掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大數據安全治理與防范——網址反欺詐實戰 版權信息
- ISBN：9787115622389
- 條形碼：9787115622389 ; 978-7-115-62238-9
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據安全治理與防范——網址反欺詐實戰 本書特色
1.專業性：由在互聯網安全領域有豐富經驗和技能的騰訊專家工程師親筆撰寫，他們的知識和經驗是這本書的寶貴財富。他們的專業性和技術實力使得這本書成為讀者了解和掌握網址安全的重要參考。
2.實戰性：本書注重實戰，書中包含了大量的網址反欺詐實戰案例和干貨，讀者可以通過這些案例和干貨了解和掌握網址安全的實踐技巧和策略。
3.全面性：從萬維網的起源、工作原理和發展歷程講起，然后列舉常見的惡意網站，讓讀者了解網址反欺詐面臨的主要問題。接下來，將講解網址基礎數據、數據治理和特征工程，然后介紹包含網址結構、文本、圖像、復雜網絡在內的一系列對抗方法和實戰案例，*后介紹網址運營體系和網址知識情報挖掘及應用。這是一個完整的系統性的講解，將幫助讀者全面了解和掌握網址安全的相關知識。
4.創新性：本書是市面上有關網址安全的業務實戰級指導圖書之一，來自于互聯網一線大廠多年網址反欺詐對抗風控經驗總結，作者們將高科技從業人員在網址安全領域的新技術、工具和實踐經驗融入其中，以清晰、易懂的方式向讀者展示網址安全的各個方面。此外，書中還提供了大量的實戰案例和技術細節，讓讀者能夠更好地理解并應用所學知識。
大數據安全治理與防范——網址反欺詐實戰 內容簡介
互聯網的快速發展，在方便用戶信息傳遞的過程中，也使大量犯罪活動從線下向線上轉移，黑灰產常常通過搭建和傳播欺詐、賭博、等惡意網站來牟取暴利。為了凈化網絡環境，必須加大對惡意網站的檢測和攔截。 本書主要介紹惡意網址的欺詐手段和對抗技術。本書分為5個部分，共11章。針對網址反欺詐這一領域，首先介紹萬維網的起源、工作原理和發展歷程；其次通過列舉常見的惡意網站，讓讀者了解網址反欺詐面臨的主要問題；然后講解網址基礎數據、數據治理和特征工程；接著介紹包含網址結構、文本、圖像、復雜網絡在內的一系列對抗方法和實戰案例；*后介紹網址運營體系和網址知識情報挖掘及應用。本書將理論與實踐相結合，幫助讀者了解和掌握網址安全相關知識體系，也能幫助讀者培養從0到1搭建網址反欺詐體系的能力。無論是初級信息安全從業者，還是有志于從事信息安全方向的在校學生，都會在閱讀中受益匪淺。
大數據安全治理與防范——網址反欺詐實戰 目錄
目 錄
第 1部分 網址大數據安全基礎
第 1章 緒論 2
1.1 萬維網的起源 2
1.1.1 萬維網的發明 3
1.1.2 萬維網的關鍵技術 3
1.1.3 萬維網的影響 6
1.2 萬維網的工作原理 6
1.2.1 網站開發 8
1.2.2 網站部署 9
1.2.3 網站解析 10
1.2.4 網站渲染 11
1.3 萬維網風控發展歷程 13
1.3.1 專家規則 14
1.3.2 機器學習模型 14
1.3.3 深度學習模型 14
1.3.4 圖神經網絡模型 15
1.4 萬維網安全風控架構 16
1.5 小結 18
第 2部分 黑灰產洞察
第 2章 網絡黑灰產及其危害 20
2.1 詐騙類網站 20
2.1.1 投資理財類 21
2.1.2 貸款、代辦信用卡類 24
2.1.3 刷單返利類 25
2.1.4 仿冒平臺類 26
2.1.5 虛假交易類 29
2.1.6 虛假征信類 29
2.2 網絡賭博類網站 30
2.3 低俗色情類網站 32
2.4 盜號釣魚類網站 33
2.5 木馬病毒類網站 34
2.6 盜版侵權類網站 35
2.7 惡意刷量類網站 36
2.8 虛假廣告類網站 37
2.9 小結 38
第3部分 網址大數據治理與異常數據發現
第3章 網址數據治理與特征工程 40
3.1 網址基礎數據 40
