《Web安全之深度学习实战》内容简介

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