會員

Web安全之機器學習入門

劉焱著

更新時間：2019-01-05 10:22:22

開會員，本書免費讀 >

如今是一個人工智能興起的年代，也是一個黑產猖獗的年代；是一個機器學習算法百花齊放的年代，也是一個隱私泄露、惡意代碼傳播、網絡攻擊肆虐的年代。AlphaGo碾壓柯潔之后，不少人擔心AI會搶了人類的工作，然而信息安全領域專業人才嚴重匱乏，極其需要AI來補充專業缺口。通過機器學習分析海量Web日志，進而發現業務異常和安全問題已經是安全監控平臺的標配。然而，市場上信息安全和機器學習結合的工具書卻很少，本書從基礎知識和實際案例出發，逐步抽絲剝繭帶你進入自動化安全的殿堂。書中的算法和思路是經過大規模部署和商業驗證的，具備很強的可操作性。

目錄(148章)

倒序

封面
版權信息
對本書的贊譽
序一
序二
序三
前言
第1章通向智能安全的旅程
1.1 人工智能、機器學習與深度學習
1.2 人工智能的發展
1.3 國內外網絡安全形勢
1.4 人工智能在安全領域的應用
1.5 算法和數據的辯證關系
1.6 本章小結
參考資源
第2章打造機器學習工具箱
2.1 Python在機器學習領域的優勢
2.2 TensorFlow簡介與環境搭建
2.3 本章小結
參考資源
第3章機器學習概述
3.1 機器學習基本概念
3.2 數據集
3.3 特征提取
3.4 效果驗證
3.5 本章小結
參考資源
第4章 Web安全基礎
4.1 XSS攻擊概述
4.2 SQL注入概述
4.3 WebShell概述
4.4 僵尸網絡概述
4.5 本章小結
參考資源
第5章 K近鄰算法
5.1 K近鄰算法概述
5.2 示例：hello world! K近鄰
5.3 示例：使用K近鄰算法檢測異常操作（一）
5.4 示例：使用K近鄰算法檢測異常操作（二）
5.5 示例：使用K近鄰算法檢測Rootkit
5.6 示例：使用K近鄰算法檢測WebShell
5.7 本章小結
參考資源
第6章決策樹與隨機森林算法
6.1 決策樹算法概述
6.2 示例：hello world！決策樹
6.3 示例：使用決策樹算法檢測POP3暴力破解
6.4 示例：使用決策樹算法檢測FTP暴力破解
6.5 隨機森林算法概述
6.6 示例：hello world！隨機森林
6.7 示例：使用隨機森林算法檢測FTP暴力破解
6.8 本章小結
參考資源
第7章樸素貝葉斯算法
7.1 樸素貝葉斯算法概述
7.2 示例：hello world！樸素貝葉斯
7.3 示例：檢測異常操作
7.4 示例：檢測WebShell（一）
7.5 示例：檢測WebShell（二）
7.6 示例：檢測DGA域名
7.7 示例：檢測針對Apache的DDoS攻擊
7.8 示例：識別驗證碼
7.9 本章小結
參考資源
第8章邏輯回歸算法
8.1 邏輯回歸算法概述
8.2 示例：hello world！邏輯回歸
8.3 示例：使用邏輯回歸算法檢測Java溢出攻擊
8.4 示例：識別驗證碼
8.5 本章小結
參考資源
第9章支持向量機算法
9.1 支持向量機算法概述
9.2 示例：hello world！支持向量機
9.3 示例：使用支持向量機算法識別XSS
9.4 示例：使用支持向量機算法區分僵尸網絡DGA家族
9.5 本章小結
參考資源
第10章 K-Means與DBSCAN算法
10.1 K-Means算法概述
10.2 示例：hello world! K-Means
10.3 示例：使用K-Means算法檢測DGA域名
10.4 DBSCAN算法概述
10.5 示例：hello world! DBSCAN
10.6 本章小結
參考資源
第11章 Apriori與FP-growth算法
11.1 Apriori算法概述
11.2 示例：hello world! Apriori
11.3 示例：使用Apriori算法挖掘XSS相關參數
11.4 FP-growth算法概述
11.5 示例：hello world! FP-growth
11.6 示例：使用FP-growth算法挖掘疑似僵尸主機
11.7 本章小結
參考資源
第12章隱式馬爾可夫算法
12.1 隱式馬爾可夫算法概述
12.2 hello world！隱式馬爾可夫
12.3 示例：使用隱式馬爾可夫算法識別XSS攻擊（一）
12.4 示例：使用隱式馬爾可夫算法識別XSS攻擊（二）
12.5 示例：使用隱式馬爾可夫算法識別DGA域名
12.6 本章小結
參考資源
第13章圖算法與知識圖譜
13.1 圖算法概述
13.2 示例：hello world！有向圖
13.3 示例：使用有向圖識別WebShell
13.4 示例：使用有向圖識別僵尸網絡
13.5 知識圖譜概述
13.6 示例：知識圖譜在風控領域的應用
13.7 示例：知識圖譜在威脅情報領域的應用
13.8 本章小結
參考資源
第14章神經網絡算法
14.1 神經網絡算法概述
14.2 示例：hello world！神經網絡
14.3 示例：使用神經網絡算法識別驗證碼
14.4 示例：使用神經網絡算法檢測Java溢出攻擊
14.5 本章小結
參考資源
第15章多層感知機與DNN算法
15.1 神經網絡與深度學習
15.2 TensorFlow編程模型
15.3 TensorFlow的運行模式
15.4 示例：在TensorFlow下識別驗證碼（一）
15.5 示例：在TensorFlow下識別驗證碼（二）
15.6 示例：在TensorFlow下識別驗證碼（三）
15.7 示例：在TensorFlow下識別垃圾郵件（一）
15.8 示例：在TensorFlow下識別垃圾郵件（二）
15.9 本章小結
參考資源
第16章循環神經網絡算法
16.1 循環神經網絡算法概述
16.2 示例：識別驗證碼
16.3 示例：識別惡意評論
16.4 示例：生成城市名稱
16.5 示例：識別WebShell
16.6 示例：生成常用密碼
16.7 示例：識別異常操作
16.8 本章小結
參考資源
第17章卷積神經網絡算法
17.1 卷積神經網絡算法概述
17.2 示例：hello world！卷積神經網絡
17.3 示例：識別惡意評論
17.4 示例：識別垃圾郵件
17.5 本章小結
參考資源更新時間：2019-01-05 10:22:22

官术网_书友最值得收藏!

Web安全之機器學習入門