3.1.1 資源定位符信息 41
3.1.2 域名IP地址 42
3.1.3 Whois注冊 42
3.1.4 ICP備案 43
3.1.5 Alexa排名 43
3.1.6 跳轉關系 44
3.1.7 頁面內容 45
3.2 網址數據治理 45
3.2.1 數據采集 46
3.2.2 數據清洗 46
3.2.3 數據存儲 47
3.2.4 數據計算 48
3.3 網址特征工程 49
3.3.1 特征編碼與嵌入 49
3.3.2 特征挖掘 50
3.3.3 特征評估 51
3.4 小結 52
第4章 網址異常檢測體系 53
4.1 流量模型 54
4.2 傳播渠道模型 55
4.3 網站行為模型 57
4.4 時間序列模型 59
4.5 網址關系鏈模型 60
4.6 小結 62
第4部分 網址反欺詐檢測模型
第5章 網址結構檢測模型 64
5.1 網頁結構基礎 64
5.1.1 網頁核心構成 65
5.1.2 資源列表結構 69
5.1.3 網站目錄結構 71
5.1.4 惡意代碼片段 72
5.2 網頁指紋算法流程 75
5.3 生成網頁指紋 76
5.3.1 網頁預處理 76
5.3.2 指紋生成算法的選型 78
5.4 構建異常指紋庫 79
5.5 指紋相似度算法 81
5.6 小結 82
第6章 網址文本檢測模型 83
6.1 網址文本數據 83
6.2 常見惡意網址文本 86
6.3 敏感詞規則模型 88
6.3.1 敏感詞發現 90
6.3.2 敏感詞規則 91
6.4 文本聚類模型 92
6.4.1 惡意種子擴散案例 92
6.4.2 新型惡意網址發現案例 95
6.5 文本分類模型 97
6.5.1 文本二分類算法 99
6.5.2 文本多分類算法 101
6.6 小結 104
第7章 網址圖像檢測模型 105
7.1 圖像提取與預處理 105
7.1.1 圖像提取 106
7.1.2 圖像預處理 109
7.1.3 圖像數據集 111
7.2 圖像分類模型 112
7.2.1 數據準備 112
7.2.2 模型訓練 114
7.2.3 訓練加速 117
7.2.4 預測與可解釋性 118
7.3 圖像相似度方法 119
7.3.1 相似度計算 120
7.3.2 擴散方法 121
7.3.3 檢索方法 123
7.4 圖像目標檢測方法 124
7.4.1 模型訓練 124
7.4.2 模型預測 126
7.5 小結 129
第8章 網址復雜網絡檢測模型 130
8.1 網址復雜網絡的構建 130
8.1.1 網絡的節點 130
8.1.2 網絡的邊 134
8.2 網址復雜網絡的節點預測 138
8.2.1 預訓練文本模型對網絡節點的預測 139
8.2.2 預訓練圖像模型對網絡節點的預測 140
8.2.3 預訓練指紋模型對網絡節點的預測 141
8.2.4 預訓練DNN模型對網絡節點的預測 142
8.2.5 預訓練多模態模型對網絡節點的預測 143
8.3 網址復雜網絡的關系應用 144
8.3.1 歸屬與包含關系的應用 144
8.3.2 聚集關系的應用 145
8.3.3 引用關系的應用 147
8.3.4 跳轉關系的應用 149
8.4 網址復雜網絡的綜合應用 151
8.4.1 圖神經網絡算法 151
8.4.2 社區劃分算法 156
8.5 小結 158
第9章 網址多模態檢測模型 159
9.1 特征融合 161
9.1.1 直接融合 161
9.1.2 無監督融合 164
9.1.3 有監督融合 167
9.2 決策融合 169
9.2.1 模型集成 169
9.2.2 分層篩選 170
9.3 協同訓練 172
9.4 小結 174
第5部分 網址運營與情報體系
第 10章 網址運營體系 176
10.1 穩定性運營 177
10.1.1 在線服務 177
10.1.2 網址黑庫 180
10.1.3 特征模型 181
10.2 防誤報運營 182
10.2.1 白保護名單 182
10.2.2 防誤報監控 184
