Matcher Learning Cyber Security использует базовые знания сетевой безопасности ML Python и его библиотеки для создания системы распознает злонамеренную урлптограмму для обнаружения мошенничества по электронной почте.
Цена: 1 287руб. (¥60.9)
Артикул: 633879008734
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:众合宏达图书专营店
Адрес:Пекин
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥32.9696руб.
¥32677руб.
¥31.9675руб.
¥262.45 545руб.
Мигает разрыв в знаниях между кибербезопасностью и машинным обучением и используйте эффективные инструменты для решения важных проблем в области кибербезопасности
Основываясь на реальных случаях, он предоставляет серию алгоритмов машинного обучения для специалистов по безопасности сети, чтобы позволить системе выполнять функции автоматизации
 |
 |
| |
|   Книга   имя: |   MACHEENTECTIONS CYBERECEACTION |
|   Цена книги: |   79 Юань |
|   автор: |   [Индия] Сома&Middot; Halder (Soma Halder) [США] Snan&Миддот; Синан Оздемир |
| out   Общество: |   Machinery Industry Press |
|   Дата публикации: | 2020-11-27 |
| ISBN номер: | 9787111669418 |
|   открыто   Книга: | 16 |
|   страница Количество: | 240 |
|     раз: | 1-1 |
 |
| о нас обслуживание клиентов Ссылки |
 |
| Эта книга впервые представляет основы кибербезопасности ML с использованием Python и его библиотек.Вы будете изучать различные домены ML, такие как анализ временных рядов и моделирование ансамбля, чтобы получить правильное основание.Вы будете реализовать различные примеры, такие как создание системы для идентификации вредоносных URL -адресов и создание Ptogram для обнаружения мошеннических электронных писем и спама.Позже вы узнаете, как эффективно разрабатывать решения, используя алгоритм K-средних, чтобы обнаружить и предупредить вас о какой-либо злонамеренной деятельности в сети, а также о том, как реализовать биометрические и отпечатки пальцев, чтобы проверить, является ли пользователь законным или нет. Наконец, вы узнаете, как мы сможем изменить игры, используя TensorFlow, и узнаете, как глубокое обучение может эффективно создавать модели и учебные системы. |
 |
Предисловие Об авторе Введение Глава 1 Основы машинного обучения в сетевой безопасности 1 1.1 Что такое машинное обучение 1 1.1.1 Проблемы, которые должны решить машинное обучение 2 1.1.2 Зачем использовать машинное обучение в сетевой безопасности 3 1.1.3 Текущие решения для безопасности сети 3 1.1.4 Данные в машинном обучении 4 1.1.5 Различные типы алгоритмов машинного обучения 7 1.1.6 Алгоритмы в машинном обучении 12 1.1.7 Архитектура машинного обучения 13 1.1.8 Практика машинного обучения 18 1.2 Резюме 27 Глава 2 Анализ временных рядов и моделирование интеграции 28 2.1 Что такое временная серия 28 2.2 Типы моделей временных рядов 32 2.2.1 Модель случайных временных рядов 32 2.2.2 Модель времени 32 Искусственной нейронной сети модель 32 2.2.3 Модель 33 поддержки векторного вектора 33 2.2.4 Компонент временных рядов 33 2.3 разложения временных рядов 33 2.3.1 Уровень 33 2.3.2 Тенденция 34 2.3.3 сезонные 34 2.3.4 Шум 34 2.4 Примеры использования временных рядов 36 2.4.1 Обработка сигнала 36 2.4.2 Прогноз фондового рынка 37 2.4.3 Прогноз погоды 38 2.4.4 разведка и обнаружение 38 2,5 Анализ временных рядов в сетевой безопасности 39 2,6 Тенденции временных рядов и сезонные пики 39 2.6.1 Обнаружение распределенного отказа в обслуживании с использованием временных рядов 39 2.6.2 Элементы времени обработки во временных рядах 40 2.6.3 Решайте варианты использования 41 2.6.4 Импортный пакет 41 2.6.5 Расчет функций 43 2.7 Прогнозирование атак DDOS 45 2.7.1 ARMA 45 2.7.2 ARIMA 46 2.7.3 ARFIMA 46 2.8 