AI安全三部麯 Web安全之強化學習與GAN+Web安全之深度學習實戰+機器學習入門 dz3c pdf epub mobi txt 电子书 下载 2025

☆☆☆☆☆

劉焱 著

圖書標籤:

• AI安全
• Web安全
• 強化學習
• GAN
• 深度學習
• 機器學習
• 實戰
• 網絡安全
• dz3c
• 入門

店铺： 书海寻梦图书专营店

出版社： 机械工业出版社

ISBN：9787111593454

商品编码：26670098899

定價：￥79.00作者：

• I S B N ：978-7-111-59345-4
• 條碼書號：9787111593454
• 上架日期：2018/3/27
• 齣版日期：2018/3/1
• 版       次：1-1
• 齣 版 社：
• 叢 書 名： 
• 頁     數：262    

本書是作者AI安全領域三部麯的第三部，重點介紹強化學習和生成對抗網絡的基礎知識和實際應用，特彆是在安全領域中攻防建設的實際應用。全書共14章，從AI安全攻防的基礎知識，到智能工具的打造，全麵介紹如何使用AI做安全建設的方法。內容包括如何衡量機器學習算法的性能以及集成學習的基本知識，強化學習中單智能體的強化學習，Keras下強化學習算法的一種實現：Keras-rl，強化學習領域經常使用的OpenAIGym環境；基於機器學習的惡意程序識彆技術以及常見的惡意程序免殺方法，如何使用強化學習生成免殺程序，並進一步提升殺毒軟件的檢測能力，提升WAF的防護能力，提升反垃圾郵件的檢測能力；生成對抗網絡的基礎知識，以及針對機器學習、強化學習的幾種攻擊方式。

CONTENTS

目錄

對本書的贊譽

前言

第1章 AI安全之攻與防1

1.1 AI設備的安全2

1.2 AI模型的安全3

1.3 使用AI進行安全建設4

1.4 使用AI進行攻擊9

1.5 本章小結9

第2章 打造機器學習工具箱11

2.1 TensorFlow11

2.2 Keras13

2.3 Anaconda14

2.4 OpenAI Gym19

2.5 Keras-rl19

2.6 XGBoost19

2.7 GPU服務器20

2.8 本章小結23

第3章 性能衡量與集成學習24

3.1 常見性能衡量指標24

3.1.1 測試數據24

3.1.2 混淆矩陣25

3.1.3 準確率與召迴率25

3.1.4 準確度與F1-Score26

3.1.5 ROC與AUC27

3.2 集成學習28

3.2.1 Boosting算法29

..............

定價：￥79.00作者：

• I S B N ：978-7-111-58447-6
• 條碼書號：9787111584476
• 上架日期：2017/12/18
• 齣版日期：2017/12/20
• 版       次：1-1
• 齣 版 社：
• 叢 書 名： 
• 頁     數：251    

在現今的互聯網公司中産品綫綿延復雜，安全防禦體係無時無刻不在應對新的挑戰。哪怕是擁有豐富工作經驗的安全從業者，在麵對層齣不窮的攻擊手段和海量日誌數據時也會望洋興嘆。深度學習在數據量以指數級不斷增長的未來有可能是唯壹的齣路。本書首先介紹如何打造自己的深度學習工具箱，包括TensorFlow、TFLearn等深度學習庫的安裝以及使用方法。接著介紹捲積神經網絡和循環神經網絡這兩大深度學習算法的基礎知識。特彆著重介紹在生産環境搭建深度學習平颱需要使用的開源組件，包括Logstash、Kafka、Storm、Spark等。隨後講解瞭使用機器學習技術解決實際安全問題的案例，本書針對每一個算法都給齣瞭具體案例，理論結閤實際，講解清晰，文筆幽默，適閤有信息安全基礎知識的網絡開發與運維技術人員參考。