10.2.3 自動化處置 185
10.3 用戶反饋運營 186
10.3.1 網址申訴 187
10.3.2 網址舉報 188
10.3.3 故障反饋 189
10.4 分級告警體系 190
10.5 小結 190
第 11章 網址知識情報挖掘及應用 191
11.1 黑灰產團伙資源情報挖掘 191
11.1.1 網址類資源挖掘 191
11.1.2 賬號類資源挖掘 195
11.2 黑產入侵網站情報挖掘 196
11.2.1 HTML源文件分析法 196
11.2.2 網址關系鏈分析法 198
11.3 惡意網址服務商情報挖掘 200
11.3.1 內容服務商 200
11.3.2 支付服務商 201
11.4 小結 202
第 1部分 網址大數據安全基礎
第 1章 緒論 2
1.1 萬維網的起源 2
1.1.1 萬維網的發明 3
1.1.2 萬維網的關鍵技術 3
1.1.3 萬維網的影響 6
1.2 萬維網的工作原理 6
1.2.1 網站開發 8
1.2.2 網站部署 9
1.2.3 網站解析 10
1.2.4 網站渲染 11
1.3 萬維網風控發展歷程 13
1.3.1 專家規則 14
1.3.2 機器學習模型 14
1.3.3 深度學習模型 14
1.3.4 圖神經網絡模型 15
1.4 萬維網安全風控架構 16
1.5 小結 18
第 2部分 黑灰產洞察
第 2章 網絡黑灰產及其危害 20
2.1 詐騙類網站 20
2.1.1 投資理財類 21
2.1.2 貸款、代辦信用卡類 24
2.1.3 刷單返利類 25
2.1.4 仿冒平臺類 26
2.1.5 虛假交易類 29
2.1.6 虛假征信類 29
2.2 網絡賭博類網站 30
2.3 低俗色情類網站 32
2.4 盜號釣魚類網站 33
2.5 木馬病毒類網站 34
2.6 盜版侵權類網站 35
2.7 惡意刷量類網站 36
2.8 虛假廣告類網站 37
2.9 小結 38
第3部分 網址大數據治理與異常數據發現
第3章 網址數據治理與特征工程 40
3.1 網址基礎數據 40
3.1.1 資源定位符信息 41
3.1.2 域名IP地址 42
3.1.3 Whois注冊 42
3.1.4 ICP備案 43
3.1.5 Alexa排名 43
3.1.6 跳轉關系 44
3.1.7 頁面內容 45
3.2 網址數據治理 45
3.2.1 數據采集 46
3.2.2 數據清洗 46
3.2.3 數據存儲 47
3.2.4 數據計算 48
3.3 網址特征工程 49
3.3.1 特征編碼與嵌入 49
3.3.2 特征挖掘 50
3.3.3 特征評估 51
3.4 小結 52
第4章 網址異常檢測體系 53
4.1 流量模型 54
4.2 傳播渠道模型 55
4.3 網站行為模型 57
4.4 時間序列模型 59
4.5 網址關系鏈模型 60
4.6 小結 62
第4部分 網址反欺詐檢測模型
第5章 網址結構檢測模型 64
5.1 網頁結構基礎 64
5.1.1 網頁核心構成 65
5.1.2 資源列表結構 69
5.1.3 網站目錄結構 71
5.1.4 惡意代碼片段 72
5.2 網頁指紋算法流程 75
5.3 生成網頁指紋 76
5.3.1 網頁預處理 76
5.3.2 指紋生成算法的選型 78
5.4 構建異常指紋庫 79
5.5 指紋相似度算法 81
5.6 小結 82
第6章 網址文本檢測模型 83
6.1 網址文本數據 83
6.2 常見惡意網址文本 86
6.3 敏感詞規則模型 88
6.3.1 敏感詞發現 90
6.3.2 敏感詞規則 91
6.4 文本聚類模型 92
6.4.1 惡意種子擴散案例 92
6.4.2 新型惡意網址發現案例 95
6.5 文本分類模型 97
6.5.1 文本二分類算法 99
6.5.2 文本多分類算法 101
6.6 小結 104
第7章 網址圖像檢測模型 105
7.1 圖像提取與預處理 105
7.1.1 圖像提取 106
7.1.2 圖像預處理 109
