Web安全之深度学习实战

刘焱机械工业出版社2017年

评分 3.5
字数
35万字
章节数
16
丛书
智能系统与技术丛书
ISBN
9787111584476

标签

计算机 人工智能 Web安全机器学习深度学习网络安全实战案例算法原理从业者

内容简介

本书是刘焱（笔名“兜哥”）继《Web安全之机器学习》之后推出的又一本“AI+安全”实战著作，面向安全从业者在海量日志和不断演变的攻击手法下“望洋兴叹”的现实困境，系统探讨深度学习在Web安全检测中的工程化应用。 全书分为三部分：第一部分（第1章）是工具准备，讲TensorFlow、TFLearn、PaddlePaddle、Keras等深度学习框架的安装与基本用法，帮助读者搭建自己的深度学习工具箱；第二部分（第2—4章）讲通算法原理，介绍卷积神经网络（局部连接、参数共享、池化，以及LeNet、AlexNet、VGG等典型结构，并把它用到文本处理上）、循环神经网络，以及Logstash、Kafka、Storm、Spark、OpenSOC等在真实生产环境中搭建安全数据分析平台所需的开源组件；第三部分（第5—12章）是11个案例实战，把验证码识别、垃圾邮件识别、负面评论识别、骚扰短信识别、Linux后门检测、恶意操作行为检测、Webshell检测、智能扫描、DGA域名检测、恶意程序分类识别、反信用卡欺诈这些安全场景，逐一用公开数据集加Python代码实现，并对比传统机器学习和深度学习两种方案的优劣。 本书偏重可以复现的工程实践，案例代码和公开数据集可获取，适合作为安全工程师转型AI安全的入门或进阶读物。

编辑推荐

很多安全工程师对“深度学习”这四个字敬而远之：数学门槛高、框架多、教程里全是猫狗图片分类，跟日常的安全日志、恶意流量似乎八竿子打不着。这本书的价值就在于把这条鸿沟填平了——作者刘焱是百度安全Web防护产品线的负责人，日常处理的就是DDoS、WAF、威胁感知这些真活儿，所以他写的不是“论文翻译”，而是“上班用得上的东西”。 全书结构非常克制：先用一章把TensorFlow、PaddlePaddle、Keras这些工具箱配好，再用三章讲清CNN、RNN和Logstash、Kafka、Storm、Spark这些生产组件的用法，之后一口气给出11个安全场景的完整案例，从验证码、垃圾邮件到Webshell、DGA域名、反欺诈，每一个都配有公开数据集和Python代码，并且把传统机器学习和深度学习的效果放在一起比较，读者很容易判断“值不值得上深度学习”。 需要提醒的是，本书成书于2017年，框架版本和数据管道都已更新换代，照着跑代码会踩坑；但它提供的“问题拆解—特征构造—模型选型—效果对比”的思路并不过时，仍是想从传统安全转向AI安全的工程师的好起点。

适合谁读

适合

不适合

阅读建议

  1. 先读第1章配好环境，把TensorFlow和Keras的示例跑通，再进入后续章节。
  2. 第二部分的CNN、RNN原理可配合公开课程学习，遇到公式不纠结，重点看代码实现。
  3. 第三部分建议按“验证码—垃圾邮件—Webshell—DGA”的顺序做，难度递进且数据容易获取。
  4. 书中代码框架版本较旧，动手时优先迁移到新版API，并把思路当作重点而非逐行照抄。

出版社简介

机械工业出版社 中国 · 成立于 1950 年

机械工业出版社（China Machine Press）在科技与专业出版之外，库内图书还体现出对心理学、计算机、管理、财经与社科等方向的持续关注。心理学方面收入荣格作品及分析心理学导论，并涉及压力与健康、成瘾与疗愈等应用议题；计算机领域有《计算机程序的构造和解释（JavaScript版）》；管理与财经类包括《管理行为（原书第4版）》《不平等的代价（珍藏版）》《这次不一样：八百年金融危机史（纪念版）》；科学哲学与科学史方面则有《世界观（原书第3版）》。相关作者资源涵盖C.G.荣格、威廉·麦圭尔、索努·沙姆达萨尼、加博尔·马泰等。公开资料有限，以上仅据库内图书归纳其出版面貌。

目录

  1. 对本书的赞誉
  2. 序
  3. 前言
  4. 第1章 打造深度学习工具箱：TensorFlow、TFLearn、PaddlePaddle、Keras
  5. 第2章 卷积神经网络：传统图像分类、CNN图像分类与文本处理
  6. 第3章 循环神经网络
  7. 第4章 深度学习生产环境与安全数据分析平台构建
  8. 第5章 基于MNIST数据集的验证码识别
  9. 第6章 垃圾邮件识别
  10. 第7章 负面评论识别
  11. 第8章 骚扰短信识别
  12. 第9章 Linux后门检测
  13. 第10章 恶意操作行为检测
  14. 第11章 Webshell检测、智能扫描与DGA域名检测
  15. 第12章 恶意程序分类识别与反信用卡欺诈
  16. 本章小结（各章）

常见问题

这本书需要很强的数学基础吗？ 不需要。书中对CNN、RNN的讲解以结构图和代码实现为主，公式推导较少，具备基本的概率和线性代数直觉即可跟上；真正的门槛在于Python编程和Web安全业务理解。
书中的案例代码和数据还能跑通吗？ 书的代码基于2017年前后的TensorFlow等版本，直接运行通常会遇到API变更问题。建议以案例思路和数据处理流程为学习重点，把代码迁移到新版TensorFlow或PyTorch上重写。
零基础能直接读这本吗？ 不太建议。书中假定读者已有信息安全基础知识、熟悉Python，并了解日志、流量等安全数据形态。零基础读者可先补《Web安全之机器学习入门》或Python基础再回来。
它和《Web安全之机器学习》有什么区别？ 《Web安全之机器学习》侧重传统机器学习算法（如SVM、决策树、聚类）在安全场景的应用；本书则聚焦深度学习框架、CNN/RNN以及生产环境组件，案例更偏向端到端的模型落地。

本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。

作者简介

刘焱 作者

刘焱是一位作品跨越多个领域的作者，公开资料有限，尚无法确认其国籍、生卒年与教育背景。库内收录其三种作品，分别涉及医学、语言文字与编程设计，题材跨度较大。其中《以毒为药：古代中国的医疗、文化与政治》从医疗史角度切入，讨论毒物与药物在古代中国社会中的文化意义与政治关联；《现代汉语反预期范畴及其表达》属于语言学专题研究，关注汉语中反预期意义的表达方式；《Visual FoxPro程序设计基础教程（第2版）》则为计算机编程入门教材。从这些作品看，刘焱的写作兼具学术探讨与教材编写两种取向，既处理史料与语言现象，也顾及基础教学的实际需要。