Web安全之深度学习实战

封面

版权信息

对本书的赞誉

序

前言

第1章 打造深度学习工具箱

1.1 TensorFlow

1.2 TFLearn

1.3 PaddlePaddle

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

2.3 基于CNN的文本处理

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

4.7 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

5.4 本章小结

第6章 垃圾邮件识别

6.1 数据集

6.2 特征提取

6.3 模型训练与验证

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

7.3 模型训练与验证

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

8.3 模型训练与验证

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

9.4 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

10.3 模型训练与验证

10.4 本章小结

第11章 WebShell检测

11.1 数据集

11.2 特征提取

11.3 模型训练与验证

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

12.2 自动识别登录界面

12.3 本章小结

第13章cDGA域名识别

13.1 数据集

13.2 特征提取

13.3 模型训练与验证

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

14.4 本章小结

第15章 反信用卡欺诈

15.1 数据集

15.2 特征提取

15.3 模型训练与验证