思维导图备注

Web安全之机器学习入门
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

13.4 示例：使用有向图识别僵尸网络

浏览 5 扫码
  • 小字体
  • 中字体
  • 大字体
2022-01-24 10:39:22
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 对本书的赞誉
  • 序一
  • 前言
    • 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
  • 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
      • 2.1.1 NumPy
      • 2.1.2 SciPy
      • 2.1.3 NLTK
      • 2.1.4 Scikit-Learn
    • 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
      • 3.2.2 HTTP DATASET CSIC 2010
      • 3.2.3 SEA数据集
      • 3.2.4 ADFA-LD数据集
      • 3.2.5 Alexa域名数据
      • 3.2.7 MNIST数据集
      • 3.2.8 Movie Review Data
      • 3.2.9 SpamBase数据集
      • 3.2.10 Enron数据集
    • 3.3 特征提取
      • 3.3.2 文本型特征提取
      • 3.3.3 数据读取
    • 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
      • 4.1.1 XSS的分类
      • 4.1.2 XSS特殊攻击方式
      • 4.1.3 XSS平台简介
      • 4.1.4 近年典型XSS攻击事件分析
    • 4.2 SQL注入概述
      • 4.2.1 常见SQL注入攻击
      • 4.2.2 常见SQL注入攻击载荷
      • 4.2.4 近年典型SQL注入事件分析
    • 4.3 WebShell概述
      • 4.3.1 WebShell功能
      • 4.3.2 常见WebShell
    • 4.4 僵尸网络概述
      • 4.4.1 僵尸网络的危害
    • 4.4.2 近年典型僵尸网络攻击事件分析
    • 参考资源
  • 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
    • 参考资源
  • 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
    • 参考资源
  • 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
    • 参考资源
  • 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
      • 9.4.1 数据搜集和数据清洗
      • 9.4.2 特征化
      • 9.4.3 模型验证
    • 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
    • 参考资源
  • 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）
    • 12.5 示例：使用隐式马尔可夫算法识别DGA域名
    • 参考资源
  • 第13章 图算法与知识图谱
    • 13.1 图算法概述
    • 13.2 示例：hello world！有向图
    • 13.3 示例：使用有向图识别WebShell
    • 13.4 示例：使用有向图识别僵尸网络
    • 13.6 示例：知识图谱在风控领域的应用
      • 13.6.1 检测疑似账号被盗
      • 13.6.2 检测疑似撞库攻击
      • 13.6.3 检测疑似刷单
    • 13.7 示例：知识图谱在威胁情报领域的应用
      • 13.7.1 挖掘后门文件潜在联系
      • 13.7.2 挖掘域名潜在联系
    • 13.8 本章小结
    • 参考资源
  • 第14章 神经网络算法
    • 14.1 神经网络算法概述
    • 14.2 示例：hello world！神经网络
    • 14.3 示例：使用神经网络算法识别验证码
    • 14.4 示例：使用神经网络算法检测Java溢出攻击
    • 14.5 本章小结
  • 第15章 多层感知机与DNN算法
    • 15.1 神经网络与深度学习
    • 15.2 TensorFlow编程模型
      • 15.2.1 操作
      • 15.2.2 张量
      • 15.2.3 变量
    • 15.2.4 会话
    • 15.4 示例：在TensorFlow下识别验证码（一）
    • 15.5 示例：在TensorFlow下识别验证码（二）
    • 15.6 示例：在TensorFlow下识别验证码（三）
    • 15.7 示例：在TensorFlow下识别垃圾邮件（一）
    • 15.8 示例：在TensorFlow下识别垃圾邮件（二）
    • 15.9 本章小结
    • 参考资源
  • 第16章 循环神经网络算法
    • 16.1 循环神经网络算法概述
    • 16.2 示例：识别验证码
    • 16.3 示例：识别恶意评论
    • 16.4 示例：生成城市名称
    • 16.5 示例：识别WebShell
    • 16.6 示例：生成常用密码
    • 16.7 示例：识别异常操作
    • 16.8 本章小结
    • 参考资源
  • 第17章 卷积神经网络算法
    • 17.1 卷积神经网络算法概述
    • 17.2 示例：hello world！卷积神经网络
    • 17.3 示例：识别恶意评论
    • 17.4 示例：识别垃圾邮件
    • 17.5 本章小结
    • 参考资源
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《Web安全之机器学习入门》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度