[套装书]数据安全架构设计与实战+Web安全之强化学习与GAN+Web安全之深度学习实战+Web安全之机器学习入门（4册）

作者
郑云文刘焱
丛书名
网络空间安全技术丛书
出版社
机械工业出版社
ISBN
9781911011734
简要
简介
内容简介书籍计算机书籍 ---------------------------数据安全架构设计与实战--------------------------- 本书系统性地介绍数据安全架构的设计与实践，融入了作者多年在安全领域积累的实践经验。全书分四大部分，共20章。第一部分介绍安全架构的基础知识，内容包括安全、数据安全、安全架构、5A方法论、CIA等基本概念,为后续论述奠定基础。第二部分介绍产品安全架构，内容包括：身份认证、授权、访问控制、审计、资产保护等，讲解如何从源头设计来保障数据安全和隐私安全，防患于未然。第三部分介绍安全技术体系架构，内容包括：安全技术架构、网络和通信层安全架构、设备和主机层安全架构、应用和数据层安全架构、安全架构案例分析等。第四部分介绍数据安全与隐私保护治理，内容包括：数据安全治理、数据安全政策文件体系、隐私保护基础与增强技术、GRC方案、数据安全与隐私保护的统一等。 ---------------------------Web安全之强化学习与GAN--------------------------- 本书是作者AI安全领域三部曲的第三部，重点介绍强化学习和生成对抗网络的基础知识和实际应用，特别是在安全领域中攻防建设的实际应用。 主要内容包括： AI安全的攻防知识 基于机器学习的恶意程序识别技术 常见的恶意程序免杀方法 如何使用强化学习生成免杀程序 如何使用强化学习提升WAF的防护能力 . 如何使用强化学习提升反垃圾邮件的检测能力 针对图像分类模型的攻击方法 针对强化学习的攻击方法 ---------------------------Web安全之深度学习实战--------------------------- 本书系统介绍Kafka的实现原理和应用方法，并介绍Kafka的运维工具、客户端编程方法和第三方集成方式，深入浅出、图文并茂、分析透彻。本书共10章，主要内容包括：第1章介绍Kafka诞生的背景和主要涉及目标。第2章介绍Kafka的基本组成、拓扑结构以及内部的通信协议。第3章介绍Broker Server及内部的模块组成。第4章介绍Broker Server内部的九大基本模块。第5章介绍Broker的控制管理模块。第6章介绍Topic的管理工具。第7章从设计原则、示例代码、模块组成和发送模式四个方面介绍有关消息生产者的相关知识。第8章介绍两种消费者：简单消费者和高级消费者。第9章介绍Kafka的典型应用，包括与Storm、ELK、Hadoop、Spark典型大数据系统的集成。第10章介绍了一个综合实例，描述Kafka作为数据总线在安防整体解决方案中的作用。 ---------------------------Web安全之机器学习入门--------------------------- 本书首先介绍主流的机器学习工具，以及Python应用于机器学习的优势，并介绍Scikit-Learn环境搭建、TensorFlow环境搭建。接着介绍机器学习的基本概念和Web安全基础知识。然后深入讲解几个机器学习算法在Web安全领域的实际应用，如K近邻、决策树、朴素贝叶斯、逻辑回归、支持向量机、K-Means算法、FP-growth、隐式马尔可夫、有向图、神经网络等，还介绍了深度学习算法之CNN、RNN。本书针对每一个算法都给出了具体案例，如使用K近邻算法识别XSS攻击、使用决策树算法识别SQL注入攻击、使用逻辑回归算法识别恶意广告点击、使用K-Means算法检测DGA域名等。本书作者在安全领域有多年开发经验，全书理论结合实际，案例丰富，讲解清晰，适合于有信息安全基础知识的网络开发与运维技术人员参考。
目录



---------------------------数据安全架构设计与实战---------------------------


对本书的赞誉
序　一
序　二
前　言
第一部分　安全架构基础
第1章　架构 2
1.1　什么是架构 2
1.2　架构关注的问题 4
第2章　安全架构 5
2.1　什么是安全 5
2.2　为什么使用“数据安全”这个术语 7
2.3　什么是安全架构 10
2.4　安全架构5A方法论 11
2.5　安全架构5A与CIA的关系 13
第二部分　产品安全架构
第3章　产品安全架构简介 16
3.1　产品安全架构 16
3.2　典型的产品架构与框架 17
3.2.1　三层架构 17
3.2.2　B/S架构 18
3.2.3　C/S架构 19
3.2.4　SOA及微服务架构 19
3.2.5　典型的框架 20
3.3　数据访问层的实现 21
3.3.1　自定义DAL 21
3.3.2　使用ORM 22
3.3.3　使用DB Proxy 23
3.3.4　配合统一的数据服务简化DAL 23
第4章　身份认证：把好第一道门 24
4.1　什么是身份认证 24
4.2　如何对用户进行身份认证 26
4.2.1　会话机制 27