7.1.3 圖像數據集 111
7.2 圖像分類模型 112
7.2.1 數據準備 112
7.2.2 模型訓練 114
7.2.3 訓練加速 117
7.2.4 預測與可解釋性 118
7.3 圖像相似度方法 119
7.3.1 相似度計算 120
7.3.2 擴散方法 121
7.3.3 檢索方法 123
7.4 圖像目標檢測方法 124
7.4.1 模型訓練 124
7.4.2 模型預測 126
7.5 小結 129
第8章 網址復雜網絡檢測模型 130
8.1 網址復雜網絡的構建 130
8.1.1 網絡的節點 130
8.1.2 網絡的邊 134
8.2 網址復雜網絡的節點預測 138
8.2.1 預訓練文本模型對網絡節點的預測 139
8.2.2 預訓練圖像模型對網絡節點的預測 140
8.2.3 預訓練指紋模型對網絡節點的預測 141
8.2.4 預訓練DNN模型對網絡節點的預測 142
8.2.5 預訓練多模態模型對網絡節點的預測 143
8.3 網址復雜網絡的關系應用 144
8.3.1 歸屬與包含關系的應用 144
8.3.2 聚集關系的應用 145
8.3.3 引用關系的應用 147
8.3.4 跳轉關系的應用 149
8.4 網址復雜網絡的綜合應用 151
8.4.1 圖神經網絡算法 151
8.4.2 社區劃分算法 156
8.5 小結 158
第9章 網址多模態檢測模型 159
9.1 特征融合 161
9.1.1 直接融合 161
9.1.2 無監督融合 164
9.1.3 有監督融合 167
9.2 決策融合 169
9.2.1 模型集成 169
9.2.2 分層篩選 170
9.3 協同訓練 172
9.4 小結 174
第5部分 網址運營與情報體系
第 10章 網址運營體系 176
10.1 穩定性運營 177
10.1.1 在線服務 177
10.1.2 網址黑庫 180
10.1.3 特征模型 181
10.2 防誤報運營 182
10.2.1 白保護名單 182
10.2.2 防誤報監控 184
10.2.3 自動化處置 185
10.3 用戶反饋運營 186
10.3.1 網址申訴 187
10.3.2 網址舉報 188
10.3.3 故障反饋 189
10.4 分級告警體系 190
10.5 小結 190
第 11章 網址知識情報挖掘及應用 191
11.1 黑灰產團伙資源情報挖掘 191
11.1.1 網址類資源挖掘 191
11.1.2 賬號類資源挖掘 195
11.2 黑產入侵網站情報挖掘 196
11.2.1 HTML源文件分析法 196
11.2.2 網址關系鏈分析法 198
11.3 惡意網址服務商情報挖掘 200
11.3.1 內容服務商 200
11.3.2 支付服務商 201
11.4 小結 202
展開全部
大數據安全治理與防范——網址反欺詐實戰 作者簡介
張凱，現任騰訊專家工程師。一直從事大數據安全方面的工作，積累了10多年的黑灰產對抗經驗，主要參與過游戲安全對抗、業務防刷、金融風控和反詐騙對抗系統等項目。 牛亞峰，現任騰訊高級工程師。一直從事黑灰產對抗業務方面的工作，參與過反洗錢、支付反欺詐、電信反詐、網址反欺詐等項目。 張旭，現任騰訊高級工程師。主要從事大數據下黑灰產安全對抗業務、反詐騙對抗系統開發方面的工作。曾參與中國信息通信研究院《電話號碼標記應用技術要求》行業標準制定，并為《電信網絡詐騙治理與人工智能應用白皮書》提供行業技術支持。 甘曉華，現任騰訊高級工程師。主要從事金融風控、黑灰產對抗等業務安全方面的相關工作。 熊奇，現任騰訊專家工程師。一直從事業務安全方面的工作，先后參與過反詐騙、App安全、金融反詐和安全大數據合規與業務風控等項目，積累了15年的黑灰產對抗和安全系統架構的經驗。
書友推薦
- >
朝聞道
- >
推拿
- >
我與地壇
- >
唐代進士錄
- >
山海經
- >
煙與鏡
- >
伊索寓言-世界文學名著典藏-全譯本
- >
小考拉的故事-套裝共3冊
本類暢銷
