更新时间：2019-01-05 10:22:22
封面
版权信息
对本书的赞誉
序一
序二
序三
前言
第1章 通向智能安全的旅程
1.1 人工智能、机器学习与深度学习
1.2 人工智能的发展
1.3 国内外网络安全形势
1.4 人工智能在安全领域的应用
1.5 算法和数据的辩证关系
1.6 本章小结
参考资源
第2章 打造机器学习工具箱
2.1 Python在机器学习领域的优势
2.2 TensorFlow简介与环境搭建
2.3 本章小结
第3章 机器学习概述
3.1 机器学习基本概念
3.2 数据集
3.3 特征提取
3.4 效果验证
3.5 本章小结
第4章 Web安全基础
4.1 XSS攻击概述
4.2 SQL注入概述
4.3 WebShell概述
4.4 僵尸网络概述
4.5 本章小结
第5章 K近邻算法
5.1 K近邻算法概述
5.2 示例：hello world! K近邻
5.3 示例：使用K近邻算法检测异常操作（一）
5.4 示例：使用K近邻算法检测异常操作（二）
5.5 示例：使用K近邻算法检测Rootkit
5.6 示例：使用K近邻算法检测WebShell
5.7 本章小结
第6章 决策树与随机森林算法
6.1 决策树算法概述
6.2 示例：hello world！决策树
6.3 示例：使用决策树算法检测POP3暴力破解
6.4 示例：使用决策树算法检测FTP暴力破解
6.5 随机森林算法概述
6.6 示例：hello world！随机森林
6.7 示例：使用随机森林算法检测FTP暴力破解
6.8 本章小结
第7章 朴素贝叶斯算法
7.1 朴素贝叶斯算法概述
7.2 示例：hello world！朴素贝叶斯
7.3 示例：检测异常操作
7.4 示例：检测WebShell（一）
7.5 示例：检测WebShell（二）
7.6 示例：检测DGA域名
7.7 示例：检测针对Apache的DDoS攻击
7.8 示例：识别验证码
7.9 本章小结
第8章 逻辑回归算法
8.1 逻辑回归算法概述
8.2 示例：hello world！逻辑回归
8.3 示例：使用逻辑回归算法检测Java溢出攻击
8.4 示例：识别验证码
8.5 本章小结
第9章 支持向量机算法
9.1 支持向量机算法概述
9.2 示例：hello world！支持向量机
9.3 示例：使用支持向量机算法识别XSS
9.4 示例：使用支持向量机算法区分僵尸网络DGA家族
9.5 本章小结
第10章 K-Means与DBSCAN算法
10.1 K-Means算法概述
10.2 示例：hello world! K-Means
10.3 示例：使用K-Means算法检测DGA域名
10.4 DBSCAN算法概述
10.5 示例：hello world! DBSCAN
10.6 本章小结
第11章 Apriori与FP-growth算法
11.1 Apriori算法概述
11.2 示例：hello world! Apriori
11.3 示例：使用Apriori算法挖掘XSS相关参数
11.4 FP-growth算法概述
11.5 示例：hello world! FP-growth
11.6 示例：使用FP-growth算法挖掘疑似僵尸主机
11.7 本章小结
第12章 隐式马尔可夫算法
12.1 隐式马尔可夫算法概述
12.2 hello world！隐式马尔可夫
12.3 示例：使用隐式马尔可夫算法识别XSS攻击（一）
12.4 示例：使用隐式马尔可夫算法识别XSS攻击（二）
