当前位置: 100md首页 > 电子书籍 > 资料26 > 一些大合集 > 书屋电子书 > 01
编号:117796
《Web安全之深度学习实战》.mobi .pdf .txt
基本信息：
    书名： Web安全之深度学习实战 (智能系统与技术丛书)
    作者： 刘焱
    出版社/出版时间： 北京华章图文信息有限公司2017-09-30
    国际标准书号： 978-7-111-58447-6
    电子版包括 .mobi .pdf .txt等格式：
    《Web安全之深度学习实战》.mobi 文件 19505 KB,
    《Web安全之深度学习实战》.pdf 文件 570 页，20899 KB,
    《Web安全之深度学习实战》.txt 文件 14.5 万字，357 KB。
pdf部分截图：
    第1页
    第17页
    第46页
    第90页
    第315页

目录：
        对本书的赞誉
        序
        前言
        第1章 打造深度学习工具箱
        1.1 TensorFlow
        1.1.1 安装
        1.1.2 使用举例
        1.2 TFLearn
        1.3 PaddlePaddle
        1.3.1 安装
        1.3.2 使用举例
        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
        2.2.1 局部连接
        2.2.2 参数共享
        2.2.3 池化
        2.2.4 典型的CNN结构及实现
        2.2.5 AlexNet的结构及实现
        2.2.6 VGG的结构及实现
        2.3 基于CNN的文本处理
        2.3.1 典型的CNN结构
        2.3.2 典型的CNN代码实现
        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
        4.6.1 HDFS
        4.6.2 HBase
        4.6.3 Elasticsearch
        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
        5.3.1 K近邻算法
        5.3.2 支持向量机算法
        5.3.3 深度学习算法之MLP
        5.3.4 深度学习算法之CNN
        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
        6.2.1 词袋模型
        6.2.2 TF-IDF模型
        6.2.3 词汇表模型
        6.3 模型训练与验证
        6.3.1 朴素贝叶斯算法
        6.3.2 支持向量机算法
        6.3.3 深度学习算法之MLP
        6.3.4 深度学习算法之CNN
        6.3.5 深度学习算法之RNN
        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
        7.2.1 词袋和TF-IDF模型
        7.2.2 词汇表模型
        7.2.3 Word2Vec模型和Doc2Vec模型
        7.3 模型训练与验证
        7.3.1 朴素贝叶斯算法
        7.3.2 支持向量机算法
        7.3.3 深度学习算法之MLP
        7.3.4 深度学习算法之CNN
        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
        8.2.1 词袋和TF-IDF模型
        8.2.2 词汇表模型
        8.2.3 Word2Vec模型和Doc2Vec模型
        8.3 模型训练与验证
        8.3.1 朴素贝叶斯算法
        8.3.2 支持向量机算法
        8.3.3 XGBoost算法
        8.3.4 深度学习算法之MLP
        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
        9.3.1 朴素贝叶斯算法
        9.3.2 XGBoost算法
        9.3.3 深度学习算法之多层感知机
        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
        10.2.1 词袋和TF-IDF模型
        10.2.2 词袋和N-Gram模型
        10.2.3 词汇表模型
        10.3 模型训练与验证
        10.3.1 朴素贝叶斯算法
        10.3.2 XGBoost算法
        10.3.3 隐式马尔可夫算法
        10.3.4 深度学习算法之MLP
        10.4 本章小结
        第11章 WebShell检测
        11.1 数据集
        11.1.1 WordPress
        11.1.2 PHPCMS
        11.1.3 phpMyAdmin
        11.1.4 Smarty
        11.1.5 Yii
        11.2 特征提取
        11.2.1 词袋和TF-IDF模型
        11.2.2 opcode和N-Gram模型
        11.2.3 opcode调用序列模型
        11.3 模型训练与验证
        11.3.1 朴素贝叶斯算法
        11.3.2 深度学习算法之MLP
        11.3.3 深度学习算法之CNN
        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
        12.1.1 数据集
        12.1.2 特征提取
        12.1.3 模型训练与验证
        12.2 自动识别登录界面
        12.2.1 数据集
        12.2.2 特征提取
        12.2.3 模型训练与验证
        12.3 本章小结
        第13章 DGA域名识别
        13.1 数据集
        13.2 特征提取
        13.2.1 N-Gram模型
        13.2.2 统计特征模型
        13.2.3 字符序列模型
        13.3 模型训练与验证
        13.3.1 朴素贝叶斯算法
        13.3.2 XGBoost算法
        13.3.3 深度学习算法之多层感知机
        13.3.4 深度学习算法之RNN
        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
        14.3.1 支持向量机算法
        14.3.2 XGBoost算法
        14.3.3 深度学习算法之多层感知机
        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
        15.2.1 标准化
        15.2.2 标准化和降采样
        15.2.3 标准化和过采样
        15.3 模型训练与验证
        15.3.1 朴素贝叶斯算法
        15.3.2 XGBoost算法
        15.3.3 深度学习算法之多层感知机
        15.4 本章小结