4.2.2　持续的消息认证机制 29
4.2.3　不同应用的登录状态与超时管理 30
4.2.4　SSO的典型误区 31
4.3　口令面临的风险及保护 32
4.3.1　口令的保护 33
4.3.2　口令强度 33
4.4　前端慢速加盐散列案例 34
4.5　指纹、声纹、虹膜、面部识别的数据保护 35
4.6　MD5、SHA1还能用于口令保护吗 36
4.6.1　单向散列算法简介 36
4.6.2　Hash算法的选用 38
4.6.3　存量加盐HASH的安全性 38
4.7　后台身份认证 39
4.7.1　基于用户Ticket的后台身份认证 40
4.7.2　基于AppKey的后台身份认证 41
4.7.3　基于非对称加密技术的后台身份认证 41
4.7.4　基于HMAC的后台身份认证 42
4.7.5　基于AES-GCM共享密钥的后台身份认证 44
4.8　双因子认证 44
4.8.1　手机短信验证码 44
4.8.2　TOTP 44
4.8.3　U2F 45
4.9　扫码认证 45
4.10　小结与思考 46
第5章　授权：执掌大权的司令部 48
5.1　授权不严漏洞简介 48
5.2　授权的原则与方式 49
5.2.1　基于属性的授权 49
5.2.2　基于角色的授权 50
5.2.3　基于任务的授权 51
5.2.4　基于ACL的授权 51
5.2.5　动态授权 52
5.3　典型的授权风险 52
5.3.1　平行越权 52
5.3.2　垂直越权 53
5.3.3　诱导授权 53
5.3.4　职责未分离 53
5.4　授权漏洞的发现与改进 54
5.4.1　交叉测试法 54
5.4.2　漏洞改进 54
第6章　访问控制：收敛与放行的执行官 56
6.1　典型的访问控制策略 56
6.1.1　基于属性的访问控制 57
6.1.2　基于角色的访问控制 57
6.1.3　基于任务的访问控制 57
6.1.4　基于ACL的访问控制 58
6.1.5　基于专家知识的访问控制 58
6.1.6　基于IP的辅助访问控制 59
6.1.7　访问控制与授权的关系 61
6.2　不信任原则与输入参数的访问控制 61
6.2.1　基于身份的信任原则 61
6.2.2　执行边界检查防止缓冲区溢出 62
6.2.3　参数化查询防止SQL注入漏洞 62
6.2.4　内容转义及CSP防跨站脚本 68
6.2.5　防跨站请求伪造 70
6.2.6　防跨路径操纵 75
6.2.7　防SSRF 76
6.2.8　上传控制 77
6.2.9　Method控制 78
6.3　防止遍历查询 79
第7章　可审计：事件追溯最后一环 81
7.1　为什么需要可审计 81
7.2　操作日志内容 82
7.3　操作日志的保存与清理 82
7.3.1　日志存储位置 82
7.3.2　日志的保存期限 83
第8章　资产保护：数据或资源的贴身保镖 84
8.1　数据安全存储 84
8.1.1　什么是存储加密 84
8.1.2　数据存储需要加密吗 87
8.1.3　加密后如何检索 88
8.1.4　如何加密结构化数据 88
8.2　数据安全传输 89
8.2.1　选择什么样的HTTPS证书 91
8.2.2　HTTPS的部署 92
8.2.3　TLS质量与合规 93
8.3　数据展示与脱敏 94
8.3.1　不脱敏的风险在哪里 94
8.3.2　脱敏的标准 94
8.3.3　脱敏在什么时候进行 94
8.3.4　业务需要使用明文信息怎么办 95
8.4　数据完整性校验 95
第9章　业务安全：让产品自我免疫 97
9.1　一分钱漏洞 97
9.2　账号安全 99
9.2.1　防撞库设计 99
9.2.2　防弱口令尝试 99
9.2.3　防账号数据库泄露 100
9.2.4　防垃圾账号 100
9.2.5　防账号找回逻辑缺陷 100
9.3　B2B交易安全 101
9.4　产品防攻击能力 103
第三部分　安全技术体系架构
第10章　安全技术体系架构简介 106
10.1　安全技术体系架构的建设性思维 106
10.2　安全产品和技术的演化 107
10.2.1　安全产品的“老三样” 107
10.2.2　网络层延伸 107
10.2.3　主机层延伸 108
10.2.4　应用层延伸 108
10.2.5　安全新技术 108
10.3　安全技术体系架构的二维模型 109
10.4　风险管理的“三道防线” 110
10.5　安全技术体系强化产品安全 112
10.5.1　网络部署架构 112
10.5.2　主机层安全 113
10.5.3　应用层安全 115
10.5.4　数据层安全 117
第11章　网络和通信层安全架构 119
11.1　简介 119
11.2　网络安全域 120
11.2.1　最简单的网络安全域 120
11.2.2　最简单的网络安全域改进 121
11.2.3　推荐的网络安全域 121
11.2.4　从有边界网络到无边界网络 122
11.2.5　网络安全域小结 124
11.3　网络接入身份认证 125
11.4　网络接入授权 127
11.5　网络层访问控制 127
11.5.1　网络准入控制 127
