基本信息
- 作者： [印度]索马·哈尔德（Soma Halder） [美]斯楠·奥兹德米尔（Sinan Ozdemir）
- 丛书名： 网络空间安全技术丛书
- 出版社：机械工业出版社
- ISBN：9787111669418
- 上架时间：2020-12-4
- 出版日期：2020 年11月
- 开本：16开
- 页码：240
- 版次：1-1
- 所属分类：计算机 > 安全 > 网络安全/防火墙/黑客
编辑推荐
弥合网络安全和机器学习之间的知识鸿沟，使用有效的工具解决网络安全领域中存在的重要问题
基于现实案例，为网络安全专业人员提供一系列机器学习算法，使系统拥有自动化功能
内容简介
作译者
关于我们
客户服务
友情链接
客户服务
友情链接
目录
前言
作者简介
审校者简介
第1章 网络安全中机器学习的基础知识 1
1.1 什么是机器学习 1
1.1.1 机器学习要解决的问题 2
1.1.2 为什么在网络安全中使用机器学习 3
1.1.3 目前的网络安全解决方案 3
1.1.4 机器学习中的数据 4
1.1.5 不同类型的机器学习算法 7
1.1.6 机器学习中的算法 12
1.1.7 机器学习架构 13
1.1.8 机器学习实践 18
1.2 总结 27
第2章 时间序列分析和集成建模 28
2.1 什么是时间序列 28
2.2 时间序列模型的类型 32
2.2.1 随机时间序列模型 32
2.2.2 人工神经网络时间序列模型 32
2.2.3 支持向量时间序列模型 33
作者简介
审校者简介
第1章 网络安全中机器学习的基础知识 1
1.1 什么是机器学习 1
1.1.1 机器学习要解决的问题 2
1.1.2 为什么在网络安全中使用机器学习 3
1.1.3 目前的网络安全解决方案 3
1.1.4 机器学习中的数据 4
1.1.5 不同类型的机器学习算法 7
1.1.6 机器学习中的算法 12
1.1.7 机器学习架构 13
1.1.8 机器学习实践 18
1.2 总结 27
第2章 时间序列分析和集成建模 28
2.1 什么是时间序列 28
2.2 时间序列模型的类型 32
2.2.1 随机时间序列模型 32
2.2.2 人工神经网络时间序列模型 32
2.2.3 支持向量时间序列模型 33
前言
网络安全威胁可能对组织造成非常大的破坏，在本书中，我们将使用有效的工具来解决网络安全领域中存在的重大问题，并为网络安全专业人员提供机器学习算法的相关知识。本书旨在弥合网络安全和机器学习之间的知识鸿沟，专注于构建更有效的新解决方案，以取代传统的网络安全机制，并提供一系列算法，使系统拥有自动化功能。
本书将介绍网络安全威胁生命周期的主要阶段，详细介绍如何为现有的网络安全产品实现智能解决方案，以及如何有效地构建面向未来的智能解决方案。我们将深入研究该理论，还将研究该理论在实际安全场景中的应用。每章均有专注于使用机器学习算法（如聚类、k-means、线性回归和朴素贝叶斯）解决现实问题的独立示例。
我们首先介绍使用Python及其扩展库实现网络安全中的机器学习的基础知识。你将探索各种机器学习领域，包括时间序列分析和集成建模等，以打下良好的基础，并将构建一个用于识别恶意URL的系统，以及用于检测欺诈性电子邮件和垃圾邮件的程序。之后，你将学习如何有效地使用k-means算法开发解决方案，来检测并警告网络中的任何恶意活动。此外，你还将学习如何实现数字生物识别技术和指纹验证，以验证用户是否合法。
本书采用面向解决方案的方法，来帮助你解决现有的网络安全问题。
本书的目标读者
本书面向数据科学家、机器学习开发人员、安全研究人员以及任何对应用机器学习增强计算机安全性感兴趣的读者。具备Python的应用知识、机器学习的基础知识和网络安全基本知识将很有益处。
本书的主要内容
第1章介绍机器学习及其在网络安全领域中的用例。我们会介绍运行机器学习模块的总体架构，并详细介绍机器学习领域中的不同子主题。
第2章涵盖机器学习中的两个重要概念：时间序列分析和集成学习。我们还将分析历史数据，并与当前数据进行比较以检测偏差。
第3章研究如何使用URL。我们还将研究恶意URL以及如何手动或使用机器学习技术来检测它们。
第4章介绍不同类型的验证码及其特征。我们还将介绍如何使用人工智能和神经网络技术来解读验证码。
第5章介绍不同类型的垃圾邮件及其工作原理。我们还将介绍一些用于检测垃圾邮件的机器学习算法，并介绍不同类型的欺诈性电子邮件。
第6章介绍网络攻击的各个阶段以及如何应对这些攻击。我们还将编写一个简单的模型，用于检测Windows和活动日志中的异常。
第7章详细讨论恶意软件，并探讨恶意数据是如何注入数据库和无线网络的。我们将使用决策树进行入侵检测和恶意URL检测。
第8章深入研究伪装及其不同的类型，并介绍有关莱文斯坦距离的知识。我们还将介绍如何识别恶意域名相似性和作者归属。
第9章专门涵盖TensorFlow的相关内容，从安装、基础知识到使用它创建入侵检测模型。
第10章涉及如何使用机器学习技术减少诈骗交易。我们还将介绍如何使用逻辑回归处理数据不平衡问题和检测信用卡诈骗行为。
