在现今的互联网公司中，产品线绵延复杂，安全防御体系无时无刻不在应对新的挑战。哪怕是拥有丰富工作经验的安全从业者，在面对层出不穷的攻手段和海量日志数据时也会望洋兴叹。机器学习、深度学习是这些问题天然契合的解决方案，在数据量以指数级不断增长的未来，甚至有可能是唯壹的出路。当AI遇到安全时，如何快速化，本书给出了实战方案。本书作者是百度安全专家，他用风趣幽默的语言、深浅出的方法诠释了卷积神经网络和循环神经网络这两大深度学习算法，及其在Web安全领域中的实际应用，非常实用，包括所有案例源代码，以及公的测试数据，可极大地降低学习成本，使读者快速上手实践。
售 价：¥
纸质售价：¥59.20购买纸书
6.6
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
对本书的赞誉
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
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