11.5.2　生产网络主动连接外网的访问控制 129
11.5.3　网络防火墙的管理 130
11.5.4　内部网络值得信任吗 131
11.5.5　运维通道的访问控制 132
11.6　网络层流量审计 132
11.7　网络层资产保护：DDoS缓解 133
11.7.1　DDoS简介 133
11.7.2　DDoS缓解措施 134
11.7.3　专业抗DDoS方案 134
第12章　设备和主机层安全架构 136
12.1　简介 136
12.2　身份认证与账号安全 136
12.2.1　设备/主机身份认证的主要风险 137
12.2.2　动态口令 137
12.2.3　一次一密认证方案 137
12.2.4　私有协议后台认证方案 138
12.3　授权与访问控制 138
12.3.1　主机授权与账号的访问控制 138
12.3.2　主机服务监听地址 139
12.3.3　跳板机与登录来源控制 140
12.3.4　自动化运维 141
12.3.5　云端运维 142
12.3.6　数据传输 142
12.3.7　设备的访问控制 143
12.4　运维审计与主机资产保护 144
12.4.1　打补丁与防病毒软件 144
12.4.2　母盘镜像与容器镜像 145
12.4.3　开源镜像与软件供应链攻击防范 145
12.4.4　基于主机的入侵检测系统 147
第13章　应用和数据层安全架构 150
13.1　简介 150
13.2　三层架构实践 151
13.2.1　B/S架构 152
13.2.2　C/S架构 153
13.3　应用和数据层身份认证 154
13.3.1　SSO身份认证系统 154
13.3.2　业务系统的身份认证 155
13.3.3　存储系统的身份认证 155
13.3.4　登录状态管理与超时管理 156
13.4　应用和数据层的授权管理 156
13.4.1　权限管理系统 156
13.4.2　权限管理系统的局限性 157
13.5　应用和数据层的访问控制 158
13.5.1　统一的应用网关接入 158
13.5.2　数据库实例的安全访问原则 159
13.6　统一的日志管理平台 159
13.7　应用和数据层的资产保护 160
13.7.1　KMS与存储加密 160
13.7.2　应用网关与HTTPS 164
13.7.3　WAF（Web应用防火墙） 165
13.7.4　CC攻击防御 167
13.7.5　RASP 168
13.7.6　业务风险控制 169
13.8　客户端数据安全 171
13.8.1　客户端敏感数据保护 172
13.8.2　安全传输与防劫持 172
13.8.3　客户端发布 174
第14章　安全架构案例与实战 176
14.1　零信任与无边界网络架构 176
14.1.1　无边界网络概述 177
14.1.2　对人的身份认证（SSO及U2F） 178
14.1.3　对设备的身份认证 178
14.1.4　最小授权原则 178
14.1.5　设备准入控制 179
14.1.6　应用访问控制 179
14.1.7　借鉴与改进 180
14.2　统一HTTPS接入与安全防御 181
14.2.1　原理与架构 181
14.2.2　应用网关与HTTPS 182
14.2.3　WAF与CC防御 183
14.2.4　私钥数据保护 183
14.2.5　负载均衡 184
14.2.6　编码实现 184
14.2.7　典型特点 185
14.3　存储加密实践 186
14.3.1　数据库字段加密 186
14.3.2　数据库透明加密 186
14.3.3　网盘文件加密方案探讨 187
14.3.4　配置文件口令加密 188
14.4　最佳实践小结 189
14.4.1　统一接入 189
14.4.2　收缩防火墙的使用 190
14.4.3　数据服务 190
14.4.4　建立KMS 191
14.4.5　全站HTTPS 191
14.4.6　通用组件作为基础设施 191
14.4.7　自动化运维 192
第四部分　数据安全与隐私保护治理
第15章　数据安全治理 194
15.1　治理简介 194
15.1.1　治理与管理的区别 194
15.1.2　治理三要素 196
15.2　数据安全治理简介 196
15.2.1　数据安全治理的要素 197
15.2.2　数据安全治理与数据安全管理的关系 201
15.3　安全项目管理 203
15.4　安全运营管理 204
15.5　合规与风险管理 208
15.6　安全开发生命周期管理（SDL） 208
15.6.1　SQL注入漏洞案例 209
15.6.2　SDL关键检查点与检查项 211
15.6.3　SDL核心工作 212
15.7　风险管理 212
15.7.1　风险识别或评估 212
15.7.2　风险度量或成熟度分析 216
15.7.3　风险处置与收敛跟踪 220
15.7.4　风险运营工具和技术 221
15.8　PDCA方法论与数据安全治理 224
第16章　数据安全政策文件体系 227
16.1　数据安全文件体系 227
16.1.1　四层文件体系架构简介 228
16.1.2　数据安全四层文件体系 228
