機器學習與安全是一本2019年出版的圖書，由中國電力出版社出版
基本介紹
- 中文名：機器學習與安全
- 作者：(美)克拉倫斯·基奧(Clarence Chio),(美)戴維·弗里曼(David Freeman)
- 出版社：中國電力出版社
- ISBN：9787519830045
內容簡介,圖書目錄,
內容簡介
■快速檢測異常現象，包括違規操作、欺詐和即將發生的系統故障。
■通過從計算機二進制檔案中提取的有用信息進行惡意軟體分析。
■通過從數據集中查找模式來發現網路中的攻擊者。
■檢測攻擊者是如何利用面向消費者的網站和應用程式功能的。
■將機器學習算法從實驗室轉換到生產實踐中。
■了解攻擊者對機器學習解決方案的威脅。
圖書目錄
前言
第1章為什麼要學習機器學習與安全？
網路威脅縱觀
網路攻擊者經濟
什麼是機器學習？
機器學習在安全領域的實際套用
同垃圾郵件鬥爭：一種疊代方法
機器學習在安全性方面的局限
第2章分類和聚類
機器學習：問題與途徑
實踐中的機器學習：一個實際案例
訓練算法學習
監督分類算法
分類中實際考慮的內容
聚類
小結
第3章異常檢測
何時使用異常檢測與監督式學習
啟發式入侵檢測
數據驅動方法
異常檢測的特徵工程
基於數據和算法的異常檢測
機器學習在異常檢測中的挑戰
回響與緩解
實用系統設計中關注的問題
小結
第4章惡意軟體分析
了解惡意軟體
特徵生成
從特徵到分類
小結
第5章網路流量分析
網路防禦理論
機器學習與網路安全
建立網路攻擊分類預測模型
小結
第6章保護消費者網路
貨幣化的消費者網路
濫用的類型和可以阻止它們的數據
監督學習濫用問題
聚類濫用
集群的進一步
小結
第7章生產系統
定義機器學習系統的成熟度和可伸縮性
數據質量
模型質量
性能
可維護性
監測與預警
安全性和可靠性
反饋和可用性
小結
第8章對抗性的機器學習
術語
對抗性機器學習的重要性
機器學習算法中的安全漏洞
攻擊技巧：模型中毒
小結
附錄A第2章補充材料
附錄B整合開源情報
