Web安全之强化学习与GAN

作品简介

本书面向信息安全从业人员、大专院校计算机相关专业学生以及信息安全爱好者、机器学习爱好者，对于想了解人工智能的CTO、运维总监、架构师，本书同样也是一本不错的科普书籍。

如果看完本书，可以让读者在工作学习中遇到问题时想起一到两种算法，那么我觉得就达到效果了；如果可以让读者像使用printf一样使用SVM、朴素贝叶斯等算法，那么这本书就相当成功了。

作品目录

• 对本书的赞誉
• 前言
• 第1章　AI安全之攻与防
• 1.1　AI设备的安全
• 1.2　AI模型的安全
• 1.3　使用AI进行安全建设
• 1.4　使用AI进行攻击
• 1.5　本章小结
• 第2章　打造机器学习工具箱
• 2.1　TensorFlow
• 2.2　Keras
• 2.3　Anaconda
• 2.4　OpenAI Gym
• 2.5　Keras-rl
• 2.6　XGBoost
• 2.7　GPU服务器
• 2.8　本章小结
• 第3章　性能衡量与集成学习
• 3.1　常见性能衡量指标
• 3.2　集成学习
• 3.3　本章小结
• 第4章　Keras基础知识
• 4.1　Keras简介
• 4.2　Keras常用模型
• 4.3　Keras的网络层
• 4.4　本章小结
• 第5章　单智力体强化学习
• 5.1　马尔可夫决策过程
• 5.2　Q函数
• 5.3　贪婪算法与∈-贪婪算法
• 5.4　Sarsa算法
• 5.5　Q Learning算法
• 5.6　Deep Q Network算法
• 5.7　本章小结
• 第6章　Keras-rl简介
• 6.1　Keras-rl智能体介绍
• 6.2　Keras-rl智能体通用API
• 6.3　Keras-rl常用对象
• 6.4　本章小结
• 第7章　OpenAI Gym简介
• 7.1　OpenAI
• 7.2　OpenAI Gym
• 7.3　Hello World！OpenAI Gym
• 7.4　编写OpenAI Gym环境
• 7.5　本章小结
• 第8章　恶意程序检测
• 8.1　PE文件格式概述
• 8.2　PE文件的节
• 8.3　PE文件特征提取
• 8.4　PE文件节的特征提取
• 8.5　检测模型
• 8.6　本章小结
• 第9章　恶意程序免杀技术
• 9.1　LIEF库简介
• 9.2　文件末尾追加随机内容
• 9.3　追加导入表
• 9.4　改变节名称
• 9.5　增加节
• 9.6　节内追加内容
• 9.7　UPX加壳
• 9.8　删除签名
• 9.9　删除debug信息
• 9.10　置空可选头的交验和
• 9.11　本章小结
• 第10章　智能提升恶意程序检测能力
• 10.1　Gym-Malware简介
• 10.2　Gym-Malware架构
• 10.3　恶意程序样本
• 10.4　本章小结
• 第11章　智能提升WAF的防护能力
• 11.1　常见XSS攻击方式
• 11.2　常见XSS防御方式
• 11.3　常见XSS绕过方式
• 11.4　Gym-WAF架构
• 11.5　效果验证
• 11.6　本章小结
• 第12章　智能提升垃圾邮件检测能力
• 12.1　垃圾邮件检测技术
• 12.2　垃圾邮件检测绕过技术
• 12.3　Gym-Spam架构
• 12.4　效果验证
• 12.5　本章小结
• 第13章　生成对抗网络
• 13.1　GAN基本原理
• 13.2　GAN系统架构
• 13.3　GAN
• 13.4　DCGAN
• 13.5　ACGAN
• 13.6　WGAN
• 13.7　本章小结
• 第14章　攻击机器学习模型
• 14.1　攻击图像分类模型
• 14.2　攻击其他模型
• 14.3　本章小结