16.1.3　标准、规范与管理规定的关系 229
16.1.4　外部法规转为内部文件 231
16.2　数据安全政策总纲 232
16.2.1　数据安全的目标和范围 232
16.2.2　数据安全组织与职责 233
16.2.3　授权原则 233
16.2.4　数据保护原则 234
16.2.5　数据安全外部合规要求 234
16.3　数据安全管理政策 234
16.3.1　数据分级与分类 234
16.3.2　风险评估与定级指南 235
16.3.3　风险管理要求 237
16.3.4　事件管理要求 238
16.3.5　人员管理要求 239
16.3.6　配置和运维管理 242
16.3.7　业务连续性管理 243
16.4　数据安全标准 244
16.4.1　算法与协议标准 244
16.4.2　口令标准 247
16.4.3　产品与组件标准 248
16.4.4　数据脱敏标准 251
16.4.5　漏洞定级标准 251
16.5　数据安全技术规范 252
16.5.1　安全架构设计规范 253
16.5.2　安全开发规范 255
16.5.3　安全运维规范 256
16.5.4　安全配置规范 257
16.6　外部合规认证与测评 259
第17章　隐私保护基础 262
17.1　隐私保护简介 262
17.1.1　典型案例 262
17.1.2　什么是隐私 263
17.1.3　隐私保护与数据安全的关系 264
17.1.4　我需要了解隐私保护吗 264
17.1.5　隐私保护的技术手段 265
17.1.6　合规遵从 265
17.2　GDPR 268
17.2.1　简介 268
17.2.2　两种角色 269
17.2.3　六项原则及问责制 270
17.2.4　处理个人数据的六个法律依据 271
17.2.5　处理儿童数据 271
17.2.6　特殊的数据类型 272
17.2.7　数据主体的权利 272
17.2.8　数据控制者和数据处理者的义务 274
17.2.9　违规与处罚 276
17.3　个人信息安全规范 276
17.3.1　简介 276
17.3.2　个人信息安全原则 277
17.3.3　个人信息的生命周期管理 277
17.4　GAPP框架 279
17.5　ISO 27018 280
第18章　隐私保护增强技术 281
18.1　隐私保护技术初探 281
18.2　去标识化 283
18.2.1　匿名化 283
18.2.2　假名化 284
18.2.3　K-匿名 284
18.3　差分隐私 286
18.3.1　差分隐私原理 286
18.3.2　差分隐私噪声添加机制 288
18.3.3　数值型差分隐私 288
18.3.4　数值型差分隐私的局限性 291
18.3.5　离散型差分隐私 292
18.3.6　差分隐私案例 294
18.3.7　差分隐私实战 294
第19章　GRC与隐私保护治理 297
19.1　风险 297
19.2　GRC简介 298
19.2.1　GRC三领域 299
19.2.2　GRC控制模型 304
19.3　隐私保护治理简介 306
19.4　隐私保护治理GRC实践 307
19.4.1　计划 308
19.4.2　执行 308
19.4.3　检查 311
19.4.4　处理 311
19.5　隐私保护能力成熟度 311
第20章　数据安全与隐私保护的统一 317
20.1　以数据为中心的统一治理 317
20.1.1　统一的数据安全治理 317
20.1.2　统一数据与数据流图 319
20.1.3　统一数据服务 319
20.2　统一的数据安全生命周期管理 320
20.2.1　数据安全生命周期 321
20.2.2　全生命周期的数据主体权利保障 326
20.2.3　典型案例 327
20.3　数据安全治理能力成熟度模型（DSGMM） 334
附录　数据安全架构与治理总结 338
参考文献 340



---------------------------Web安全之强化学习与GAN---------------------------


对本书的赞誉
前言
第1章　AI安全之攻与防1
1.1　AI设备的安全2
1.2　AI模型的安全3
1.3　使用AI进行安全建设4
1.4　使用AI进行攻击9
1.5　本章小结9
第2章　打造机器学习工具箱11
2.1　TensorFlow11
2.2　Keras13
2.3　Anaconda14
2.4　OpenAI Gym19
2.5　Keras-rl19
2.6　XGBoost19
2.7　GPU服务器20
2.8　本章小结23
第3章　性能衡量与集成学习24
3.1　常见性能衡量指标24
3.1.1　测试数据24
3.1.2　混淆矩阵25
3.1.3　准确率与召回率25
3.1.4　准确度与F1-Score26
3.1.5　ROC与AUC27
3.2　集成学习28
3.2.1　Boosting算法29
3.2.2　Bagging算法31
3.3　本章小结32
第4章　Keras基础知识34
4.1　Keras简介34
4.2　Keras常用模型35
4.2.1　序列模型35
