide will help you unlock the full potential of Django ORM and take your Python web applications to the next level. What You Will Learn Understand Django ORM internals and how queries are constructed.Write efficient queries that scale with growing data.Spot and fix common ORM-related performance bottlenecks.Choose between ORM features and raw SQL when appropriate.Apply advanced query patterns for real-world business problems.Optimize Django ORM for high-performance and scalability.Leverage Django 6.0+ features and async ORM capabilities.Use profiling and debugging tools to monitor and improve query performance. Who this Book Is For Developers using Django who want to move beyond treating the ORM as a black box. It’s ideal for those building or maintaining production applications and seeking practical strategies to optimize queries, improve performance, and scale effectively.
Snowflake Data Warehouse Engineering
Design, build, and operate a production-grade analytics platform on Snowflake. This practical guide shows how Snowflake architecture shapes modeling, ingestion, and transformation choices; how to engineer ELT pipelines for structured and semi-structured data; and how to make performance, workload, security, and cost decisions that stand up in real projects. The approach is engineering-first and scenario-driven, turning concepts into repeatable, auditable solutions teams can use day to day. Beyond feature coverage, the emphasis is operations: CI/CD for SQL and Snowpark code, monitoring and observability, least-privilege governance with roles and policies, cost guardrails, secure sharing and collaboration, and business continuity with Time Travel, cloning, and replication. You will learn Snowflake-specific techniques for pruning, selective clustering, streaming and CDC, and dynamic refresh. What makes this book especially useful is its end-to-end operating playbook: opinionated patterns, checklists, and guardrails that connect architecture, modeling, ingestion and ELT, governance and security, performance and cost, and the everyday practices of releasing and recovering safely. It focuses on concrete decisions and the trade-offs behind them, helping teams avoid legacy anti-patterns while building a reliable, auditable platform that is ready to evolve. What You Will Learn Design Snowflake architectures that align storage, compute, security, and governance into a coherent, scalable platform.Model, load, and transform structured and semi-structured data using streams, tasks, MERGE, and SCD2 patterns.Tune performance and control cost with micro-partition pruning, selective clustering, warehouse sizing, and workload isolation.Implement least-privilege RBAC, masking and row access policies, auditing, and tag-driven governance.Build reliable ELT pipelines and release safely with CI/CD, testing, cloning, and SWAP-based promotion.Operate with observability and SRE practices using Snowflake usage views and SLOs.Share and collaborate securely with Secure Data Sharing and Marketplace, and plan replication and DR for continuity. Who This Book Is For Data engineers; data warehouse and solution architects; analytics engineers; BI developers; advanced data analysts; DBAs moving from on-prem to cloud (intermediate level with SQL and warehousing basics).
BSD-Praxis kompakt - FreeBSD, NetBSD & OpenBSD
Behandelt die drei führenden BSD-Systeme: FreeBSD, NetBSD und OpenBSD Systematischer Einstieg mit praxisnahen Schritt-für-Schritt-Anleitungen Installation, Administration, Sicherheit und Netzwerk verständlich erklärt Praxisleitfaden für den professionellen Einsatz von BSD-Systemen Ihr exklusiver Vorteil: E-Book inklusive beim Kauf des gedruckten Buches BSD-Systeme stehen für Stabilität, Sicherheit und technische Klarheit. Dieses Buch vermittelt praxisnahes Wissen zu FreeBSD, NetBSD und OpenBSD – von der Installation über System- und Netzwerkkonfiguration bis hin zu Sicherheit, ZFS und Virtualisierung. Schrittweise Anleitungen, zahlreiche Beispiele und eine klare Struktur ermöglichen den direkten Einsatz in produktiven Umgebungen. Geeignet für technisch versierte Einsteiger und Administratoren, die BSD-Systeme professionell einsetzen möchten. AUS DEM INHALT // Installation FreeBSD, NetBSD und OpenBSD / Zugriffsrechte / Dateien und Verzeichnisse / Audio und Multimedia / Kernelkonfiguration / Drucken – Grundlagen / Linux-Binärkompatibilität BSD/Unix-Systeme / Performance Tuning (Leistungsoptimierung) / Netzwerk und Remote-Zugriff / Grafische Benutzeroberfläche / Virtualisierung / Behandelt die drei führenden BSD-Systeme: FreeBSD, NetBSD und OpenBSD / Systematischer Einstieg mit praxisnahen Schritt-für-Schritt-Anleitungen / Installation, Administration, Sicherheit und Netzwerk verständlich erklärt / Praxisleitfaden für den professionellen Einsatz von BSD-Systemen
Fehlermanagement
Das Buch beschreibt die notwendigen Schritte, um ein Fehlermanagement für den Test von Software einzuführen und in die betriebliche Praxis umzusetzen. Von den Fehlerursachen über den Workflow der Fehlerbehebung bis hin zur Fehlervermeidung werden wesentliche Aspekte des Fehlermanagements beleuchtet. Die zielführende Realisierung der notwendigen Maßnahmen durch die geeigneten Parameter im Fehlermanagement führt zu einer erheblichen Optimierung der Qualitätssicherung im Projektumfeld.
