掃一掃
關注中圖網
官方微博
基于人工智能方法的網絡空間安全 版權信息
- ISBN：9787111691808
- 條形碼：9787111691808 ; 978-7-111-69180-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于人工智能方法的網絡空間安全 內容簡介
本書介紹了一系列結合人工智能技術處理網絡空間安全問題的方法，包括處理網絡威脅情報、為惡意軟件提供戰(zhàn)略防御機制、解決網絡犯罪、評估漏洞，以及產生主動而不是被動的對策的人工智能方法。
基于人工智能方法的網絡空間安全 目錄
譯者序
序言
前言
第1章 網絡空間安全中的網絡本體語言：網絡知識的概念建模1
11網絡空間安全中的知識工程簡介1
12網絡空間安全分類標準4
13網絡空間安全的核心參考本體模型6
14網絡空間安全的上層本體6
15網絡空間安全的領域本體8
151入侵檢測本體模型8
152惡意軟件分類和惡意軟件行為本體模型8
153網絡威脅情報本體模型9
154數字取證本體模型10
155安全操作和流程本體模型11
156描述網絡攻擊及其影響的本體模型11
16網絡空間安全的相關網絡系統(tǒng)
本體集1217總結14
參考文獻15
第2章 推理型網絡態(tài)勢感知的網絡語義知識表示18
21引言18
22預備知識19
23通信網絡的概念23
231網絡和拓撲結構24
232網絡接口和IP地址24
233路由器25
234自治系統(tǒng)和路由系統(tǒng)26
24網絡態(tài)勢感知的形式化知識表示28
25表示網絡數據來源33
26表示網絡數據的不確定性35
27表示網絡數據的模糊性38
28對網絡態(tài)勢感知的推理支持40
29總結41
參考文獻41
第3章 機器學習系統(tǒng)的安全性45
31機器學習算法的脆弱性45
32威脅模型46
321攻擊者能力產生的威脅47
322攻擊者目標產生的威脅48
323攻擊者知識產生的威脅49
324攻擊策略產生的威脅50
33數據中毒52
331投毒攻擊場景53
332*佳投毒攻擊56
333投毒攻擊的可傳遞性61
334對投毒攻擊的防御63
34在測試中的攻擊64
341規(guī)避攻擊場景66
342規(guī)避攻擊的計算69
343規(guī)避攻擊的可傳遞性70
344對規(guī)避攻擊的防御72
35總結73
參考文獻74
第4章 攻擊前修補漏洞：一種識別目標軟件脆弱性的方法77
41引言78
42相關工作81
43預備知識82
431有監(jiān)督的學習方法82
432漏洞利用預測面臨的挑戰(zhàn)83
44漏洞利用預測模型85
441數據源86
442特征描述88
45漏洞及利用分析90
451漏洞利用可能性91
452基于時間的分析91
453基于供應商 平臺的分析93
454基于語言的分析94
46實驗設置95
461性能評估96
462結果97
47對抗數據處理103
48討論105
49總結107
參考文獻107
第5章 人工智能方法在網絡攻擊檢測中的應用111
51引言111
52相關工作112
53二元分類器114
531神經網絡114
532模糊神經網絡118
533支持向量機123
54訓練二元分類器以檢測網絡攻擊126
541計算和預處理網絡參數127
542二元分類器權重的遺傳優(yōu)化129
543網絡攻擊檢測算法131
55組合多種二元分類器方案132
551組合檢測器的低層級方案132
552聚合成分134
553組合檢測器的常用方法136
56實驗137
561數據集137
562實驗1138
563實驗2139
57總結140
參考文獻141
第6章 用于網絡入侵檢測的機器學習算法144
61引言144
62網絡入侵檢測系統(tǒng)146
621部署方法146
622檢測方法148
63網絡入侵檢測中的機器學習149
631模糊推理系統(tǒng)150
632人工神經網絡156
633基于機器學習的NIDS的部署160
64實驗161
641評估環(huán)境161
642模型構建162
643結果對比164
65總結165
參考文獻166
第7章 使用機器學習技術進行Android應用程序分析172
71引言172
72Android應用程序包的結構174
721中央配置(AndroidManifestxml)174
722Dalvik字節(jié)碼(classesdex)175
73Android惡意軟件識別技術176
731黑名單176
732參數化177
733分類177
74數據集準備178
741APK文件分析178
742應用程序元數據179
743標簽分類180
744數據編碼180
745一種安全和惡意APK文件的新型數據集181
75用SVM檢測惡意軟件182
751SVM概述182
752特征設置185
753調整超參數185
754評估指標186
755數值結果186
76與參數化方法比較188
761擴展DroidRisk188
762DroidRisk性能189
77特征選擇190
771遞歸特征消除190
772排序標準191
773實驗192
78問題和限制194
79總結195
參考文獻195
序言
前言
第1章 網絡空間安全中的網絡本體語言：網絡知識的概念建模1
11網絡空間安全中的知識工程簡介1
12網絡空間安全分類標準4
13網絡空間安全的核心參考本體模型6