4.2.2　函数式模型35
4.3　Keras的网络层36
4.3.1　模型可视化36
4.3.2　常用层38
4.3.3　损失函数44
4.3.4　优化器44
4.3.5　模型的保存与加载45
4.3.6　基于全连接识别MNIST45
4.3.7　卷积层和池化层47
4.3.8　基于卷积识别MNIST49
4.3.9　循环层49
4.3.10　基于LSTM进行IMDB情感分类52
4.4　本章小结54
第5章　单智力体强化学习55
5.1　马尔可夫决策过程55
5.2　Q函数56
5.3　贪婪算法与-贪婪算法57
5.4　Sarsa算法59
案例5-1：使用Sarsa算法处理金币问题60
5.5　Q Learning算法62
案例5-2：使用Q Learning算法处理金币问题63
5.6　Deep Q Network算法64
案例5-3：使用DQN算法处理CartPole问题65
5.7　本章小结71
第6章　Keras-rl简介72
6.1　Keras-rl智能体介绍73
6.2　Keras-rl智能体通用API73
6.3　Keras-rl常用对象75
案例6-1：在Keras-rl下使用SARSA算法处理CartPole问题75
案例6-2：在Keras-rl下使用DQN算法处理CartPole问题77
案例6-3：在Keras-rl下使用DQN算法玩Atari游戏78
6.4　本章小结86
第7章　OpenAI Gym简介87
7.1　OpenAI87
7.2　OpenAI Gym88
7.3　Hello World！OpenAI Gym89
7.4　编写OpenAI Gym环境92
7.5　本章小结98
第8章　恶意程序检测99
8.1　PE文件格式概述100
8.2　PE文件的节104
8.3　PE文件特征提取107
8.4　PE文件节的特征提取119
8.5　检测模型121
8.6　本章小结129
第9章　恶意程序免杀技术130
9.1　LIEF库简介130
9.2　文件末尾追加随机内容 132
9.3　追加导入表132
9.4　改变节名称133
9.5　增加节134
9.6　节内追加内容135
9.7　UPX加壳135
9.8　删除签名137
9.9　删除debug信息138
9.10　置空可选头的交验和138
9.11　本章小结138
第10章　智能提升恶意程序检测能力139
10.1　Gym-Malware简介139
10.2　Gym-Malware架构141
10.2.1　PEFeatureExtractor141
10.2.2　Interface143
10.2.3　MalwareManipulator143
10.2.4　DQNAgent144
10.2.5　MalwareEnv145
10.3　恶意程序样本148
10.4　本章小结149
第11章　智能提升WAF的防护能力150
11.1　常见XSS攻击方式151
11.2　常见XSS防御方式152
11.3　常见XSS绕过方式153
11.4　Gym-WAF架构155
11.4.1　Features类156
11.4.2　Xss_Manipulator类156
11.4.3　DQNAgent类160
11.4.4　WafEnv_v0类161
11.4.5　Waf_Check类162
11.5　效果验证163
11.6　本章小结164
第12章　智能提升垃圾邮件检测能力165
12.1　垃圾邮件检测技术166
12.1.1　数据集166
12.1.2　特征提取168
12.1.3　模型训练与效果验证171
12.1.4　模型的使用172
12.2　垃圾邮件检测绕过技术173
12.2.1　随机增加TAB174
12.2.2　随机增加回车174
12.2.3　大小写混淆175
12.2.4　随机增加换行符175
12.2.5　随机增加连字符176
12.2.6　使用错别字176
12.3　Gym-Spam架构177
12.3.1　Features类178
12.3.2　Spam_Manipulator类178
12.3.3　DQNAgent类179
12.3.4　SpamEnv_v0类181
12.4　效果验证182
12.5　本章小结183
第13章　生成对抗网络184
13.1　GAN基本原理184
13.2　GAN系统架构185
13.2.1　噪音源185
13.2.2　Generator186
13.2.3　Discriminator187
13.2.4　对抗模型188
13.3　GAN188
13.4　DCGAN194
13.5　ACGAN202
13.6　WGAN210
13.7　本章小结217
第14章　攻击机器学习模型218
14.1　攻击图像分类模型218
14.1.1　常见图像分类模型219
14.1.2　梯度算法和损失函数222
14.1.3　基于梯度上升的攻击原理224
14.1.4　基于梯度上升的算法实现226
14.1.5　基于FGSM的攻击原理228
14.1.6　基于FGSM攻击的算法实现229
14.2　攻击其他模型231
案例14-1：攻击手写数字识别模型233
