《网络安全之机器学习》内容简介

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。
（印）索马·哈尔德（Soma Halder）是印度最大的电信公司之一Reliance Jio Infocomm的大数据分析部门的数据科学主管，擅长数据分析、大数据、网络安全和机器学习。她有约10年的机器学习经验，尤其是在网络安全领域。
（美）斯楠·奥兹德米尔（Sinan Ozdemir）是一位生活在美国旧金山湾区的数据科学家、初创公司创始人和教育家。他在约翰斯·霍普金斯大学学习了理论数学，之后花了几年时间在那里举办数据科学讲座。

作品目录

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、什么是机器学习
1.2、总结
第2章：时间序列分析和集成建模
2.1、什么是时间序列
2.2、时间序列模型的类型
2.3、时间序列分解
2.4、时间序列用例
2.5、网络安全中的时间序列分析
2.6、时间序列趋势和季节性峰值
2.7、预测DDoS攻击
2.8、集成学习方法
2.9、用投票集成方法检测网络攻击
2.10、总结
第3章：鉴别合法和恶意的URL
3.1、URL中的异常类型介绍
3.2、使用启发式方法检测恶意网页
3.3、使用机器学习方法检测恶意URL
3.4、总结
第4章：破解验证码
4.1、验证码的特点
4.2、使用人工智能破解验证码
4.3、总结
第5章：使用数据科学捕获电子邮件诈骗和垃圾邮件
5.1、电子邮件诈骗
5.2、垃圾邮件检测
5.3、总结
第6章：使用k-means算法进行高效的网络异常检测
6.1、网络攻击的阶段
6.2、应对网络中的内网漫游
6.3、使用Windows事件日志检测网络异常
6.4、获取活动目录数据
6.5、数据解析
6.6、建模
6.7、用k-means算法检测网络中的异常
6.8、总结
第7章：决策树和基于上下文的恶意事件检测
7.1、恶意软件
7.2、恶意注入
7.3、使用决策树检测恶意URL
7.4、总结
第8章：抓住伪装者和黑客
8.1、理解伪装
8.2、伪装欺诈的不同类型
8.3、莱文斯坦距离
8.4、总结
第9章：用TensorFlow实现入侵检测
9.1、TensorFlow简介
9.2、TensorFlow安装
9.3、适合Windows用户的TensorFlow
9.4、用TensorFlow实现“Hello
World”
9.5、导入MNIST数据集
9.6、计算图
9.7、张量处理单元
9.8、使用TensorFlow进行入侵检测
9.9、总结
第10章：深度学习如何减少金融诈骗
10.1、利用机器学习检测金融诈骗
10.2、逻辑回归分类器：欠采样数据
10.3、深度学习时间
10.4、总结
第11章：案例研究
11.1、我们的密码数据集简介
11.2、总结