科技
类型
6.3
豆瓣评分
可以朗读
语音朗读
175千字
字数
2018-01-01
发行日期
展开全部
主编推荐语
当AI遇到安全时，如何快速进化，本书给出了实战方案。
内容简介
在现今的互联网公司中产品线绵延复杂，安全防御体系无时无刻不在应对新的挑战。哪怕是拥有丰富工作经验的安全从业者，在面对层出不穷的攻击手段和海量日志数据时也会望洋兴叹。深度学习在数据量以指数级不断增长的未来有可能是唯壹的出路。本书首先介绍如何打造自己的深度学习工具箱，包括TensorFlow、TFLearn等深度学习库的安装以及使用方法。接着介绍卷积神经网络和循环神经网络这两大深度学习算法的基础知识。特别着重介绍在生产环境搭建深度学习平台需要使用的开源组件，包括Logstash、Kafka、Storm、Spark等。随后讲解了使用机器学习技术解决实际安全问题的案例，本书针对每一个算法都给出了具体案例，理论结合实际，讲解清晰，文笔幽默，适合有信息安全基础知识的网络开发与运维技术人员参考。
目录
- 版权信息
- 对本书的赞誉
- 序
- 前言
- 致谢
- 第1章 打造深度学习工具箱
- 1.1 TensorFlow
- 1.1.1 安装
- 1.1.2 使用举例
- 1.2 TFLearn
- 1.3 PaddlePaddle
- 1.3.1 安装
- 1.3.2 使用举例
- 1.4 Karas
- 1.5 本章小结
- 第2章 卷积神经网络
- 2.1 传统的图像分类算法
- 2.2 基于CNN的图像分类算法
- 2.2.1 局部连接
- 2.2.2 参数共享
- 2.2.3 池化
- 2.2.4 典型的CNN结构及实现
- 2.2.5 AlexNet的结构及实现
- 2.2.6 VGG的结构及实现
- 2.3 基于CNN的文本处理
- 2.3.1 典型的CNN结构
- 2.3.2 典型的CNN代码实现
- 2.4 本章小结
- 第3章 循环神经网络
- 3.1 循环神经算法概述
- 3.2 单向循环神经网络结构与实现
- 3.3 双向循环神经网络结构与实现
- 3.4 循环神经网络在序列分类的应用
- 3.5 循环神经网络在序列生成的应用
- 3.6 循环神经网络在序列标记的应用
- 3.7 循环神经网络在序列翻译的应用
- 3.8 本章小结
- 第4章 基于OpenSOC的机器学习框架
- 4.1 OpenSOC框架
- 4.2 数据源系统
- 4.3 数据收集层
- 4.4 消息系统层
- 4.5 实时处理层
- 4.6 存储层
- 4.6.1 HDFS
- 4.6.2 HBase
- 4.6.3 Elasticsearch
- 4.7 分析处理层
- 4.8 计算系统
- 4.9 实战演练
- 4.10 本章小结
- 第5章 验证码识别
- 5.1 数据集
- 5.2 特征提取
- 5.3 模型训练与验证
- 5.3.1 K近邻算法
- 5.3.2 支持向量机算法
- 5.3.3 深度学习算法之MLP
- 5.3.4 深度学习算法之CNN
- 5.4 本章小结
- 第6章 垃圾邮件识别
- 6.1 数据集
- 6.2 特征提取
- 6.2.1 词袋模型
- 6.2.2 TF-IDF模型
- 6.2.3 词汇表模型
- 6.3 模型训练与验证
- 6.3.1 朴素贝叶斯算法
- 6.3.2 支持向量机算法
- 6.3.3 深度学习算法之MLP
- 6.3.4 深度学习算法之CNN
- 6.3.5 深度学习算法之RNN
- 6.4 本章小结
- 第7章 负面评论识别
- 7.1 数据集
- 7.2 特征提取
- 7.2.1 词袋和TF-IDF模型
- 7.2.2 词汇表模型
- 7.2.3 Word2Vec模型和Doc2Vec模型
- 7.3 模型训练与验证
- 7.3.1 朴素贝叶斯算法
- 7.3.2 支持向量机算法
- 7.3.3 深度学习算法之MLP
- 7.3.4 深度学习算法之CNN