第11章探讨使用SplashData对超过100万个密码进行密码分析。我们将创建一个使用scikit-learn和机器学习提取密码的模型。
充分利用本书
读者应具备网络安全产品和机器学习的基本知识。
本书将介绍网络安全威胁生命周期的主要阶段，详细介绍如何为现有的网络安全产品实现智能解决方案，以及如何有效地构建面向未来的智能解决方案。我们将深入研究该理论，还将研究该理论在实际安全场景中的应用。每章均有专注于使用机器学习算法（如聚类、k-means、线性回归和朴素贝叶斯）解决现实问题的独立示例。
我们首先介绍使用Python及其扩展库实现网络安全中的机器学习的基础知识。你将探索各种机器学习领域，包括时间序列分析和集成建模等，以打下良好的基础，并将构建一个用于识别恶意URL的系统，以及用于检测欺诈性电子邮件和垃圾邮件的程序。之后，你将学习如何有效地使用k-means算法开发解决方案，来检测并警告网络中的任何恶意活动。此外，你还将学习如何实现数字生物识别技术和指纹验证，以验证用户是否合法。
本书采用面向解决方案的方法，来帮助你解决现有的网络安全问题。
本书的目标读者
本书面向数据科学家、机器学习开发人员、安全研究人员以及任何对应用机器学习增强计算机安全性感兴趣的读者。具备Python的应用知识、机器学习的基础知识和网络安全基本知识将很有益处。
本书的主要内容
第1章介绍机器学习及其在网络安全领域中的用例。我们会介绍运行机器学习模块的总体架构，并详细介绍机器学习领域中的不同子主题。
第2章涵盖机器学习中的两个重要概念：时间序列分析和集成学习。我们还将分析历史数据，并与当前数据进行比较以检测偏差。
第3章研究如何使用URL。我们还将研究恶意URL以及如何手动或使用机器学习技术来检测它们。
第4章介绍不同类型的验证码及其特征。我们还将介绍如何使用人工智能和神经网络技术来解读验证码。
第5章介绍不同类型的垃圾邮件及其工作原理。我们还将介绍一些用于检测垃圾邮件的机器学习算法，并介绍不同类型的欺诈性电子邮件。
第6章介绍网络攻击的各个阶段以及如何应对这些攻击。我们还将编写一个简单的模型，用于检测Windows和活动日志中的异常。
第7章详细讨论恶意软件，并探讨恶意数据是如何注入数据库和无线网络的。我们将使用决策树进行入侵检测和恶意URL检测。
第8章深入研究伪装及其不同的类型，并介绍有关莱文斯坦距离的知识。我们还将介绍如何识别恶意域名相似性和作者归属。
第9章专门涵盖TensorFlow的相关内容，从安装、基础知识到使用它创建入侵检测模型。
第10章涉及如何使用机器学习技术减少诈骗交易。我们还将介绍如何使用逻辑回归处理数据不平衡问题和检测信用卡诈骗行为。
第11章探讨使用SplashData对超过100万个密码进行密码分析。我们将创建一个使用scikit-learn和机器学习提取密码的模型。
充分利用本书
读者应具备网络安全产品和机器学习的基本知识。
媒体评论
如今，网络威胁是组织机构面临的最严重的威胁之一。在本书中，我们使用有效的工具来解决网络安全领域中的重大问题。
本书首先介绍使用Python及其扩展库实现网络安全领域的机器学习的基础知识，并探索各种机器学习领域（例如时间序列分析和集成建模）。然后通过各种实际案例进行实践，如构建恶意URL识别系统、开发检测欺诈性电子邮件和垃圾邮件的程序。接下来将学习如何有效利用k-means算法构建检测网络恶意行为的解决方案，如何根据生物特征和指纹验证用户是否合法。最后，你将了解如何使用TensorFlow，并体会深度学习在构建模型和训练系统时是多么高效。
通过阅读本书，你将学习：
使用机器学习算法和复杂数据集实现网络安全应用。
如何实现机器学习算法（如聚类、k-means、朴素贝叶斯）来解决实际问题。
使用NumPy、scikit-learn和CUDA等Python库加快系统构建。
如何对抗恶意软件、检测垃圾邮件以及对抗金融诈骗来缓解网络攻击。
在网络安全领域使用TensorFlow及如何实现真实案例。
利用机器学习和Python解决复杂网络攻击问题。
本书首先介绍使用Python及其扩展库实现网络安全领域的机器学习的基础知识，并探索各种机器学习领域（例如时间序列分析和集成建模）。然后通过各种实际案例进行实践，如构建恶意URL识别系统、开发检测欺诈性电子邮件和垃圾邮件的程序。接下来将学习如何有效利用k-means算法构建检测网络恶意行为的解决方案，如何根据生物特征和指纹验证用户是否合法。最后，你将了解如何使用TensorFlow，并体会深度学习在构建模型和训练系统时是多么高效。
通过阅读本书，你将学习：
使用机器学习算法和复杂数据集实现网络安全应用。
如何实现机器学习算法（如聚类、k-means、朴素贝叶斯）来解决实际问题。
使用NumPy、scikit-learn和CUDA等Python库加快系统构建。
如何对抗恶意软件、检测垃圾邮件以及对抗金融诈骗来缓解网络攻击。
在网络安全领域使用TensorFlow及如何实现真实案例。
利用机器学习和Python解决复杂网络攻击问题。
