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——流量反欺詐實戰 版權信息
- ISBN：9787115625601
- 條形碼：9787115625601 ; 978-7-115-62560-1
- 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——流量反欺詐實戰 本書特色
1. 市面上新出的有關流量安全的業務實戰級的指導圖書。 2. 本書來自于互聯網一線大廠多年來流量反欺詐對抗風控經驗總結，帶領讀者深入了解流量安全全貌。 3. 本書對技術的講解融入在真實業務對抗場景中，更具獨特性和實操性。 4. 基于《大數據治理與防范——反欺詐體系建設》(豆瓣9.2分)的基礎理論體系，幫助讀者建立大數據安全思維，手把手教讀者搭建大數據安全場景下的流量反欺詐系統。流量欺詐已經逐漸成為平臺發展中無法忽視的重要問題。面對黑灰產有組織的規模化攻擊，企業必須高效構建流量反欺詐系統。本書基于作者在流量安全領域豐富的對抗經驗，系統介紹了構建流量反欺詐系統所需的關鍵知識和**技能，可以幫助讀者快速掌握構建流量反欺詐系統的方法，并能在實際業務場景中進行落地實施。 陳冬 騰訊互娛業務安全部總經理 從PC互聯網時代到移動互聯網時代，再到流量爆炸式增長的云計算和大數據時代，隨之而來的流量欺詐問題也愈發嚴重。本書基于作者多年一線業務風控的經驗，從實戰角度系統地介紹了設備指紋、人機驗證、規則引擎、機器學習和復雜網絡等流量反欺詐技術與對抗方案。本書可以幫助讀者從0到1快速構建流量反欺詐系統，并能將該體系應用到實際業務中。 李旭陽 富途科技研發副總裁 流量欺詐是互聯網業務無法避開的問題，本書從背景知識、欺詐手段到對抗方案等方面對流量反欺詐系統進行了深入的闡述。本書作者長期從事流量安全領域的相關工作，構建了業內領先的反欺詐產品，并且在各行各業得到了廣泛應用。知道創宇也有幸參與過其中部分產品的研發和應用，深感流量反欺詐為客戶和用戶帶來的巨大價值。我推薦所有互聯網業務運營人員認真研讀本書，并立即運用書中介紹的技術和方案，相信從本書中學到的實用知識一定能為業務的穩定運營提供一層堅實的保障。 趙偉 知道創宇創始人、CEO 在強大的經濟利益驅使和持續的對抗博弈下，網絡詐騙技術不斷迭代升級，本書深入介紹了流量反欺詐系統，并從流量治理層面詳細描述了流量情報與運營體系。本書講解通俗易懂，案例分析生動具體，非常適合對流量反欺詐感興趣的讀者，以及網絡治理工作人員、一線技術人員、研究人員、教育工作者閱讀。 彭國軍 武漢大學國家網絡安全學院副院長、教授在大數據時代，流量欺詐問題越來越引人關注。本書作者從流量反欺詐的視角出發，詳細地講解了互聯網流量的發展歷程、流量欺詐問題，以及基于算法識別黑灰產流量的方法。本書非常適合安全從業人員閱讀。 郭斌 西北工業大學計算機學院副院長、教授本書作者在大數據黑產對抗領域深耕多年，從設備指紋、人機驗證、規則引擎、機器學習、復雜網絡和多模態等多個方向，為讀者介紹了流量反欺詐技術與對抗方案，并結合實際案例進行講解。本書內容通俗易懂，值得相關領域從業人員閱讀。 鄧欣 永安在線CSO、Pwn2Own 2016大賽冠軍
大數據安全治理與防范——流量反欺詐實戰 內容簡介