案例14-2：攻击自编码器240
案例14-3：攻击差分自编码器249
14.3　本章小结262


---------------------------Web安全之深度学习实战---------------------------


对本书的赞誉
序
前言
第1章　打造深度学习工具箱1
1.1　TensorFlow1
1.1.1　安装1
1.1.2　使用举例3
1.2　TFLearn3
1.3　PaddlePaddle4
1.3.1　安装5
1.3.2　使用举例6
1.4　Karas7
1.5　本章小结9
第2章　卷积神经网络10
2.1　传统的图像分类算法10
2.2　基于CNN的图像分类算法11
2.2.1　局部连接11
2.2.2　参数共享13
2.2.3　池化15
2.2.4　典型的CNN结构及实现16
2.2.5　AlexNet的结构及实现19
2.2.6　VGG的结构及实现24
2.3　基于CNN的文本处理29
2.3.1　典型的CNN结构30
2.3.2　典型的CNN代码实现30
2.4　本章小结32
第3章　循环神经网络33
3.1　循环神经算法概述34
3.2　单向循环神经网络结构与实现36
3.3　双向循环神经网络结构与实现38
3.4　循环神经网络在序列分类的应用41
3.5　循环神经网络在序列生成的应用42
3.6　循环神经网络在序列标记的应用43
3.7　循环神经网络在序列翻译的应用44
3.8　本章小结46
第4章　基于OpenSOC的机器学习框架47
4.1　OpenSOC框架47
4.2　数据源系统48
4.3　数据收集层53
4.4　消息系统层57
4.5　实时处理层60
4.6　存储层62
4.6.1　HDFS62
4.6.2　HBase64
4.6.3　Elasticsearch65
4.7　分析处理层66
4.8　计算系统67
4.9　实战演练72
4.10　本章小结77
第5章　验证码识别78
5.1　数据集79
5.2　特征提取80
5.3　模型训练与验证81
5.3.1　K近邻算法81
5.3.2　支持向量机算法81
5.3.3　深度学习算法之MLP82
5.3.4　深度学习算法之CNN83
5.4　本章小结87
第6章　垃圾邮件识别88
6.1　数据集89
6.2　特征提取90
6.2.1　词袋模型90
6.2.2　TF-IDF模型93
6.2.3　词汇表模型95
6.3　模型训练与验证97
6.3.1　朴素贝叶斯算法97
6.3.2　支持向量机算法100
6.3.3　深度学习算法之MLP101
6.3.4　深度学习算法之CNN102
6.3.5　深度学习算法之RNN106
6.4　本章小结108
第7章　负面评论识别109
7.1　数据集110
7.2　特征提取112
7.2.1　词袋和TF-IDF模型112
7.2.2　词汇表模型114
7.2.3　Word2Vec模型和Doc2Vec模型115
7.3　模型训练与验证119
7.3.1　朴素贝叶斯算法119
7.3.2　支持向量机算法122
7.3.3　深度学习算法之MLP123
7.3.4　深度学习算法之CNN124
7.4　本章小结127
第8章　骚扰短信识别128
8.1　数据集129
8.2　特征提取130
8.2.1　词袋和TF-IDF模型130
8.2.2　词汇表模型131
8.2.3　Word2Vec模型和Doc2Vec模型132
8.3　模型训练与验证134
8.3.1　朴素贝叶斯算法134
8.3.2　支持向量机算法136
8.3.3　XGBoost算法137
8.3.4　深度学习算法之MLP140
8.4　本章小结141
第9章　Linux后门检测142
9.1　数据集142
9.2　特征提取144
9.3　模型训练与验证145
9.3.1　朴素贝叶斯算法145
9.3.2　XGBoost算法146
9.3.3　深度学习算法之多层感知机148
9.4　本章小结149
第10章　用户行为分析与恶意行为检测150
10.1　数据集151
10.2　特征提取152
10.2.1　词袋和TF-IDF模型152
10.2.2　词袋和N-Gram模型154
10.2.3　词汇表模型155
10.3　模型训练与验证156
10.3.1　朴素贝叶斯算法156
10.3.2　XGBoost算法157
10.3.3　隐式马尔可夫算法159
10.3.4　深度学习算法之MLP164
10.4　本章小结166
第11章　WebShell检测167
11.1　数据集168
11.1.1　WordPress168
11.1.2　PHPCMS170
11.1.3　phpMyAdmin170
11.1.4　Smarty171
11.1.5　Yii171
11.2　特征提取172
11.2.1　词袋和TF-IDF模型172
11.2.2　opcode和N-Gram模型174
11.2.3　opcode调用序列模型180
11.3　模型训练与验证181
11.3.1　朴素贝叶斯算法181
11.3.2　深度学习算法之MLP182
11.3.3　深度学习算法之CNN184
11.4　本章小结188
第12章　智能扫描器189