UNTERNEHMEN TROUBLESHOOTING FÜHRUNG
Praktischer Leitfaden zur effizienten Fehlerbehebung in Unternehmens-IT: Systeme analysieren, Probleme lösen und Ausfallzeiten minimieren. Meistern Sie das Debugging komplexer Systeme anhand von Praxis-Szenarien In der schnelllebigen Welt von DevOps, SRE und Cloud Engineering sind Ausfallzeiten keine Option. Doch selbst die robustesten Systeme stoßen auf rätselhafte Fehler, Performance-Engpässe und Konfigurationsabweichungen (Drift). Wie diagnostizieren, beheben und verhindern Sie diese Probleme, bevor sie zu schwerwiegenden Vorfällen eskalieren? „Production Grade Troubleshooting“ ist Ihr ultimativer Praxis-Leitfaden zur Bewältigung von 80 realen Fehlerbehebungsszenarien aus 8 kritischen Technologiebereichen: Ansible (SSH-Authentifizierung, Idempotenz, Jinja2-Fehler, langsame Playbooks) GitOps (ArgoCD-Synchronisierung, Flux-Build-Fehler, Drift-Erkennung, Sealed Secrets) Load Balancer (502/503/504-Fehler, SSL/TLS, WebSocket, AWS ALB) Microservices (mTLS, kaskadierende Ausfälle, Kafka-Lag, Erschöpfung des DB-Pools) Linux-VMs (Festplatte voll, OOM-Killer, SSH-Aussperrung, Cron-Fehler) Terraform (State-Lock, Import-Konflikte, Drift, zirkuläre Abhängigkeiten) CI/CD (Docker-Cache, instabile Tests, hängende Pipelines, Rollback) OPA & Sentinel (Debugging abgelehnter Policies, Gatekeeper-Audit, Sentinel-Mocks) Warum dieses Buch? 80 praxiserprobte Szenarien – Jeder Technologieabschnitt enthält 10 reale Fälle, denen Sie im Produktionsbetrieb begegnen werden. Strukturierte Fehlerbehebung – Jedes Szenario folgt einem klaren, handlungsorientierten Format: Symptom – Was Sie beobachten (z. B. „502 Bad Gateway-Fehler am ALB“). Ursache – Das zugrundeliegende Problem (z. B. „Fehlkonfigurierte Health Checks“). Nummerierte Lösungsschritte – Schritt-für-Schritt-Anleitungen mit sofort einsetzbaren Befehlen in hervorgehobenen Code-Blöcken. Fokus auf den Produktionsbetrieb – Keine Theorie, kein unnötiger Ballast. Nur praktische, direkt anwendbare Lösungen für die Probleme, die Ihnen schlaflose Nächte bereiten. Technologieübergreifend – Egal, ob Sie Kubernetes, Terraform, Ansible oder CI/CD-Pipelines debuggen: Dieser Leitfaden deckt alles ab. Für wen ist dieses Buch? DevOps-Engineers – Debuggen und optimieren Sie Ihre Infrastruktur souverän. SREs & Platform Engineers – Beheben Sie Probleme proaktiv, bevor sie Auswirkungen auf die Nutzer haben. Cloud-Engineers – Meistern Sie die Fehlerbehebung in AWS-, GCP- und Hybrid-Umgebungen. Technical Leads & Manager – Statten Sie Ihr Team mit einem unverzichtbaren Leitfaden für kritische Vorfälle in der Produktion aus.
