Web安全之深度学习实战 - (EPUB全文下载)

文件大小：0.53 mb。
文件格式：epub 格式。
书籍内容：

Web安全之深度学习实战
第1章 打造深度学习工具箱
1.1 TensorFlow
1.1.1 安装
1.1.2 使用举例
1.2 TFLearn
1.3 PaddlePaddle
1.3.1 安装
1.3.2 使用举例
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
2.2.1 局部连接
2.2.2 参数共享
2.2.3 池化
2.2.4 典型的CNN结构及实现
2.2.5 AlexNet的结构及实现
2.2.6 VGG的结构及实现
2.3 基于CNN的文本处理
2.3.1 典型的CNN结构
2.3.2 典型的CNN代码实现
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
4.6.2 HBase
4.6.3 Elasticsearch
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
5.3.2 支持向量机算法
5.3.3 深度学习算法之MLP
5.3.4 深度学习算法之CNN
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
6.2.2 TF-IDF模型
6.2.3 词汇表模型
6.3 模型训练与验证
6.3.2 支持向量机算法
6.3.3 深度学习算法之MLP
6.3.4 深度学习算法之CNN
6.3.5 深度学习算法之RNN
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
7.2.2 词汇表模型
7.2.3 Word2Vec模型和Doc2Vec模型
7.3 模型训练与验证
7.3.2 支持向量机算法
7.3.3 深度学习算法之MLP
7.3.4 深度学习算法之CNN
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
8.2.2 词汇表模型
8.2.3 Word2Vec模型和Doc2Vec模型
8.3 模型训练与验证
8.3.2 支持向量机算法
8.3.3 XGBoost算法
8.3.4 深度学习算法之MLP
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
9.3.2 XGBoost算法
9.3.3 深度学习算法之多层感知机
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
10.2.2 词袋和N-Gram模型
10.2.3 词汇表模型
10.3 模型训练与验证
10.3.2 XGBoost算法
10.3.3 隐式马尔可夫算法
10.3.4 深度学习算法之MLP
10.4 本章小结
第11章 WebShell检测
11.1 数据集
11.1.1 WordPress
11.1.2 PHPCMS
11.1.3 phpMyAdmin
11.1.4 Smarty
11.1.5 Yii
11.2 特征提取
11.2.2 opcode和N-Gram模型
11.2.3 opcode调用序列模型
11.3 模型训练与验证
11.3.2 深度学习算法之MLP
11.3.3 深度学习算法之CNN
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
12.1.2 特征提取
12.1.3 模型训练与验证
12.2 自动识别登录界面
12.2.2 特征提取
12.2.3 模型训练与验证
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
13.2.2 统计特征模型
13.2.3 字符序列模型
13.3 模型训练与验证
13.3.2 XGBoost算法
13.3.3 深度学习算法之多层感知机
13.3.4 深度学习算法之RNN
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
14.3.2 XGBoost算法
14.3.3 深度学习算法之多层感知机
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
15.2.1 标准化
15.2.2 标准化和降采样
15.2.3 标准化和过采样
15.3 模型训练与验证
15.3.1 朴素贝叶斯算法
15.3.2 XGBoost算法
15.3.3 深度学习算法之多层感知机
15.4 本章小结
第1章　打造深度学习工具箱
在本系列图书的第一本《Web安全之机器学习入门》中，我们以常见安全问题为背景介绍了常见的机器学习算法，主要以KNN、SVM、朴素贝叶斯等浅层学习算法为主。以Scikit-Learn为代表的机器学习开发库帮助我们可以很便捷地在单机环境下验证我们的想法。近几年深度学习发展迅速，以TensorFlow为代表的一批优秀的深度学习开发库大大降低了大家学习使用深度学习技术的门槛。作为本书的第1章，本章将帮助大家打造自己的深度学习工具箱，并结合实际例子介绍TensorFlow、TFLearn、PaddlePaddle以及Karas的使用方法。
本章代码请参考本书配套GitHub中的tools.py。 ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。