互聯網的快速發展方便用戶傳遞和獲取信息，也催生了大量線上的犯罪活動。在互聯網流量中，黑灰產通過多種欺詐工具和手段來牟取暴利，包括流量前期的推廣結算欺詐、注冊欺詐和登錄欺詐，流量中期的“薅羊毛”欺詐、刷量欺詐和引流欺詐，流量后期的電信詐騙、資源變現欺詐等。這些流量欺詐行為給互聯網用戶和平臺方造成了巨大的利益損失，因此為了保護互聯網平臺健康發展和用戶上網安全，必須加大對欺詐流量的打擊力度。本書主要介紹惡意流量的欺詐手段和對抗技術，分為?5?個部分，共12章。針對流量反欺詐這一領域，先講解流量安全基礎；再基于流量風險洞察，講解典型流量欺詐手段及其危害；接著從流量數據治理層面，講解基礎數據形態、數據治理和特征工程；然后重點從設備指紋、人機驗證、規則引擎、機器學習對抗、復雜網絡對抗、多模態集成對抗和新型對抗等方面，講解流量反欺詐技術；*后通過運營體系與知識情報來迭代和優化流量反欺詐方案。本書將理論與實踐相結合，能幫助讀者了解和掌握流量反欺詐相關知識體系，也能幫助讀者培養從0到1搭建流量反欺詐體系的能力。無論是信息安全從業人員，還是有意在大數據安全方向發展的高校學生，都會在閱讀中受益匪淺。
大數據安全治理與防范——流量反欺詐實戰 目錄
第 1部分 流量安全基礎
第 1章 緒論 2
1.1 互聯網流量的發展歷程 2
1.1.1 PC互聯網時代 3
1.1.2 移動互聯網時代 4
1.1.3 云計算和大數據時代 5
1.2 大數據時代的流量欺詐問題 6
1.3 大數據時代的流量反欺詐挑戰 7
1.3.1 監管層面 7
1.3.2 行業層面 8
1.3.3 業務層面 8
1.4 流量反欺詐系統的架構 9
1.4.1 流量反欺詐方案的演變歷程 9
1.4.2 流量反欺詐系統的架構 11
1.5 小結 13
第 2部分 流量風險洞察x
第 2章 流量欺詐手段及其危害 16
2.1 流量前期欺詐 17
2.1.1 推廣結算欺詐 17
2.1.2 注冊欺詐 21
2.1.3 登錄欺詐 22
2.2 流量中期欺詐 24
2.2.1 “薅羊毛”欺詐 24
2.2.2 刷量欺詐 25
2.2.3 引流欺詐 27
2.3 流量后期欺詐 30
2.3.1 電信詐騙 30
2.3.2 資源變現欺詐 31
2.4 欺詐收益分析 33
2.5 小結 34
第3部分 流量數據治理
第3章 流量數據治理和特征工程 36
3.1 基礎數據形態 36
3.1.1 流量前期數據 37
3.1.2 流量中期數據 37
3.1.3 流量后期數據 39
3.1.4 流量數據特性對比 40
3.2 數據治理 41
3.2.1 數據采集 41
3.2.2 數據清洗 42
3.2.3 數據存儲 43
3.2.4 數據計算 44
3.3 特征工程 45
3.3.1 特征構建 45
3.3.2 特征評估與特征選擇 46
3.3.3 特征監控 48
3.4 小結 49
第4部分 流量反欺詐技術
第4章 設備指紋技術 52
4.1 設備指紋的價值 52
4.2 技術原理 54
4.2.1 基礎概念 54
4.2.2 發展歷程 55
4.2.3 生成方式 56
4.3 技術實現方案 58
4.3.1 評估指標 58
4.3.2 構建特征 59
4.3.3 生成算法 60
4.4 小結 64
第5章 人機驗證 65
5.1 人機驗證基礎 65
5.1.1 驗證碼的誕生 65
5.1.2 驗證碼的應用場景 66
5.1.3 驗證碼的構建框架 67
5.2 基礎層面的攻防 68
5.3 設計層面的攻防 69
5.3.1 字符驗證碼 70
5.3.2 行為驗證碼 73
5.3.3 新型驗證碼 75
5.4 小結 77
第6章 規則引擎 78
6.1 風險名單 78
6.1.1 風險名單基礎 78
6.1.2 風險名單的攻防演進 79
6.1.3 風險名單上線和運營 80
6.2 通用規則 82
6.2.1 IP策略的攻防演進 83
6.2.2 設備策略的攻防演進 87
6.2.3 賬號策略的攻防演進 90
6.3 業務定制規則 94
6.3.1 規則智能預處理模塊 95
6.3.2 規則智能構建模塊 96
6.3.3 規則智能篩選模塊 96