Transformers and Large Language Models
This book is a hands-on guide to understanding the foundations, architectures, and real-world applications of transformers and large language models in modern AI. The book begins by laying the foundations of generative AI architectures, tokenization, encoding, and classical modeling techniques. Initial chapters address the evolution from feed-forward networks and recurrent neural networks to long short-term memory (LSTM), setting the stage for the revolutionary transformer architecture. The core of the book focuses on transformers, introducing the encoder-decoder framework, attention mechanisms, positional encodings, and the internal workings of multi-head attention, normalization, and multi-layer perceptrons. Readers gain insight into advanced techniques such as rotary positional embeddings (RoPE), mixture of experts (MoE), and knowledge distillation, alongside practical training strategies like self-supervised learning, fine-tuning, and reinforcement learning with human feedback. Popular models from OpenAI, DeepSeek, and other vendors are examined to highlight the evolution of the LLM landscape. Building on these foundations, the text explores methods for model customization, including parameter-efficient fine-tuning (LoRA, adapters), text generation strategies, prompt engineering, and quantization. Retrieval-Augmented Generation (RAG) is introduced as a critical innovation for grounding LLMs in external knowledge, with detailed evaluation techniques for retrieval and generation. Finally, the book ventures into Agentic AI, demonstrating protocols like Model Context Protocol (MCP) and Agent-to-Agent (A2A) interactions with practical coding examples. In conclusion, this book serves as both a practical guide, equipping readers with the technical depth and applied strategies needed to design, fine-tune, and deploy cutting-edge transformers and large language models for real-world applications. What we will learn: Ø Understand the foundations of AI, ML pipelines, tokenization, encoding, and early neural architectures. Ø Explore transformers in depth—encoder-decoder design, attention mechanisms, and advanced embedding methods. Ø Learn modern LLM advancements like RoPE, MoE, SLMs, fine-tuning strategies, and evaluation techniques. Ø Master practical customization through prompt engineering, PEFT methods, quantization, and text generation. nWho this book is for: Data scientists, ML engineers, AI researchers, and developers exploring Transformers and large language models.
Generative AI for Business Innovation
This book is a comprehensive guide for business leaders, CXOs, and technical architects looking to adopt Generative AI technologies to create innovative applications for their organizations and clients. The book is divided into three parts. In Part 1, readers will learn the fundamental concepts of Generative AI, such as foundational models and large language models like ChatGPT. It provides an overview of various Generative AI techniques, including Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs). This section helps leaders understand the benefits and risks associated with Generative AI, supported by industry case studies showcasing real-world applications. Part 2 focuses on developing a winning strategy for implementing Generative AI. It discusses choosing the right approach, building the necessary architecture and infrastructure, and ensuring data quality for training models. It also addresses technical challenges like computing power and offers best practices for execution. In Part 3, the book explores best practices for adopting Generative AI, emphasizing governance, talent development, and continuous improvement. It also discusses emerging trends and the societal impact of Generative AI, particularly concerning sustainability. By the end, readers will be equipped with the knowledge and strategies to effectively harness Generative AI, paving the way for innovation in their organizations. What you will learn: What are the various Generative AI technologies – Foundational models, LLM, Auto encoders, GANs, VAEs, RAG, prompt engineering and more.How to build a successful strategy for architecting and implementing Generative AIUnderstand Preprocessing and setting up quality data for training generative AI modelsWhat are the future trends in generative AI to build sustainable and trustworthy solutions Who this book is for: Individuals in leadership positions, such as CEOs, CTOs, CIOs, and other senior executives, who are responsible for driving innovation and strategy. decision-making in their organizations and interested in adopting Gen AI for that purpose. Professionals who design and implement technical solutions and infrastructure using Generative AI and machine learning systems.
