網路安全之機器學習

作品簡介

本書將介紹網路安全威脅生命周期的主要階段，詳細介紹如何為現有的網路安全產品實現智慧型解決方案，以及如何有效地構建面向未來的智慧型解決方案。我們將深入研究該理論，還將研究該理論在實際安全場景中的套用。每章均有專注於使用機器學習算法（如聚類、k-means、線性回歸和樸素貝葉斯）解決現實問題的獨立示例。

作品目錄

前言

作者簡介

審校者簡介

第1章　網路安全中機器學習的基礎知識

1.1　什麼是機器學習

1.2　總結

第2章　時間序列分析和集成建模

2.1　什麼是時間序列

2.2　時間序列模型的類型

2.3　時間序列分解

2.4　時間序列用例

2.5　網路安全中的時間序列分析

2.6　時間序列趨勢和季節性峰值

2.7　預測DDoS攻擊

2.8　集成學習方法

2.9　用投票集成方法檢測網路攻擊

2.10　總結

第3章　鑑別合法和惡意的URL

3.1　URL中的異常類型介紹

3.2　使用啟發式方法檢測惡意網頁

3.3　使用機器學習方法檢測惡意URL

3.4　總結

第4章　破解驗證碼

4.1　驗證碼的特點

4.2　使用人工智慧破解驗證碼

4.3　總結

第5章　使用數據科學捕獲電子郵件詐欺和垃圾郵件

5.1　電子郵件詐欺

5.2　垃圾郵件檢測

5.3　總結

第6章　使用k-means算法進行高效的網路異常檢測

6.1　網路攻擊的階段

6.2　應對網路中的區域網路漫遊

6.3　使用Windows事件日誌檢測網路異常

6.4　獲取活動目錄數據

6.5　數據解析

6.6　建模

6.7　用k-means算法檢測網路中的異常

6.8　總結

第7章　決策樹和基於上下文的惡意事件檢測

7.1　惡意軟體

7.2　惡意注入

7.3　使用決策樹檢測惡意URL

7.4　總結

第8章　抓住偽裝者和黑客

8.1　理解偽裝

8.2　偽裝欺詐的不同類型

8.3　萊文斯坦距離

8.4　總結

第9章　用TensorFlow實現入侵檢測

9.1　TensorFlow簡介

9.2　TensorFlow安裝

9.3　適合Windows用戶的TensorFlow

9.4　用TensorFlow實現“Hello World”

網路安全之機器學習

基本介紹

作品簡介

作品目錄

相關詞條

熱門詞條