当前位置：

Web安全之强化学习与GAN

作者：刘焱

出版社：机械工业

出版年：2018年3月

ISBN：9787111593454

所属分类：历史文化

书刊介绍

《Web安全之强化学习与GAN》内容简介

本书面向信息安全从业人员、大专院校计算机相关专业学生以及信息安全爱好者、机器学习爱好者，对于想了解人工智能的CTO、运维总监、架构师，本书同样也是一本不错的科普书籍。
如果看完本书，可以让读者在工作学习中遇到问题时想起一到两种算法，那么我觉得就达到效果了；如果可以让读者像使用printf一样使用SVM、朴素贝叶斯等算法，那么这本书就相当成功了。

作品目录

对本书的赞誉
前言
第1章：AI安全之攻与防
1.1、AI设备的安全
1.2、AI模型的安全
1.3、使用AI进行安全建设
1.4、使用AI进行攻击
1.5、本章小结
第2章：打造机器学习工具箱
2.1、TensorFlow
2.2、Keras
2.3、Anaconda
2.4、OpenAI
Gym
2.5、Keras-rl
2.6、XGBoost
2.7、GPU服务器
2.8、本章小结
第3章：性能衡量与集成学习
3.1、常见性能衡量指标
3.2、集成学习
3.3、本章小结
第4章：Keras基础知识
4.1、Keras简介
4.2、Keras常用模型
4.3、Keras的网络层
4.4、本章小结
第5章：单智力体强化学习
5.1、马尔可夫决策过程
5.2、Q函数
5.3、贪婪算法与∈-贪婪算法
5.4、Sarsa算法
5.5、Q
Learning算法
5.6、Deep
Q
Network算法
5.7、本章小结
第6章：Keras-rl简介
6.1、Keras-rl智能体介绍
6.2、Keras-rl智能体通用API
6.3、Keras-rl常用对象
6.4、本章小结
第7章：OpenAI
Gym简介
7.1、OpenAI
7.2、OpenAI
Gym
7.3、Hello
World！OpenAI
Gym
7.4、编写OpenAI
Gym环境
7.5、本章小结
第8章：恶意程序检测
8.1、PE文件格式概述
8.2、PE文件的节
8.3、PE文件特征提取
8.4、PE文件节的特征提取
8.5、检测模型
8.6、本章小结
第9章：恶意程序免杀技术
9.1、LIEF库简介
9.2、文件末尾追加随机内容
9.3、追加导入表
9.4、改变节名称
9.5、增加节
9.6、节内追加内容
9.7、UPX加壳
9.8、删除签名
9.9、删除debug信息
9.10、置空可选头的交验和
9.11、本章小结
第10章：智能提升恶意程序检测能力
10.1、Gym-Malware简介
10.2、Gym-Malware架构
10.3、恶意程序样本
10.4、本章小结
第11章：智能提升WAF的防护能力
11.1、常见XSS攻击方式
11.2、常见XSS防御方式
11.3、常见XSS绕过方式
11.4、Gym-WAF架构
11.5、效果验证
11.6、本章小结
第12章：智能提升垃圾邮件检测能力
12.1、垃圾邮件检测技术
12.2、垃圾邮件检测绕过技术
12.3、Gym-Spam架构
12.4、效果验证
12.5、本章小结
第13章：生成对抗网络
13.1、GAN基本原理
13.2、GAN系统架构
13.3、GAN
13.4、DCGAN
13.5、ACGAN
13.6、WGAN
13.7、本章小结
第14章：攻击机器学习模型
14.1、攻击图像分类模型
14.2、攻击其他模型
14.3、本章小结