图书介绍
Web安全之深度学习实战PDF|Epub|txt|kindle电子书版本网盘下载
- 刘焱编著 著
- 出版社： 北京：机械工业出版社
- ISBN：7111584476
- 出版时间：2018
- 标注页数：252页
- 文件大小：23MB
- 文件页数：267页
- 主题词：
PDF下载
下载说明
Web安全之深度学习实战PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 打造深度学习工具箱1
1.1 TensorFlow1
1.1.1安装1
1.1.2使用举例3
1.2 TFLearn3
1.3 PaddlePaddle4
1.3.1安装5
1.3.2使用举例6
1.4 Karas7
1.5本章小结9
第2章 卷积神经网络10
2.1传统的图像分类算法10
2.2基于CNN的图像分类算法11
2.2.1局部连接11
2.2.2参数共享13
2.2.3池化15
2.2.4典型的CNN结构及实现16
2.2.5 AlexNet的结构及实现19
2.2.6 VGG的结构及实现24
2.3基于CNN的文本处理29
2.3.1典型的CNN结构30
2.3.2典型的CNN代码实现30
2.4本章小结32
第3章 循环神经网络33
3.1循环神经算法概述34
3.2单向循环神经网络结构与实现36
3.3双向循环神经网络结构与实现38
3.4循环神经网络在序列分类的应用41
3.5循环神经网络在序列生成的应用42
3.6循环神经网络在序列标记的应用43
3.7循环神经网络在序列翻译的应用44
3.8本章小结46
第4章 基于OpenSOC的机器学习框架47
4.1 OpenSOC框架47
4.2数据源系统48
4.3数据收集层53
4.4消息系统层57
4.5实时处理层60
4.6存储层62
4.6.1 HDFS62
4.6.2 HBase64
4.6.3 Elasticsearch65
4.7分析处理层66
4.8计算系统67
4.9实战演练72
4.10本章小结77
第5章 验证码识别78
5.1数据集79
5.2特征提取80
5.3模型训练与验证81
5.3.1 K近邻算法81
5.3.2支持向量机算法81
5.3.3深度学习算法之MLP82
5.3.4深度学习算法之CNN83
5.4本章小结87
第6章 垃圾邮件识别88
6.1数据集89
6.2特征提取90
6.2.1词袋模型90
6.2.2 TF-IDF模型93
6.2.3词汇表模型95
6.3模型训练与验证97
6.3.1朴素贝叶斯算法97
6.3.2支持向量机算法100
6.3.3深度学习算法之MLP101
6.3.4深度学习算法之CNN102
6.3.5深度学习算法之RNN106
6.4本章小结108
第7章 负面评论识别109
7.1数据集110
7.2特征提取112
7.2.1词袋和TF-IDF模型112
7.2.2词汇表模型114
7.2.3 Word2Vec模型和Doc2Vec模型115
7.3模型训练与验证119
7.3.1朴素贝叶斯算法119
7.3.2支持向量机算法122
7.3.3深度学习算法之MLP123
7.3.4深度学习算法之CNN124
7.4本章小结127
第8章 骚扰短信识别128
8.1数据集129
8.2特征提取130
8.2.1词袋和TF-IDF模型130
8.2.2词汇表模型131
8.2.3 Word2Vec模型和Doc2Vec模型132
8.3模型训练与验证134
8.3.1朴素贝叶斯算法134
8.3.2支持向量机算法136
8.3.3 XGBoost算法137
8.3.4深度学习算法之MLP140
8.4本章小结141
第9章Linux后门检测142
9.1数据集142
9.2特征提取144
9.3模型训练与验证145
9.3.1朴素贝叶斯算法145
9.3.2 XGBoost算法146
9.3.3深度学习算法之多层感知机148
9.4本章小结149
第10章 用户行为分析与恶意行为检测150
10.1数据集151
10.2特征提取152
10.2.1词袋和TF-IDF模型152
10.2.2词袋和N-Gram模型154
10.2.3词汇表模型155
10.3模型训练与验证156
10.3.1朴素贝叶斯算法156
10.3.2 XGBoost算法157
10.3.3隐式马尔可夫算法159
10.3.4深度学习算法之MLP164
10.4本章小结166
第11章WebShell检测167
11.1数据集168
11.1.1 WordPress168
11.1.2 PHPCMS170
11.1.3 phpMyAdmin170
11.1.4 Smarty171
11.1.5 Yii171
11.2特征提取172
11.2.1词袋和TF-IDF模型172
11.2.2 opcode和N-Gram模型174
11.2.3 opcode调用序列模型180
11.3模型训练与验证181
11.3.1朴素贝叶斯算法181
11.3.2深度学习算法之MLP182
11.3.3深度学习算法之CNN184
11.4本章小结188
第12章 智能扫描器189
12.1自动生成XSS攻击载荷190
12.1.1数据集190
12.1.2特征提取194
12.1.3模型训练与验证195
12.2自动识别登录界面198
12.2.1数据集198
12.2.2特征提取199
12.2.3模型训练与验证201
12.3本章小结203
第13章DGA域名识别204
13.1数据集206
13.2特征提取207
13.2.1 N-Gram模型207
13.2.2统计特征模型208
13.2.3字符序列模型210
13.3模型训练与验证210
13.3.1朴素贝叶斯算法210
13.3.2 XGBoost算法212
13.3.3深度学习算法之多层感知机215
13.3.4深度学习算法之RNN218
13.4本章小结221
第14章 恶意程序分类识别222
14.1数据集223
14.2特征提取226
14.3模型训练与验证228
14.3.1支持向量机算法228
14.3.2 XGBoost算法229
14.3.3深度学习算法之多层感知机230
14.4本章小结231
第15章 反信用卡欺诈232
15.1数据集232
15.2特征提取234
15.2.1标准化234
15.2.2标准化和降采样234
15.2.3标准化和过采样236
15.3模型训练与验证239
15.3.1朴素贝叶斯算法239
15.3.2 XGBoost算法243
15.3.3深度学习算法之多层感知机247
15.4本章小结251