机器学习实战之网络安全分析9787118126709
正版图书，可开发票，请放心购买。
￥ 57.92 6.5折 ￥ 89 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者[印] 托尼.托马斯，[印] 阿西拉.P.维贾亚拉哈万 著
出版社国防工业出版社
ISBN9787118126709
出版时间2022-09
装帧平装
开本16开
定价89元
货号31593831
上书时间2024-11-29
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
商品简介
本书介绍了用于网络安全分析的各种机器学习方法。本书重点内容有：介绍了机器学习算法在网络安全分析方面的应用，包括恶意软件检测、生物特征识别、异常检测、网络攻击预测等；为机器学习提供了各种工具和技术，快速地预测、检测和识别网络攻击等。
目录
1简介。1.1网络安全问题。1.2机器学习。1.3本书中机器学习算法的实现。1.4距离度量。1.5机器学习中的评估指标。1.6数学预备课。1.6.1线性代数。1.6.2度量空间。1.6.3概率。1.6.4优化。2机器学习简介。2.1简介。2.1.1有监督机器学习。2.1.2无监督机器学习。2.1.3半监督机器学习。2.1.4强化机器学习。2.2线性回归。2.3多项式回归。2.4逻辑回归。2.5朴素贝叶斯分类器。2.6支持向量机。2.7决策树。2.8临近算法。2.9聚类分析。2.10降维。2.11线性判别分析。2.12提升算法。3机器学习和网络安全。3.1简介。3.2垃圾邮件检测。3.3钓鱼网页检测。3.4恶意软件检测。3.5 DoS和DDoS攻击检测。3.6异常检测。3.7生物识别。3.8软件漏洞。4支持向量机和恶意软件检测。4.1简介。4.2恶意软件检测。4.3最大化边距和超平面优化。4.4拉格朗日乘数。4.5核方法。4.6基于权限的Android恶意软件静态检测使用支持向量机。4.6.1实验结果和讨论。4.7使用支持向量机开展基于API调用的静态Android恶意软件检测。4.7.1实验结果和讨论。4.8研究结论和方向。4.8.1最新技术。5聚类分析和恶意软件分类。5.1简介。5.2聚类分析算法。5.3特征提取。5.4实施工具。5.5 K-均值聚类。5.6模糊C均值聚类。5.7基于密度的聚类。5.7.1 DBSCAN聚类。5.8层次聚类。5.9聚类算法应用最新进展。5.10结论。6临近算法和指纹分类。6.1简介。6.2神经网络回归。6.3 K-NN分类。6.4K-NN数据准备。6.5局部敏感哈希算法（LSH）。6.6计算最近邻的算法。6.6.1暴力破解。6.6.2 KD树算法。6.6.3Ball Tree算法。6.7基于半径的最近邻算法。6.8神经网络在生物特征识别中的应用。6.8.1暴力破解分类算法。6.8.2最近邻算法的最新应用。6.9结论。
内容摘要
本书介绍了用于网络安全分析的各种机器学习方法。本书重点内容有：介绍了机器学习算法在网络安全分析方面的应用，包括恶意软件检测、生物特征识别、异常检测、网络攻击预测等；为机器学习提供了各种工具和技术，快速地预测、检测和识别网络攻击等。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价