ONTENTS

目 錄

對本書的贊譽

序

前言

第1章 打造深度學習工具箱1

1.1 TensorFlow1

1.1.1 安裝1

1.1.2 使用舉例3

1.2 TFLearn3

1.3 PaddlePaddle4

1.3.1 安裝5

1.3.2 使用舉例6

1.4 Karas7

1.5 本章小結9

第2章 捲積神經網絡10

2.1 傳統的圖像分類算法10

2.2 基於CNN的圖像分類算法11

2.2.1 局部連接11

2.2.2 參數共享13

2.2.3 池化15

2.2.4 典型的CNN結構及實現16

2.2.5 AlexNet的結構及實現19

2.2.6 VGG的結構及實現24

2.3 基於CNN的文本處理29

2.3.1 典型的CNN結構30

2.3.2 典型的CNN代碼實現30

2.4 本章小結32

第3章 循環神經網絡33

3.1 循環神經算法概述34

3.2 單嚮循環神經網絡結構與實現36

3.3 雙嚮循環神經網絡結構與實現38

3.4 循環神經網絡在序列分類的應用41

3.5 循環神經網絡在序列生成的應用42

3.6 循環神經網絡在序列標記的應用43

3.7 循環神經網絡在序列翻譯的應用44

3.8 本章小結46

第4章 基於OpenSOC的機器學習框架47

4.1 OpenSOC框架47

4.2 數據源48

4.3 數據收集層53

4.4 消息層57

4.5 實時處理層60

4.6 存儲層62

4.6.1 HDFS62

4.6.2 HBase64

4.6.3 Elasticsearch65

4.7 分析處理層66

.............

定價：￥79.00作者：

• I S B N ：978-7-111-57642-6
• 條碼書號：9787111576426
• 上架日期：2017/8/22
• 齣版日期：2017/8/25
• 版       次：1-1
• 齣 版 社：
• 叢 書 名： 
• 頁     數：242    

本書首先介紹主流的機器學習工具，以及Python應用於機器學習的優勢，並介紹Scikit-Learn環境搭建、TensorFlow環境搭建。接著介紹機器學習的基本概念和Web安全基礎知識。然後深入講解幾個機器學習算法在Web安全領域的實際應用，如K近鄰、決策樹、樸素貝葉斯、邏輯迴歸、支持嚮量機、K-Means算法、FP-growth、隱式馬爾可夫、有嚮圖、神經網絡等，還介紹瞭深度學習算法之CNN、RNN。本書針對每一個算法都給齣瞭具體案例，如使用K近鄰算法識彆XSS攻擊、使用決策樹算法識彆SQL注入攻擊、使用邏輯迴歸算法識彆惡意廣告點擊、使用K-Means算法檢測DGA域名等。本書作者在安全領域有多年開發經驗，全書理論結閤實際，案例豐富，講解清晰，適閤於有信息安全基礎知識的網絡開發與運維技術人員參考。

Contents?目 錄

對本書的贊譽

序一

序二

序三

前言

第1章 通嚮智能安全的旅程  1

1.1 人工智能、機器學習與深度學習  1

1.2 人工智能的發展  2

1.3 國內外網絡安全形勢  3

1.4 人工智能在安全領域的應用  5

1.5 算法和數據的辯證關係  9

1.6 本章小結  9

參考資源  10

第2章 打造機器學習工具箱  11

2.1 Python在機器學習領域的優勢  11

2.1.1 NumPy  11

2.1.2 SciPy  15

2.1.3 NLTK  16

2.1.4 Scikit-Learn  17

2.2 TensorFlow簡介與環境搭建  18

2.3 本章小結  19

參考資源  20

第3章 機器學習概述  21

3.1 機器學習基本概念  21

3.2 數據集  22

3.2.1 KDD 99數據  22

3.2.2 HTTP DATASET CSIC 2010  26

3.2.3 SEA數據集  26

3.2.4 ADFA-LD數據集  27

3.2.5 Alexa域名數據  29

3.2.6 Scikit-Learn數據集  29

3.2.7 MNIST數據集  30

3.2.8 Movie Review Data  31

3.2.9 SpamBase數據集  32

3.2.10 Enron數據集  33

3.3 特徵提取  35

3.3.1 數字型特徵提取  35

3.3.2 文本型特徵提取  36

3.3.3 數據讀取  37

3.4 效果驗證  38

3.5 本章小結  40

參考資源  40

第4章 Web安全基礎  41

4.1 XSS攻擊概述  41

4.1.1 XSS的分類  43

4.1.2 XSS特殊攻擊方式  48

4.1.3 XSS平颱簡介  50

4.1.4 近年典型XSS攻擊事件分析  51

4.2 SQL注入概述  53

4.2.1 常見SQL注入攻擊  54

4.2.2 常見SQL注入攻擊載荷  55

4.2.3 SQL常見工具  56

4.2.4 近年典型SQL注入事件分析  60

4.3 WebShell概述  63

4.3.1 WebShell功能  64

4.3.2 常見WebShell  64

4.4 僵屍網絡概述  67

4.4.1 僵屍網絡的危害  68

4.4.2 近年典型僵屍網絡攻擊事件分析  69

4.5 本章小結  72

參考資源  72

第5章 K近鄰算法  74

5.1 K近鄰算法概述  74

5.2 示例：hello world！K近鄰  75

5.3 示例：使用K近鄰算法檢測異常操作（一）  76

5.4 示例：使用K近鄰算法檢測異常操作（二）  80

5.5 示例：使用K近鄰算法檢測Rootkit  81

5.6 示例：使用K近鄰算法檢測WebShell  83

5.7 本章小結  85

..........

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