12.1　自动生成XSS攻击载荷190
12.1.1　数据集190
12.1.2　特征提取194
12.1.3　模型训练与验证195
12.2　自动识别登录界面198
12.2.1　数据集198
12.2.2　特征提取199
12.2.3　模型训练与验证201
12.3　本章小结203
第13章　DGA域名识别204
13.1　数据集206
13.2　特征提取207
13.2.1　N-Gram模型207
13.2.2　统计特征模型208
13.2.3　字符序列模型210
13.3　模型训练与验证210
13.3.1　朴素贝叶斯算法210
13.3.2　XGBoost算法212
13.3.3　深度学习算法之多层感知机215
13.3.4　深度学习算法之RNN218
13.4　本章小结221
第14章　恶意程序分类识别222
14.1　数据集223
14.2　特征提取226
14.3　模型训练与验证228
14.3.1　支持向量机算法228
14.3.2　XGBoost算法229
14.3.3　深度学习算法之多层感知机230
14.4　本章小结231
第15章　反信用卡欺诈232
15.1　数据集232
15.2　特征提取234
15.2.1　标准化234
15.2.2　标准化和降采样234
15.2.3　标准化和过采样236
15.3　模型训练与验证239
15.3.1　朴素贝叶斯算法239
15.3.2　XGBoost算法243
15.3.3　深度学习算法之多层感知机247
15.4　本章小结251


---------------------------Web安全之机器学习入门---------------------------


对本书的赞誉
序一
序二
序三
前言
第1章　通向智能安全的旅程 1
1.1　人工智能、机器学习与深度学习 1
1.2　人工智能的发展 2
1.3　国内外网络安全形势 3
1.4　人工智能在安全领域的应用 5
1.5　算法和数据的辩证关系 9
1.6　本章小结 9
参考资源 10
第2章　打造机器学习工具箱 11
2.1　Python在机器学习领域的优势 11
2.1.1　NumPy 11
2.1.2　SciPy 15
2.1.3　NLTK 16
2.1.4　Scikit-Learn 17
2.2　TensorFlow简介与环境搭建 18
2.3　本章小结 19
参考资源 20
第3章　机器学习概述 21
3.1　机器学习基本概念 21
3.2　数据集 22
3.2.1　KDD 99数据 22
3.2.2　HTTP DATASET CSIC 2010 26
3.2.3　SEA数据集 26
3.2.4　ADFA-LD数据集 27
3.2.5　Alexa域名数据 29
3.2.6　Scikit-Learn数据集 29
3.2.7　MNIST数据集 30
3.2.8　Movie Review Data 31
3.2.9　SpamBase数据集 32
3.2.10　Enron数据集 33
3.3　特征提取 35
3.3.1　数字型特征提取 35
3.3.2　文本型特征提取 36
3.3.3　数据读取 37
3.4　效果验证 38
3.5　本章小结 40
参考资源 40
第4章　Web安全基础 41
4.1　XSS攻击概述 41
4.1.1　XSS的分类 43
4.1.2　XSS特殊攻击方式 48
4.1.3　XSS平台简介 50
4.1.4　近年典型XSS攻击事件分析 51
4.2　SQL注入概述 53
4.2.1　常见SQL注入攻击 54
4.2.2　常见SQL注入攻击载荷 55
4.2.3　SQL常见工具 56
4.2.4　近年典型SQL注入事件分析 60
4.3　WebShell概述 63
4.3.1　WebShell功能 64
4.3.2　常见WebShell 64
4.4　僵尸网络概述 67
4.4.1　僵尸网络的危害 68
4.4.2　近年典型僵尸网络攻击事件分析 69
4.5　本章小结 72
参考资源 72
第5章　K近邻算法 74
5.1　K近邻算法概述 74
5.2　示例：hello world！K近邻 75
5.3　示例：使用K近邻算法检测异常操作（一） 76
5.4　示例：使用K近邻算法检测异常操作（二） 80
5.5　示例：使用K近邻算法检测Rootkit 81
5.6　示例：使用K近邻算法检测WebShell 83
5.7　本章小结 85
参考资源 86
第6章　决策树与随机森林算法 87
6.1　决策树算法概述 87
6.2　示例：hello world！决策树 88
6.3　示例：使用决策树算法检测POP3暴力破解 89
6.4　示例：使用决策树算法检测FTP暴力破解 91
6.5　随机森林算法概述 93
6.6　示例：hello world！随机森林 93
6.7　示例：使用随机森林算法检测FTP暴力破解 95
6.8　本章小结 96
参考资源 96
第7章　朴素贝叶斯算法 97
7.1　朴素贝叶斯算法概述 97
7.2　示例：hello world！朴素贝叶斯 98
7.3　示例：检测异常操作 99
7.4　示例：检测WebShell（一） 100