6.3.4 其他模塊 97
6.4 小結 97
第7章 機器學習對抗方案 98
7.1 無樣本場景 99
7.1.1 傳統統計檢驗方案 101
7.1.2 無監督學習方案 102
7.2 單樣本場景 104
7.2.1 傳統半監督學習方案 105
7.2.2 行為序列學習方案 107
7.3 多樣本場景 112
7.3.1 二分類模型與回歸模型 113
7.3.2 可解釋性判別場景 114
7.3.3 集成模型 117
7.4 小結 122
第8章 復雜網絡對抗方案 123
8.1 流量前期方案 124
8.1.1 單維資源聚集的團伙檢測 125
8.1.2 多維資源聚集的團伙檢測 129
8.2 流量中期方案 133
8.2.1 結構相似性團伙檢測 134
8.2.2 欺詐資源家族檢測 138
8.3 流量后期方案 141
8.4 小結 145
第9章 多模態集成對抗方案 146
9.1 多模態數據來源 147
9.1.1 關系圖譜信息 147
9.1.2 文本信息 148
9.1.3 圖像信息 149
9.1.4 其他模態信息 149
9.2 多模態融合方案 150
9.2.1 數據層融合 151
9.2.2 特征層融合 152
9.2.3 決策層融合 154
9.2.4 混合融合方案 156
9.3 小結 157
第 10章 新型對抗方案 158
10.1 聯邦學習 158
10.1.1 聯邦學習框架 159
10.1.2 異常流量的檢測效果 161
10.2 知識蒸餾 162
10.2.1 知識蒸餾框架 162
10.2.2 異常流量檢測的步驟 164
10.2.3 異常流量檢測的效果 164
10.3 小結 165
第5部分 運營體系與知識情報
第 11章 運營體系 168
11.1 穩定性運營 169
11.1.1 服務穩定性 171
11.1.2 數據穩定性 173
11.2 防誤報處理 175
11.2.1 疑似白名單 176
11.2.2 自動化運營 177
11.3 用戶反饋處理 177
11.3.1 用戶申訴處理 178
11.3.2 用戶舉報處理 179
11.4 告警處理體系 179
11.5 小結 181
第 12章 知識情報挖掘與應用 182
12.1 黑灰產團伙情報挖掘 183
12.1.1 “薅羊毛”情報 184
12.1.2 水軍刷評論情報 187
12.2 黑灰產行為模式情報挖掘 189
12.2.1 短視頻平臺養號 189
12.2.2 廣告點擊欺詐 191
12.3 黑灰產價格情報挖掘 193
12.4 小結 194
展開全部
大數據安全治理與防范——流量反欺詐實戰 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。 周鵬飛，現任騰訊高級工程師。主要從事大數據安全方面的工作，積累了多年黑灰產對抗經驗，參與過游戲安全對抗、金融風控、業務防刷、廣告反作弊、電信反詐和風險情報等項目。 楊澤，現任騰訊研究員。主要從事金融風控、黑灰產對抗等業務安全工作。 郝立揚，現任騰訊研究員。主要從事反詐騙、反賭博等業務安全工作。 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、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
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
史學評論
- >
自卑與超越
- >
名家帶你讀魯迅:故事新編
- >
伊索寓言-世界文學名著典藏-全譯本
- >
唐代進士錄
- >
回憶愛瑪儂
- >
二體千字文
本類暢銷