Secure Boot Encryption with Linux
Secure Boot Encryption with Linux serves as a quick guide to building and maintaining a secure, embedded Linux system by establishing a verifiable Chain-of-Trust from the moment power is applied until the first user space application takes control. It meticulously breaks down what the Secure Boot implementation is, and critically, what it is not by providing the technical knowledge necessary to guard against sophisticated bootkits and unauthorized code execution. We begin by dissecting the Linux Cryptographic Subsystem and the core mechanism for secret protection: the Linux Key-Management Facility (Keyring). It provides an in-depth, practical guide to implementing Trusted Keys and Encrypted Keys, detailing how these secrets are secured by tying them to specialized hardware like the Trusted Platform Module (TPM). This unique focus ensures that critical encryption and signing keys are never exposed to user spaces, neutralizing the impact of successful root-level exploits. Next, we explore the implementation of a full Secure Boot Chain-of-Trust. Readers will learn how the Chain-of-Trust works from the initial pre-bootloader (e.g., U-Boot SPL or the Arm Trusted Firmware), through the main bootloader, up to the kernel and the root filesystem. This process guarantees that only code signed by a trusted authority is executed, providing unparalleled protection against firmware injection and persistent bootkits. We finish by looking at a blue print for Secure System Lifecycle Management, integrating the kernel's key-management with Transparent Encryption (dm-crypt) for the root filesystem and detailing the procedures for maintaining security over time. By focusing on root-proof key management and end-to-end integrity enforcement, this pocket guide is essential reading for developers and security architects who need to build resilient Linux products that meet the highest standards of modern cybersecurity. You Will Learn: How to implement and manage cryptographic secrets using the Linux Key-Management Facility (Keyring)Understand how to use the Linux Crypto API for secure hashing, signing, and encryption operationsHow to establish an unbreakable Chain-of-Trust that verifies the integrity and authenticity of every system component, from the initial hardware Root-of-Trust and the pre-bootloader to the final Linux kernel load.How to achieve Transparent Full Disk Encryption by integrating the secure Keyring with key technologies for data confidentiality for OS and Kernel levels This Book is for: Experienced embedded Linux developers and security architects
ChatGPT & Co. in der Schule (2. Auflg.)
KI im Unterricht gezielt einsetzen und den Schulalltag effizienter gestalten Für Lehrkräfte aller Schulformen und Fächer , die KI praxisnah im Unterricht nutzen möchtenUnterstützung bei Unterrichtsvorbereitung, Aufgabenstellung, Korrektur und Förderung durch gezielte KI-NutzungDirekt einsetzbare Prompts für typische schulische Aufgaben und UnterrichtssituationenPraxisbeispiele für verschiedene Fächer und Schulformen zur schnellen Übertragung in den eigenen UnterrichtFokus auf datenschutzkonformen Einsatz, neue Prüfungsformen und KI-Kompetenz als Lernziel KI als Assistent für Lehrkräfte KI-Modelle wie ChatGPT sind bereits Teil des Schulalltags und werden von vielen Schülerinnen und Schülern regelmäßig genutzt. In diesem Buch erfahren Sie, wie Sie als Lehrkraft ebenfalls KI praxisnah, produktiv und datenschutzkonform einsetzen können. Praktischer Einsatz im Schulalltag Die Autoren zeigen, wie Sie zielführende Anfragen an die KI stellen und so Unterstützung für verschiedene Einsatzzwecke erhalten: von der inhaltlichen Unterrichtsplanung über Vorschläge zu interaktiven Lehrmethoden bis hin zur Korrektur von Texten und Tipps für die Förderung von Schülerinnen und Schülern. Die zahlreichen Prompts in diesem Buch können Sie direkt einsetzen. Für alle Schulformen und -fächer Alle Praxisbeispiele sind nach Schulformen und -fächern gegliedert, sodass Sie schnell passende Anregungen für Ihren eigenen Unterricht finden. Darüber hinaus werden zentrale Fragen wie die Vermittlung von KI-Kompetenz als Lernziel, moderne Prüfungsformen im KI-Zeitalter sowie ethische Herausforderungen diskutiert. Aus dem Inhalt: Funktionsweise von KIs wie ChatGPT, Gemini, ClaudeStrategien für den effektiven Einsatz als LehrkraftUnterrichtsvorbereitungPrüfungsvorbereitung und KorrigierenEinsatz von KI im UnterrichtPraxisbeispiele für Grundschule, Mittelschule, Realschule und GymnasiumKonkrete Beispiele für den Einsatz für verschiedene Fächer: DeutschEnglisch, Spanisch, FranzösischGeschichte & ErdkundeMathematik & NaturwissenschaftenKunst & Musiku.v.m.KI-Kompetenz als LernzielPrüfungsformen und Hausaufgaben im KI-ZeitalterRechtliche Aspekte und Datenschutz