7.5　示例：检测WebShell（二） 102
7.6　示例：检测DGA域名 103
7.7　示例：检测针对Apache的DDoS攻击 104
7.8　示例：识别验证码 107
7.9　本章小结 108
参考资源 108
第8章　逻辑回归算法 109
8.1　逻辑回归算法概述 109
8.2　示例：hello world！逻辑回归 110
8.3　示例：使用逻辑回归算法检测Java溢出攻击 111
8.4　示例：识别验证码 113
8.5　本章小结 114
参考资源 114
第9章　支持向量机算法 115
9.1　支持向量机算法概述 115
9.2　示例：hello world！支持向量机 118
9.3　示例：使用支持向量机算法识别XSS 120
9.4　示例：使用支持向量机算法区分僵尸网络DGA家族 124
9.4.1　数据搜集和数据清洗 124
9.4.2　特征化 125
9.4.3　模型验证 129
9.5　本章小结 130
参考资源 130
第10章　K-Means与DBSCAN算法 131
10.1　K-Means算法概述 131
10.2　示例：hello world！K-Means 132
10.3　示例：使用K-Means算法检测DGA域名 133
10.4　DBSCAN算法概述 135
10.5　示例：hello world！DBSCAN 135
10.6　本章小结 137
参考资源 137
第11章　Apriori与FP-growth算法 138
11.1　Apriori算法概述 138
11.2　示例：hello world！Apriori 140
11.3　示例：使用Apriori算法挖掘XSS相关参数 141
11.4　FP-growth算法概述 143
11.5　示例：hello world！FP-growth 144
11.6　示例：使用FP-growth算法挖掘疑似僵尸主机 145
11.7　本章小结 146
参考资源 146
第12章　隐式马尔可夫算法 147
12.1　隐式马尔可夫算法概述 147
12.2　hello world! 隐式马尔可夫 148
12.3　示例：使用隐式马尔可夫算法识别XSS攻击（一） 150
12.4　示例：使用隐式马尔可夫算法识别XSS攻击（二） 153
12.5　示例：使用隐式马尔可夫算法识别DGA域名 159
12.6　本章小结 162
参考资源 162
第13章　图算法与知识图谱 163
13.1　图算法概述 163
13.2　示例：hello world！有向图 164
13.3　示例：使用有向图识别WebShell 169
13.4　示例：使用有向图识别僵尸网络 173
13.5　知识图谱概述 176
13.6　示例：知识图谱在风控领域的应用 177
13.6.1　检测疑似账号被盗 178
13.6.2　检测疑似撞库攻击 179
13.6.3　检测疑似刷单 181
13.7　示例：知识图谱在威胁情报领域的应用 183
13.7.1　挖掘后门文件潜在联系 184
13.7.2　挖掘域名潜在联系 185
13.8　本章小结 187
参考资源 187
第14章　神经网络算法 188
14.1　神经网络算法概述 188
14.2　示例：hello world！神经网络 190
14.3　示例：使用神经网络算法识别验证码 190
14.4　示例：使用神经网络算法检测Java溢出攻击 191
14.5　本章小结 193
参考资源 194
第15章　多层感知机与DNN算法 195
15.1　神经网络与深度学习 195
15.2　TensorFlow编程模型 196
15.2.1　操作 197
15.2.2　张量 197
15.2.3　变量 198
15.2.4　会话 198
15.3　TensorFlow的运行模式 198
15.4　示例：在TensorFlow下识别验证码（一） 199
15.5　示例：在TensorFlow下识别验证码（二） 202
15.6　示例：在TensorFlow下识别验证码（三） 205
15.7　示例：在TensorFlow下识别垃圾邮件（一） 207
15.8　示例：在TensorFlow下识别垃圾邮件（二） 209
15.9　本章小结 210
参考资源 210
第16章　循环神经网络算法 212
16.1　循环神经网络算法概述 212
16.2　示例：识别验证码 213
16.3　示例：识别恶意评论 216
16.4　示例：生成城市名称 220
16.5　示例：识别WebShell 222
16.6　示例：生成常用密码 225
16.7　示例：识别异常操作 227
16.8　本章小结 230
参考资源 230
第17章　卷积神经网络算法 231
17.1　卷积神经网络算法概述 231
17.2　示例：hello world！卷积神经网络 234
17.3　示例：识别恶意评论 235
17.4　示例：识别垃圾邮件 237
17.5　本章小结 240
参考资源 242



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4