Web安全之深度学习实战

作品简介

如今是一个人工智能兴起的年代，也是一个黑产猖獗的年代；是一个机器学习算法百花齐放的年代，也是一个隐私泄露、恶意代码传播、网络攻击肆虐的年代。AlphaGo碾压柯洁之后，不少人担心AI会抢了人类的工作，然而信息安全领域专业人才严重匮乏，极其需要AI来补充专业缺口。

伴随着互联网的爆炸式发展，网络安全已上升到国家战略层面，能直接看到效果的安全能力建设得到高度重视。与此同时，安全团队却又不得不面对百花齐放的业务场景、大规模的数据中心，以及愈加剧烈、复杂和不确定性的网络攻击。如何在传统攻防对抗之外寻找更有效、可落地的对抗方式，已成为各大企业安全团队思考的重点。

作品目录

• 对本书的赞誉
• 序
• 前言
• 第1章 打造深度学习工具箱
• 1.1 TensorFlow
• 1.2 TFLearn
• 1.3 PaddlePaddle
• 1.4 Karas
• 1.5 本章小结
• 第2章 卷积神经网络
• 2.1 传统的图像分类算法
• 2.2 基于CNN的图像分类算法
• 2.3 基于CNN的文本处理
• 2.4 本章小结
• 第3章 循环神经网络
• 3.1 循环神经算法概述
• 3.2 单向循环神经网络结构与实现
• 3.3 双向循环神经网络结构与实现
• 3.4 循环神经网络在序列分类的应用
• 3.5 循环神经网络在序列生成的应用
• 3.6 循环神经网络在序列标记的应用
• 3.7 循环神经网络在序列翻译的应用
• 3.8 本章小结
• 第4章 基于OpenSOC的机器学习框架
• 4.1 OpenSOC框架
• 4.2 数据源系统
• 4.3 数据收集层
• 4.4 消息系统层
• 4.5 实时处理层
• 4.6 存储层
• 4.7 分析处理层
• 4.8 计算系统
• 4.9 实战演练
• 4.10 本章小结
• 第5章 验证码识别
• 5.1 数据集
• 5.2 特征提取
• 5.3 模型训练与验证
• 5.4 本章小结
• 第6章 垃圾邮件识别
• 6.1 数据集
• 6.2 特征提取
• 6.3 模型训练与验证
• 6.4 本章小结
• 第7章 负面评论识别
• 7.1 数据集
• 7.2 特征提取
• 7.3 模型训练与验证
• 7.4 本章小结
• 第8章 骚扰短信识别
• 8.1 数据集
• 8.2 特征提取
• 8.3 模型训练与验证
• 8.4 本章小结
• 第9章 Linux后门检测
• 9.1 数据集
• 9.2 特征提取
• 9.3 模型训练与验证
• 9.4 本章小结
• 第10章 用户行为分析与恶意行为检测
• 10.1 数据集
• 10.2 特征提取
• 10.3 模型训练与验证
• 10.4 本章小结
• 第11章 WebShell检测
• 11.1 数据集
• 11.2 特征提取
• 11.3 模型训练与验证
• 11.4 本章小结
• 第12章 智能扫描器
• 12.1 自动生成XSS攻击载荷
• 12.2 自动识别登录界面
• 12.3 本章小结
• 第13章 DGA域名识别
• 13.1 数据集
• 13.2 特征提取
• 13.3 模型训练与验证
• 13.4 本章小结
• 第14章 恶意程序分类识别
• 14.1 数据集
• 14.2 特征提取
• 14.3 模型训练与验证
• 14.4 本章小结
• 第15章 反信用卡欺诈
• 15.1 数据集
• 15.2 特征提取
• 15.3 模型训练与验证
• 15.4 本章小结