书籍介绍
图书目录
前言 1
第1章 为什么要学习机器学习与安全？ 7
网络威胁纵观 9
网络攻击者经济 13
什么是机器学习？ 15
机器学习在安全领域的实际应用 18
同垃圾邮件斗争：一种迭代方法 20
机器学习在安全性方面的局限 30
第2章 分类和聚类 32
机器学习：问题与途径 32
实践中的机器学习：一个实际案例 34
训练算法学习 40
监督分类算法 48
分类中实际考虑的内容 62
聚类 73
小结 85
第3章 异常检测 87
何时使用异常检测与监督式学习 88
启发式入侵检测 89
数据驱动方法 90
异常检测的特征工程 93
基于数据和算法的异常检测 102
机器学习在异常检测中的挑战 128
响应与缓解 129
实用系统设计中关注的问题 130
小结 132
第4章 恶意软件分析 134
了解恶意软件 135
特征生成 154
从特征到分类 184
小结 189
第5章 网络流量分析 190
网络防御理论 192
机器学习与网络安全 195
建立网络攻击分类预测模型 211
小结 243
第6章 保护消费者网络 244
货币化的消费者网络 245
滥用的类型和可以阻止它们的数据 246
监督学习滥用问题 267
聚类滥用 271
集群的进一步 284
小结 284
第7章 生产系统 286
定义机器学习系统的成熟度和可伸缩性 286
数据质量 288
模型质量 296
性能 309
可维护性 319
监测与预警 322
安全性和可靠性 324
反馈和可用性 325
小结 326
第8章 对抗性的机器学习 327
术语 328
对抗性机器学习的重要性 329
机器学习算法中的安全漏洞 330
攻击技巧：模型中毒 333
小结 353
附录A 第2章补充材料 354
附录B 整合开源情报 361
上一篇：欧·亨利短篇小说集下一篇：清末民初文献丛刊 癸卯东游日记 乙巳东游日记
相关书籍
出版社其它书籍
