Web安全之深度学习实战PDF电子书下载

第1章 打造深度学习工具箱 1

1.1 TensorFlow 1

1.1.1安装 1

1.1.2使用举例 3

1.2 TFLearn 3

1.3 PaddlePaddle 4

1.3.1安装 5

1.3.2使用举例 6

1.4 Karas 7

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 HDFS 62

4.6.2 HBase 64

4.6.3 Elasticsearch 65

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MLP 82

5.3.4深度学习算法之CNN 83

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MLP 101

6.3.4深度学习算法之CNN 102

6.3.5深度学习算法之RNN 106

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MLP 123

7.3.4深度学习算法之CNN 124

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MLP 140

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MLP 164

10.4本章小结 166

第11章WebShell检测 167

11.1数据集 168

11.1.1 WordPress 168

11.1.2 PHPCMS 170

11.1.3 phpMyAdmin 170

11.1.4 Smarty 171

11.1.5 Yii 171

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MLP 182

11.3.3深度学习算法之CNN 184

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RNN 218

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