我爱电子书-《Web安全之机器学习入门: 智能系统与技术丛书》| pdf + epub + mobi + awz3, 高清版, 带目录，Kindle版, 多看精排版下载

注重体验与质量的电子书资源下载网站

分类于: 计算机基础互联网云计算&大数据人工智能

简介

Web安全之机器学习入门: 智能系统与技术丛书豆 6.2分

资源最后更新于 2020-03-29 04:03:31

作者：刘焱

出版社：出版社机械工业出版社

出版日期：2017-08

ISBN：9787111576426

文件格式： pdf

标签：互联网技术网络计算机软件智能系统与技术丛书

简介· · · · · ·

本书首先介绍主流的机器学习工具，以及Python应用于机器学习的优势，并介绍Scikit-Learn环境搭建、TensorFlow环境搭建。接着介绍机器学习的基本概念和Web安全基础知识。然后深入讲解几个机器学习算法在Web安全领域的实际应用，如K近邻、决策树、朴素贝叶斯、逻辑回归、支持向量机、K-Means算法、FP-growth、隐式马尔可夫、有向图、神经网络等，还介绍了深度学习算法之CNN、RNN。本书针对每一个算法都给出了具体案例，如使用K近邻算法识别XSS攻击、使用决策树算法识别SQL注入攻击、使用逻辑回归算法识别恶意广告点击、使用K-Means算法检测DGA域名等。本书作者在安全领域有多年开发经验，全书理论结合实际，案例丰富，讲解清晰，适合于有信息安全基础知识的网络开发与运维技术人员参考。刘焱，百度安全技术经理，Web防护产品线负责人。全程参与了百度企业安全建设，负责百度安全对外的Web安全产品，包括防DDoS、Web应用防火墙、Web威胁感知、服务器安全防护产品等。研究兴趣包括机器学习、Web安全、僵尸网络、威胁情报等。还建立了微信公众号：“兜哥带你学安全”，发布了大量信息安全技术知识。

直接下载

简介

Web安全之机器学习入门: 智能系统与技术丛书 豆 6.2分

简介· · · · · ·

目录

对本书的赞誉

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、机器学习与深度学习

1.2 人工智能的发展

1.3 国内外网络安全形势

1.4 人工智能在安全领域的应用

1.5 算法和数据的辩证关系

1.6 本章小结

参考资源

第2章 打造机器学习工具箱

2.1 Python在机器学习领域的优势

2.1.1 NumPy

2.1.2 SciPy

2.1.3 NLTK

2.1.4 Scikit-Learn

2.2 TensorFlow简介与环境搭建

2.3 本章小结

参考资源

第3章 机器学习概述

3.1 机器学习基本概念

3.2 数据集

3.2.1 KDD 99数据

3.2.2 HTTP DATASET CSIC 2010

3.2.3 SEA数据集

3.2.4 ADFA-LD数据集

3.2.5 Alexa域名数据

3.2.6 Scikit-Learn数据集

3.2.7 MNIST数据集

3.2.8 Movie Review Data

3.2.9 SpamBase数据集

3.2.10 Enron数据集

3.3 特征提取

3.3.1 数字型特征提取

3.3.2 文本型特征提取

3.3.3 数据读取

3.4 效果验证

3.5 本章小结

参考资源

第4章 Web安全基础

4.1 XSS攻击概述

4.1.1 XSS的分类

4.1.2 XSS特殊攻击方式

4.1.3 XSS平台简介

4.1.4 近年典型XSS攻击事件分析

4.2 SQL注入概述

4.2.1 常见SQL注入攻击

4.2.2 常见SQL注入攻击载荷

4.2.3 SQL常见工具

4.2.4 近年典型SQL注入事件分析

4.3 WebShell概述

4.3.1 WebShell功能

4.3.2 常见WebShell

4.4 僵尸网络概述

4.4.1 僵尸网络的危害

4.4.2 近年典型僵尸网络攻击事件分析

4.5 本章小结

参考资源

第5章 K近邻算法

5.1 K近邻算法概述

5.2 示例：hello world！K近邻

5.3 示例：使用K近邻算法检测异常操作（一）

5.4 示例：使用K近邻算法检测异常操作（二）

5.5 示例：使用K近邻算法检测Rootkit

5.6 示例：使用K近邻算法检测WebShell

5.7 本章小结

参考资源

第6章 决策树与随机森林算法

6.1 决策树算法概述

6.2 示例：hello world！决策树

6.3 示例：使用决策树算法检测POP3暴力破解

6.4 示例：使用决策树算法检测FTP暴力破解

6.5 随机森林算法概述

Web安全之机器学习入门: 智能系统与技术丛书豆 6.2分

第1章　通向智能安全的旅程

1.1　人工智能、机器学习与深度学习

1.2　人工智能的发展

1.3　国内外网络安全形势

1.4　人工智能在安全领域的应用

1.5　算法和数据的辩证关系

1.6　本章小结

第2章　打造机器学习工具箱

2.1　Python在机器学习领域的优势

2.1.1　NumPy

2.1.2　SciPy

2.1.3　NLTK

2.1.4　Scikit-Learn

2.2　TensorFlow简介与环境搭建

2.3　本章小结

第3章　机器学习概述

3.1　机器学习基本概念

3.2　数据集

3.2.1　KDD 99数据

3.2.2　HTTP DATASET CSIC 2010

3.2.3　SEA数据集

3.2.4　ADFA-LD数据集

3.2.5　Alexa域名数据

3.2.6　Scikit-Learn数据集

3.2.7　MNIST数据集

3.2.8　Movie Review Data

3.2.9　SpamBase数据集

3.2.10　Enron数据集

3.3　特征提取

3.3.1　数字型特征提取

3.3.2　文本型特征提取

3.3.3　数据读取

3.4　效果验证

3.5　本章小结

第4章　Web安全基础

4.1　XSS攻击概述

4.1.1　XSS的分类

4.1.2　XSS特殊攻击方式

4.1.3　XSS平台简介

4.1.4　近年典型XSS攻击事件分析

4.2　SQL注入概述

4.2.1　常见SQL注入攻击

4.2.2　常见SQL注入攻击载荷

4.2.3　SQL常见工具

4.2.4　近年典型SQL注入事件分析

4.3　WebShell概述

4.3.1　WebShell功能

4.3.2　常见WebShell

4.4　僵尸网络概述

4.4.1　僵尸网络的危害

4.4.2　近年典型僵尸网络攻击事件分析

4.5　本章小结

第5章　K近邻算法

5.1　K近邻算法概述

5.2　示例：hello world！K近邻

5.3　示例：使用K近邻算法检测异常操作（一）

5.4　示例：使用K近邻算法检测异常操作（二）

5.5　示例：使用K近邻算法检测Rootkit

5.6　示例：使用K近邻算法检测WebShell

5.7　本章小结

第6章　决策树与随机森林算法

6.1　决策树算法概述

6.2　示例：hello world！决策树

6.3　示例：使用决策树算法检测POP3暴力破解

6.4　示例：使用决策树算法检测FTP暴力破解

6.5　随机森林算法概述

6.6　示例：hello world！随机森林

6.7　示例：使用随机森林算法检测FTP暴力破解

6.8　本章小结

第7章　朴素贝叶斯算法

7.1　朴素贝叶斯算法概述

7.2　示例：hello world！朴素贝叶斯

7.3　示例：检测异常操作

7.4　示例：检测WebShell（一）

7.5　示例：检测WebShell（二）

7.6　示例：检测DGA域名

7.7　示例：检测针对Apache的DDoS攻击

7.8　示例：识别验证码

7.9　本章小结