Интегрированные методы обучения 47 2.8.1 Типы интегрированного обучения 47 2.8.2 Типы интегрированных алгоритмов 49 2.8.3 Применение интегрированных технологий в сетевой безопасности 50 2.9 Обнаружение кибератак с использованием интеграции голосования 50 2.10 Резюме 51 Глава 3 Идентификация юридических и злонамеренных URLS 52 3.1 Введение в типы исключений в URL -адресах 53 3.2 Обнаружение вредоносных веб -страниц с использованием эвристики 56 3.2.1 Данные анализа 56 3.2.2 Извлечение элементов 57 3.3 Обнаружение вредоносных URL -адресов с использованием методов машинного обучения 62 3.3.1 Логистическая регрессия для обнаружения вредоносных URL -адресов 62 3.3.2 Поддержка векторной машины для обнаружения вредоносных URL 3.3.3 Классификация нескольких категорий для классификации URL 68 3.4 Резюме 69 Глава 4 Код проверки трещин 70 4.1 Характеристики кода проверки 70 4.2 Используйте искусственный интеллект, чтобы взломать код проверки 71 4.2.1 Тип кода проверки 71 4.2.2 reCAPTCHA 73 4.2.3 Код проверки трещин 73 4.2.4 Код проверки трещин с нейронной сетью 74 4.2.5 Код 76 4.3 Резюме 81 Глава 5 Понимает мошенничество с электронной почтой и спам с использованием Data Science 82 5.1 Электронная афера 82 5.1.1 Ложные продажи 83 5.1.2 Запрос помощи 83 5.1.3 Типы спама 85 5.2 обнаружение спама 88 5.2.1 Тип почтового сервера 88 5.2.2 Сбор данных почтового сервера 89 5.2.3. Обнаружение спама с использованием теоремы Наивного Байеса 91 5.2.4 Обработка сглаживания Лапласа 93 5.2.5 Технология характеристики для преобразования текстовых электронных писем в числовые значения 93 5.2.6 Спам -фильтр логистической регрессии 94 5.3 Резюме 96 Глава 6 Используйте алгоритм K-средних для выполнения эффективного обнаружения аномалий сети 97 6.1 Стадия кибератаки 98 6.1.1 Фаза 1: разведка 98 6.1.2 Стадия 2: Первоначальная атака 98 6.1.3 Стадия 3: Команды и элементы управления 98 6.1.4 Стадия 4: Интранет Роуминг 98 6.1.5 Фаза 5: цель получает 98 6.1.6 Стадия 6: проницаемость, эрозия и помехи 99 6.2 Отзывчиво на интранет -роуминг в сети 99 6.3 Обнаружение сетевых исключений с использованием журнала событий Windows 100 6.3.1 Вход/событие входа 100 100 6.3.2 Событие входа в учетную запись 100 6.3.3 Событие доступа объекта 102 6.3.4 События управления счетами 102 6.4 Получить данные Active Directory 104 6.5 Анализ данных 104 6.6 Моделирование 105 6.7 Используйте алгоритм K-средних для обнаружения исключений в сети 107 6.8 Резюме 122 ГЛАВА 7 Дерево решений и контекст, основанный на здравом диске 123 7.1 вредоносная программа 123 7.1.1 Adware 123 7.1.2 Робот 124 7.1.3 Ошибка программного обеспечения 124 7.1.4 вымогателей 124 7.1.5 rootkit 124 7.1.6 Spyware 124 7.1.7 Троянская лошадь 125 7.1.8 Вирус 125 7.1.9 Червь 125 7.2 Злоэнальная инъекция 125 7.2.1 Внедрение вредоносных данных в базе данных 125 7.2.2 Внутренняя инъекция в беспроводных датчиках 125 7.2.3. В случае использования 126 7.3 Обнаружение вредоносных URL -адресов с использованием деревьев решений 136 7.4 Резюме 141 Глава 8: Поймать претендента и хакера 142 8.1 Понимание маскировки 142 8.2 Различные виды фальшивого мошенничества 143 8.2.1 Маскушер собирает информацию 144 8.2.2 Построение камуфляжной атаки 144 8.3 Levinstein Distance 145 8.3.1 Проверьте сходство доменных имен между злонамеренными URL -адресами 145 8.3.2 Атрибуция автора 146 8.3.3 Различия между тестовыми наборами данных и наборами данных валидации 148 8.3.4 Наивный байесовский классификатор для полиномиальных моделей 150 8.3.5 Метод обнаружения вторжений: Идентификация камуфляжа 152 8.4 Резюме 161 Глава 9: Использование TensorFlow для достижения обнаружения