- 7.4 本章小结
- 第8章 骚扰短信识别
- 8.1 数据集
- 8.2 特征提取
- 8.2.1 词袋和TF-IDF模型
- 8.2.2 词汇表模型
- 8.2.3 Word2Vec模型和Doc2Vec模型
- 8.3 模型训练与验证
- 8.3.1 朴素贝叶斯算法
- 8.3.2 支持向量机算法
- 8.3.3 XGBoost算法
- 8.3.4 深度学习算法之MLP
- 8.4 本章小结
- 第9章 Linux后门检测
- 9.1 数据集
- 9.2 特征提取
- 9.3 模型训练与验证
- 9.3.1 朴素贝叶斯算法
- 9.3.2 XGBoost算法
- 9.3.3 深度学习算法之多层感知机
- 9.4 本章小结
- 第10章 用户行为分析与恶意行为检测
- 10.1 数据集
- 10.2 特征提取
- 10.2.1 词袋和TF-IDF模型
- 10.2.2 词袋和N-Gram模型
- 10.2.3 词汇表模型
- 10.3 模型训练与验证
- 10.3.1 朴素贝叶斯算法
- 10.3.2 XGBoost算法
- 10.3.3 隐式马尔可夫算法
- 10.3.4 深度学习算法之MLP
- 10.4 本章小结
- 第11章 WebShell检测
- 11.1 数据集
- 11.1.1 WordPress
- 11.1.2 PHPCMS
- 11.1.3 phpMyAdmin
- 11.1.4 Smarty
- 11.1.5 Yii
- 11.2 特征提取
- 11.2.1 词袋和TF-IDF模型
- 11.2.2 opcode和N-Gram模型
- 11.2.3 opcode调用序列模型
- 11.3 模型训练与验证
- 11.3.1 朴素贝叶斯算法
- 11.3.2 深度学习算法之MLP
- 11.3.3 深度学习算法之CNN
- 11.4 本章小结
- 第12章 智能扫描器
- 12.1 自动生成XSS攻击载荷
- 12.1.1 数据集
- 12.1.2 特征提取
- 12.1.3 模型训练与验证
- 12.2 自动识别登录界面
- 12.2.1 数据集
- 12.2.2 特征提取
- 12.2.3 模型训练与验证
- 12.3 本章小结
- 第13章 DGA域名识别
- 13.1 数据集
- 13.2 特征提取
- 13.2.1 N-Gram模型
- 13.2.2 统计特征模型
- 13.2.3 字符序列模型
- 13.3 模型训练与验证
- 13.3.1 朴素贝叶斯算法
- 13.3.2 XGBoost算法
- 13.3.3 深度学习算法之多层感知机
- 13.3.4 深度学习算法之RNN
- 13.4 本章小结
- 第14章 恶意程序分类识别
- 14.1 数据集
- 14.2 特征提取
- 14.3 模型训练与验证
- 14.3.1 支持向量机算法
- 14.3.2 XGBoost算法
- 14.3.3 深度学习算法之多层感知机
- 14.4 本章小结
- 第15章 反信用卡欺诈
- 15.1 数据集
- 15.2 特征提取
- 15.2.1 标准化
- 15.2.2 标准化和降采样
- 15.2.3 标准化和过采样
- 15.3 模型训练与验证
- 15.3.1 朴素贝叶斯算法
- 15.3.2 XGBoost算法
- 15.3.3 深度学习算法之多层感知机
- 15.4 本章小结
展开全部
评分及书评
评分不足
1个评分
- 给这本书评了5.0
兜哥的这本书展示了丰富多彩的机器学习算法在错综复杂的 Web 安全中的应用，是一本非常及时的人工智能在信息安全领域的入门读物。正如书中所述，没有最好的算法，只有最合适的算法。虽然这几年深度学习呼声很高，但各种机器学习算法依然在形形色色的应用场景中有着各自独特的价值，熟悉并用好这些算法在安全领域的实战中会起到重要的作用。
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