14網絡空間安全的上層本體6
15網絡空間安全的領域本體8
151入侵檢測本體模型8
152惡意軟件分類和惡意軟件行為本體模型8
153網絡威脅情報本體模型9
154數字取證本體模型10
155安全操作和流程本體模型11
156描述網絡攻擊及其影響的本體模型11
16網絡空間安全的相關網絡系統(tǒng)
本體集1217總結14
參考文獻15
第2章 推理型網絡態(tài)勢感知的網絡語義知識表示18
21引言18
22預備知識19
23通信網絡的概念23
231網絡和拓撲結構24
232網絡接口和IP地址24
233路由器25
234自治系統(tǒng)和路由系統(tǒng)26
24網絡態(tài)勢感知的形式化知識表示28
25表示網絡數據來源33
26表示網絡數據的不確定性35
27表示網絡數據的模糊性38
28對網絡態(tài)勢感知的推理支持40
29總結41
參考文獻41
第3章 機器學習系統(tǒng)的安全性45
31機器學習算法的脆弱性45
32威脅模型46
321攻擊者能力產生的威脅47
322攻擊者目標產生的威脅48
323攻擊者知識產生的威脅49
324攻擊策略產生的威脅50
33數據中毒52
331投毒攻擊場景53
332*佳投毒攻擊56
333投毒攻擊的可傳遞性61
334對投毒攻擊的防御63
34在測試中的攻擊64
341規(guī)避攻擊場景66
342規(guī)避攻擊的計算69
343規(guī)避攻擊的可傳遞性70
344對規(guī)避攻擊的防御72
35總結73
參考文獻74
第4章 攻擊前修補漏洞：一種識別目標軟件脆弱性的方法77
41引言78
42相關工作81
43預備知識82
431有監(jiān)督的學習方法82
432漏洞利用預測面臨的挑戰(zhàn)83
44漏洞利用預測模型85
441數據源86
442特征描述88
45漏洞及利用分析90
451漏洞利用可能性91
452基于時間的分析91
453基于供應商 平臺的分析93
454基于語言的分析94
46實驗設置95
461性能評估96
462結果97
47對抗數據處理103
48討論105
49總結107
參考文獻107
第5章 人工智能方法在網絡攻擊檢測中的應用111
51引言111
52相關工作112
53二元分類器114
531神經網絡114
532模糊神經網絡118
533支持向量機123
54訓練二元分類器以檢測網絡攻擊126
541計算和預處理網絡參數127
542二元分類器權重的遺傳優(yōu)化129
543網絡攻擊檢測算法131
55組合多種二元分類器方案132
551組合檢測器的低層級方案132
552聚合成分134
553組合檢測器的常用方法136
56實驗137
561數據集137
562實驗1138
563實驗2139
57總結140
參考文獻141
第6章 用于網絡入侵檢測的機器學習算法144
61引言144
62網絡入侵檢測系統(tǒng)146
621部署方法146
622檢測方法148
63網絡入侵檢測中的機器學習149
631模糊推理系統(tǒng)150
632人工神經網絡156
633基于機器學習的NIDS的部署160
64實驗161
641評估環(huán)境161
642模型構建162
643結果對比164
65總結165
參考文獻166
第7章 使用機器學習技術進行Android應用程序分析172
71引言172
72Android應用程序包的結構174
721中央配置(AndroidManifestxml)174
722Dalvik字節(jié)碼(classesdex)175
73Android惡意軟件識別技術176
731黑名單176
732參數化177
733分類177
74數據集準備178
741APK文件分析178
742應用程序元數據179
743標簽分類180
744數據編碼180
745一種安全和惡意APK文件的新型數據集181
75用SVM檢測惡意軟件182
751SVM概述182
752特征設置185
753調整超參數185
754評估指標186
755數值結果186
76與參數化方法比較188
761擴展DroidRisk188
762DroidRisk性能189
77特征選擇190
771遞歸特征消除190
772排序標準191
773實驗192
78問題和限制194
79總結195
參考文獻195
展開全部
基于人工智能方法的網絡空間安全 作者簡介
萊斯利·F.西科斯，（Leslie F. Sikos)）博士、計算機科學家，專攻格式化知識表示、本體工程和應用于各種領域的自動推理，包括網絡威脅情報和需要網絡態(tài)勢感知的網絡應用。他在學術界和業(yè)界都有工作經驗，并掌握了數據中心和云基礎設施網絡威脅管理以及防火墻配置方面的實踐技能。他持有專業(yè)證書，是多個行業(yè)領先組織（如ACM、自動推理協(xié)會、IEEE網絡安全和隱私大數據特別興趣小組以及IEEE計算機協(xié)會安全和隱私技術委員會）的成員。
書友推薦
- >
伯納黛特,你要去哪(2021新版)
- >
月亮虎
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
有舍有得是人生
- >
我與地壇
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
【精裝繪本】畫給孩子的中國神話
- >
二體千字文
本類暢銷