MATLAB® meets MicroPython
Dieses kompakte Lehrbuch behandelt die Verknüpfung von MicroPython betriebenen Mikrocontrollern mit MATLAB®. Anhand konkreter Beispiele werden der Entwicklungsprozess in Form von Analyse, elektronische Umsetzung und Programmierung in MicroPython, sowie die Programmierung in MATLAB® und die Erstellung einer graphischen Oberfläche behandelt. Die vorliegende zweite Auflage wurde umstrukturiert und um Varianten der Spannungsmessung, Displayfunktionen und serieller Kommunikation deutlich erweitert.
Godot 4 Best Practices
Many Godot projects start as quick prototypes but become difficult to maintain as they grow. Deep node hierarchies, tightly coupled scripts, and expanding gameplay systems can slow development and make it harder to add features, fix bugs, and ship with confidence. Godot 4 Best Practices addresses those challenges by focusing on architectural practices that help projects stay scalable and maintainable. You’ll start by applying the SOLID principles to Godot’s node and script model, learning when to choose scenes or scripts, how to keep hierarchies shallow, and when data-driven Resources are a better fit than extra nodes. Next, you’ll implement core design patterns, including signals and notifications for decoupling, state machines, strategy-based AI, and swapping deep inheritance for modular components. You’ll also apply Factories, Builders, Commands, and Services with clear Godot examples, so systems stay flexible and testable. Finally, you’ll structure larger projects with data-driven saves and preferences, as well as layered gameplay architecture to avoid God classes. By the end, you’ll write cleaner GDScript, organize large scenes with confidence, and build systems that are easier to test, maintain, and extend. No hype—just proven practices for building Godot projects that scale. *Email sign-up and proof of purchase required
Mastering SIMD with Java Vector API
Learn how to write Java code faster by using the Vector API for SIMD operations. This book shows you how to apply data-level parallelism to common algorithms without leaving the Java ecosystem, making modern CPU capabilities accessible to everyday developers. The book uses a problem-first approach. Each chapter starts with a familiar coding task—such as array summation or prefix sums—and then reworks the solution using vectorization. You’ll move from simple element-wise operations to advanced techniques like parallel scans, bitonic sorting, and sliding window optimizations. Extensive code examples, performance benchmarks, diagrams, and assembly analysis ensure you understand both the “how” and the “why” behind every optimization. Today, the rise of computer-heavy applications in finance, scientific computing, machine learning and real-time analytics makes understanding vectorization an essential skill for developers. Modern processors dedicate significant silicon to vector units, yet most Java code never uses them. By mastering the Vector API, you’ll learn to recognize patterns that benefit from SIMD, write production-ready vector algorithms, and make informed architectural decisions. This is your guide to writing faster, smarter Java code that fully leverages today’s hardware. What You Will Learn: Master Java Vector API and SIMD across x86 and ARM architecturesBuild vector-length-agnostic algorithms for any hardware platformSpot patterns for vectorization and use masked ops for conditional logicOptimize vertical vs. horizontal ops and avoid instruction-level hazardsEnsure numerical stability and verify vectorization via assembly analysis Who This Book is for: Intermediate to advanced Java developers who are familiar with core language features, OOP, arrays, loops, and basic algorithms and are comfortable with Big-O notation and concurrency concepts; multi-threading knowledge helpful but not required. No prior SIMD or low-level optimization experience needed.