вторжений 162 9.1 Введение в Tensorflow 162 9.2 Установка TensorFlow 164 9.3 Tensorflow 165 для пользователей Windows 9.4 Реализация с TensorFlow“Hello World” 165 9.5 Импорт набора данных MNIST 165 9.6 Схема расчета 166 9.7 Тенсорная обработка 166 9.8 Обнаружение вторжений с использованием Tensorflow 166 9.9 Резюме 185 Глава 10 Как глубокое обучение уменьшает финансовое мошенничество 186 10.1 Использование машинного обучения для обнаружения финансового мошенничества 186 10.1.1 несбалансированные данные 187 10.1.2 Обработка несбалансированных наборов данных 188 10.1.3 Обнаружение мошенничества с кредитными картами 188 10.2. 10.2.1 Корректировка гиперпараметра 194 10.2.2 Классификатор логистической регрессии— 10.2.3 Кривая точности исследования и площадь под кривой 202 10.3 Deep Learning Time 204 10.4 Резюме 207 ГЛАВА 11 ТЕМЕРСКОЕ ИССЛЕДОВАНИЕ 208 11.1 Введение в наш набор данных пароля 209 11.1.1 Извлечение текстовой функции 210 11.1.2 Извлечение функций с использованием Scikit-Learn 214 11.1.3 количественно определить слабые пароли с использованием косинусного сходства 223 11.1.4 Комбинация 226 11.2 Резюме 228 |
 |
| Мигает разрыв в знаниях между кибербезопасностью и машинным обучением и используйте эффективные инструменты для решения важных проблем в области кибербезопасности Основываясь на реальных случаях, он предоставляет серию алгоритмов машинного обучения для специалистов по безопасности сети, чтобы позволить системе выполнять функции автоматизации |
 |
| Угрозы кибербезопасности могут нанести большой ущерб организациям, и в этой книге мы будем использовать эффективные инструменты для решения основных проблем в области кибербезопасности и предоставления специалистам по кибербезопасности соответствующих знаний об алгоритмах машинного обучения.Эта книга направлена на то, чтобы преодолеть разрыв в знаниях между кибербезопасностью и машинным обучением, сосредоточенное на создании более эффективных новых решений для замены традиционных механизмов кибербезопасности и предоставления ряда алгоритмов, которые позволяют системе иметь возможности автоматизации. Эта книга представит основные этапы жизненного цикла угрозы кибербезопасности, подробно описывая, как реализовать интеллектуальные решения для существующих продуктов кибербезопасности и как эффективно создавать интеллектуальные решения для будущего.Мы подробно изучим теорию, а также изучим применение этой теории в практических сценариях безопасности.В каждой главе есть независимые примеры, посвященные решению реальных проблем с использованием алгоритмов машинного обучения, таких как кластеризация, K-средние, линейные регрессии и наивные байесы. Сначала мы представляем основы использования Python и его библиотеки расширения для реализации машинного обучения в сетевой безопасности.Вы будете изучать различные области машинного обучения, включая анализ временных рядов и интегрированное моделирование, чтобы заложить хороший фундамент и создать систему для выявления вредоносных URL -адресов, а также программы для обнаружения мошеннических электронных писем и спама.После этого вы узнаете, как эффективно разрабатывать решения, используя алгоритм K-средних для обнаружения и предупреждения о любой злонамеренной деятельности в сети.Кроме того, вы узнаете, как реализовать цифровую биометрию и проверку отпечатков пальцев, чтобы убедиться, что пользователи являются законными. В этой книге используется ориентированный на решение подход, который поможет вам решить существующие задачи кибербезопасности. Целевой читатель этой книги Эта книга предназначена для ученых данных, разработчиков машинного обучения, исследователей безопасности и всех, кто заинтересован в применении машинного обучения для повышения безопасности компьютерной безопасности.