Securing Single-Player Games in Unreal Engine
Master practical, code-driven techniques to safeguard gameplay integrity—without relying on online infrastructure or third-party anti-cheat tools. In a world where even offline games are vulnerable to tampering and exploits, this book is a hands-on guide to defending your Unreal Engine projects from cheats, hacks, and manipulation. Through real-world examples and game-ready implementations, you’ll learn how to encrypt sensitive variables, detect runtime tampering, secure saved files, and prevent rollback exploits. Each chapter walks you through structured solutions, including honeypot traps, debugger detection, and DLL injection prevention—backed by insights from titles like The Witcher 3 and Assassin’s Creed Odyssey. You will learn to build a tamper-proof health system, lock down stat-based mechanics, protect player progress to ensure a fair experience for every user. Learn To: Encrypt and validate in-game variables at runtime Secure saved files against edits and rollbacks Detect memory editing and cheat tools Implement honeypots and behavior-based cheat detection Apply anti-tampering strategies without online systems Who Is This Book For With a focus on Blueprints and C++, this book is tailored for beginner-to-intermediate level Unreal Engine developers who want to build secure single-player games that earn long-term player trust.
LLMs for Modern Software Delivery and DevOps
If you work in DevOps, SRE, platform engineering, software delivery, operations, testing, or security, this book shows how large language models (LLMs) can reduce delivery friction, improve operational visibility, and support more reliable engineering workflows. Written by enterprise digital transformation and delivery specialists, it focuses on moving LLMs beyond isolated experiments into practical software delivery systems. You will build the LLM foundations needed to understand modern AI systems, including language model evolution, Transformer architecture, GPT-style generation, and efficient fine-tuning techniques such as LoRA and QLoRA. The book then connects these foundations to enterprise-ready patterns such as retrieval-augmented generation (RAG), multi-agent systems, and platform-based AI assistance. Through operations, testing, coding, project management, and cybersecurity scenarios, you will see how LLMs can support log analysis, ticket handling, root cause analysis, test generation, code generation, risk management, and security workflows. By the end of the book, you will understand how to move from model experimentation to practical AI-assisted delivery, evaluate where LLMs create measurable value across DevOps, SRE, and platform engineering workflows, and recognize the constraints, risks, and governance considerations involved.
Post-Quanten-Kryptografie
Schon in ein bis zwei Jahrzehnten könnte es Quantencomputer geben, die die derzeit verwendeten Verschlüsselungen knacken können. Milliarden von Sicherheitslücken in Web-Browsern, E-Mail-Programmen, VPNs und Smartphones wären die Folge. Es ist daher dringend notwendig, auf Krypto-Algorithmen umzusteigen, die gegenüber Quantencomputern nicht anfällig sind – also auf Post-Quanten-Kryptografie. Die Post-Quanten-Kryptografie ist mathematisch äußerst anspruchsvoll. Wer sich damit beschäftigt, muss sich durch Forschungsarbeiten und Spezifikationen arbeiten, die meist schwer zu verstehen sind. Anschauliche Beschreibungen sind dagegen selten, viele Interessierte sind überfordert. Dieses Buch schließt diese Lücke. Es erklärt die Verfahren der Post-Quanten-Kryptografie so, dass auch ein Leser ohne abgeschlossenes Mathematik-Studium sie verstehen kann, und behandelt auch nichtmathematische Themen wie die Post-Quanten-Migration. Es spricht dadurch eine breite Zielgruppe an. Neben Lehrerenden und Studierenden gehören dazu Berater, Produktmanager und Führungskräfte – also diejenigen Personen, die die Post-Quanten-Kryptografie in die Praxis umsetzen sollen.
Observability for Large Language Models
This book is a comprehensive guide designed to equip engineers, data scientists, and AI practitioners with the principles, tools, and strategies needed to ensure reliability, performance, and accountability in Large Language Models (LLMs). The book begins by laying the groundwork with the foundations of observability, introducing LLMs, their significance in modern AI, and the critical role observability plays in maintaining robust systems. It then explores SRE principles, service level objectives, and incident response, while distinguishing the unique observability challenges that arise in AI and ML systems. Building on this foundation, the book dives into measuring performance, from defining SLOs tailored for LLMs to monitoring computational and token-level metrics. Readers gain practical insights into structured logging, debugging, and distributed tracing methods that provide visibility into complex LLM workflows. Scaling challenges are addressed through strategies for cross-model observability, autoscaling, latency reduction, and fault-tolerant infrastructure design. The book further explores chaos engineering, guiding readers through resilience testing in LLMs and the automation of chaos experiments in CI/CD pipelines. Finally, it highlights monitoring, retraining, and ethical considerations in AI observability, including governance, privacy, and accountability. In conclusion, this book provides a holistic roadmap to building reliable, transparent, and future-ready LLM systems. What you will learn: How to design observability pipelines for LLMs, including token-level logging, prompt tracing, and latency analysis. Techniques for applying chaos engineering principles to test LLM robustness under stress and failure scenarios. Methods for building SLOs, SLAs, and dashboards tailored to inference quality and model reliability. Strategies for monitoring hallucinations, drift, bias, and ethical failures in real-time. Who this book is for: This book is for AI infrastructure engineers, SREs, machine learning platform teams, and applied AI practitioners deploying or maintaining LLM-based applications.
Matter - Der Smart Home-Standard
Dieses Buch bietet eine umfassende Einführung in den Smart Home-Standard Matter und beleuchtet dessen Spezifikationen, Sicherheitsaspekte und Anwendungen. Es richtet sich an Forscher und Entwickler, die ein tiefes Verständnis für die Integration und Entwicklung von Smart Home-Technologien gewinnen möchten. In den Kapiteln werden zentrale Konzepte wie die Matter-Spezifikationen (Versionen 1.0 bis 1.4) und deren Sicherheitsaspekte detailliert behandelt. Das Buch bietet einen Überblick über Funk- und Smart Home-Standards wie Zigbee, Homematic IP und Z-Wave und erklärt die Grundlagen von WLAN, BLE und Thread. Leser erfahren, wie Matter-Systeme mit Hubs, Bridges und Routern funktionieren und wie sie mit Plattformen wie Google Nest und Apple Home interagieren. Ein besonderes Augenmerk liegt auf der Entwicklung von Matter-Geräten, einschließlich der Nutzung von Evaluation Systems und der Implementierung eines Open Thread Border Routers. Dieses Buch ist ein unverzichtbares Werkzeug für Ingenieure, Entwickler und Forscher im Bereich der Smart Home-Technologie. Es bietet nicht nur theoretisches Wissen, sondern auch praktische Anleitungen zur Implementierung und Entwicklung von Matter-Geräten. Leser mit einem Hintergrund in Elektrotechnik, Informatik oder verwandten Disziplinen werden von den detaillierten Anleitungen und den praxisnahen Beispielen profitieren. Durch die Lektüre dieses Buches erlangen sie die Fähigkeit, innovative Smart Home-Lösungen zu entwickeln und die Interoperabilität zwischen verschiedenen Geräten und Plattformen zu gewährleisten.
Learning Spring Boot 4
Spring Boot 4 brings more than just the powerful ability to build secure web apps on top of a rock-solid database. It delivers Jackson integration, support for JSpecify, an enhanced retry mechanism, and updated actuator defaults, along with ways to squeeze out more efficient usage of existing resources. This fourth edition of the bestseller starts off by helping you build a simple app, and then shows you how to secure, test, bundle, and deploy it to production. Then, you’ll familiarize yourself with the ability to go “native” and release using the latest version of GraalVM. As you advance, you’ll explore reactive programming and get a taste of scalable web controllers and data operations. Additionally, this edition includes brand-new topics, including virtual threads, concurrency, and observability, as well as building intelligent applications with Spring AI. If you want to gain a thorough understanding of building robust, modern applications using the core functionality of Spring Boot, then this is the book for you. By the end, you’ll be able to build an entire suite of web applications using Spring Boot and deploy them to any platform you need.