Было бы полезно иметь знания приложений Python, базовые знания в области машинного обучения и базовые знания о безопасности сети. Основное содержание этой книги Глава 1 представляет машинное обучение и его варианты использования в области кибербезопасности.Мы представим общую архитектуру управления модулями машинного обучения и подробно расскажем о различных подтопиках в области машинного обучения. Глава 2 охватывает две важные понятия в машинном обучении: анализ временных рядов и обучение ансамбля.Мы также проанализируем исторические данные и сравним их с текущими данными для обнаружения смещения. Глава 3 Изучите, как использовать URL.Мы также рассмотрим вредоносные URL -адреса и как обнаружить их вручную или использовать методы машинного обучения. Глава 4 представляет различные типы кодов проверки и их характеристики.Мы также представим, как использовать технологии искусственного интеллекта и нейронной сети для интерпретации кодов проверки. Глава 5 представляет различные типы спама и то, как он работает.Мы также представим некоторые алгоритмы машинного обучения для обнаружения спама и представить различные типы мошеннических электронных писем. Глава 6 представляет различные этапы киберата и как справиться с этими атаками.Мы также напишем простую модель для обнаружения исключений в Windows и журналах активности. Глава 7 подробно обсуждается и исследует, как вредоносные данные вводят в базы данных и беспроводные сети.Мы будем использовать дерево решений для обнаружения вторжений и обнаружения вредоносного URL. Глава 8 Глубоко изучает камуфляж и его различные типы и вводит знания о расстоянии Левинштейна.Мы также рассмотрим, как определить сходство злонамеренных доменов и атрибуты автора. Глава 9 специально охватывает связанный контент TensorFlow, от установки, базовые знания до его использования для создания моделей обнаружения вторжений. Глава 10 включает в себя, как использовать технологию машинного обучения для сокращения транзакций мошенничества.Мы также рассмотрим, как использовать логистическую регрессию для борьбы с дисбалансом данных и обнаружения мошенничества с кредитными картами. В главе 11 обсуждается использование Splashdata для проведения анализа паролей в более чем 1 миллионах паролей.Мы создадим модель, которая использует Scikit-Learn и машинное обучение для извлечения паролей. В полной мере использовать эту книгу Читатели должны обладать базовыми знаниями о продуктах кибербезопасности и машинном обучении. Загрузить пример кода и цветового изображения Образец кода и все снимки экрана и диаграммы этой книги можно загрузить с http://www.packtpub.com через вашу личную учетную запись, или вы можете посетить официальный веб -сайт Huazhang Books http://www.hzbook.com и загрузить его, зарегистрировавшись и вошли в свой личный счет. После загрузки файла обязательно расстегните его, используя последнюю версию следующего программного обеспечения: Windows: Winrar/7-Zip Mac: Zipeg/izip/Unrarx Linux: 7-Zip/Peazip Кодовый пакет для этой книги также размещен на GitHub, с URL: https://github.com/packtpublishing/hands-on-machine-learning-for-cyber-security Обновление кода будет сделано в репозитории GitHub. Мы также предоставляем файл PDF, содержащий все снимки экрана и диаграммы в этой книге, который вы можете скачать здесь: http://www.packtpub.com/sites/default/files/downloads/9781788992282_colorimages.pdf Эта книга предусматривает Указывает предупреждение или важное примечание. Выразите подсказки и навыки. |