• 大数据安全治理与防范——网址反欺诈实战
  • 大数据安全治理与防范——网址反欺诈实战
  • 大数据安全治理与防范——网址反欺诈实战
  • 大数据安全治理与防范——网址反欺诈实战
  • 大数据安全治理与防范——网址反欺诈实战
21年品牌 40万+商家 超1.5亿件商品

大数据安全治理与防范——网址反欺诈实战

全新正版 极速发货

47.97 6.0折 79.8 全新

库存4件

广东广州
认证卖家担保交易快速发货售后保障

作者张凯 等

出版社人民邮电出版社

ISBN9787115622389

出版时间2023-09

装帧平装

开本16开

定价79.8元

货号1203024880

上书时间2024-07-02

曲奇书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
作者简介
张凯,现任腾讯专家工程师。一直从事大数据安全方面的工作,积累了10多年的黑灰产对抗经验,主要参与过游戏安全对抗、业务防刷、金融风控和反诈骗对抗系统等项目。

牛亚峰,现任腾讯高级工程师。一直从事黑灰产对抗业务方面的工作,参与过反洗钱、支付反欺诈、电信反诈、网址反欺诈等项目。

张旭,现任腾讯高级工程师。主要从事大数据下黑灰产安全对抗业务、反诈骗对抗系统开发方面的工作。曾参与中国信息通信研究院《电话号码标记应用技术要求》行业标准制定,并为《电信网络诈骗治理与人工智能应用白皮书》提供行业技术支持。

甘晓华,现任腾讯高级工程师。主要从事金融风控、黑灰产对抗等业务安全方面的相关工作。

熊奇,现任腾讯专家工程师。一直从事业务安全方面的工作,先后参与过反诈骗、App安全、金融反诈和安全大数据合规与业务风控等项目,积累了15年的黑灰产对抗和安全系统架构的经验。

目录
第1部分网址大数据安全基础

第1章绪论2

1.1万维网的起源2

1.1.1万维网的发明3

1.1.2万维网的关键技术3

1.1.3万维网的影响6

1.2万维网的工作原理6

1.2.1网站开发8

1.2.2网站部署9

1.2.3网站解析10

1.2.4网站渲染11

1.3万维网风控发展历程13

1.3.1专家规则14

1.3.2机器学习模型14

1.3.3深度学习模型14

1.3.4图神经网络模型15

1.4万维网安全风控架构16

1.5小结18

第2部分黑灰产洞察

第2章网络黑灰产及其危害20

2.1诈骗类网站20

2.1.1投资理财类21

2.1.2贷款、代办信用卡类24

2.1.3刷单返利类25

2.1.4仿冒平台类26

2.1.5虚假交易类29

2.1.6虚假征信类29

2.2网络赌博类网站30

2.3低俗类网站32

2.4盗号钓鱼类网站33

2.5木马病毒类网站34

2.6盗版侵权类网站35

2.7恶意刷量类网站36

2.8虚假广告类网站37

2.9小结38

第3部分网址大数据治理与异常数据发现

第3章网址数据治理与特征工程40

3.1网址基础数据40

3.1.1资源定位符信息41

3.1.2域名IP地址42

3.1.3Whois注册42

3.1.4ICP备案43

3.1.5Alexa排名43

3.1.6跳转关系44

3.1.7页面内容45

3.2网址数据治理45

3.2.1数据采集46

3.2.2数据清洗46

3.2.3数据存储47

3.2.4数据计算48

3.3网址特征工程49

3.3.1特征编码与嵌入49

3.3.2特征挖掘50

3.3.3特征评估51

3.4小结52

第4章网址异常检测体系53

4.1流量模型54

4.2传播渠道模型55

4.3网站行为模型57

4.4时间序列模型59

4.5网址关系链模型60

4.6小结62

第4部分网址反欺诈检测模型

第5章网址结构检测模型64

5.1网页结构基础64

5.1.1网页核心构成65

5.1.2资源列表结构69

5.1.3网站目录结构71

5.1.4恶意代码片段72

5.2网页指纹算法流程75

5.3生成网页指纹76

5.3.1网页预处理76

5.3.2指纹生成算法的选型78

5.4构建异常指纹库79

5.5指纹相似度算法81

5.6小结82

第6章网址文本检测模型83

6.1网址文本数据83

6.2常见恶意网址文本86

6.3敏感词规则模型88

6.3.1敏感词发现90

6.3.2敏感词规则91

6.4文本聚类模型92

6.4.1恶意种子扩散案例92

6.4.2新型恶意网址发现案例95

6.5文本分类模型97

6.5.1文本二分类算法99

6.5.2文本多分类算法101

6.6小结104

第7章网址图像检测模型105

7.1图像提取与预处理105

7.1.1图像提取106

7.1.2图像预处理109

7.1.3图像数据集111

7.2图像分类模型112

7.2.1数据准备112

7.2.2模型训练114

7.2.3训练加速117

7.2.4预测与可解释性118

7.3图像相似度方法119

7.3.1相似度计算120

7.3.2扩散方法121

7.3.3检索方法123

7.4图像目标检测方法124

7.4.1模型训练124

7.4.2模型预测126

7.5小结129

第8章网址复杂网络检测模型130

8.1网址复杂网络的构建130

8.1.1网络的节点130

8.1.2网络的边134

8.2网址复杂网络的节点预测138

8.2.1预训练文本模型对网络节点的预测139

8.2.2预训练图像模型对网络节点的预测140

8.2.3预训练指纹模型对网络节点的预测141

8.2.4预训练DNN模型对网络节点的预测142

8.2.5预训练多模态模型对网络节点的预测143

8.3网址复杂网络的关系应用144

8.3.1归属与包含关系的应用144

8.3.2聚集关系的应用145

8.3.3引用关系的应用147

8.3.4跳转关系的应用149

8.4网址复杂网络的综合应用151

8.4.1图神经网络算法151

8.4.2社区划分算法156

8.5小结158

第9章网址多模态检测模型159

9.1特征融合161

9.1.1直接融合161

9.1.2无监督融合164

9.1.3有监督融合167

9.2决策融合169

9.2.1模型集成169

9.2.2分层筛选170

9.3协同训练172

9.4小结174

第5部分网址运营与情报体系

第10章网址运营体系176

10.1稳定性运营177

10.1.1在线服务177

10.1.2网址黑库180

10.1.3特征模型181

10.2防误报运营182

10.2.1白保护名单182

10.2.2防误报监控184

10.2.3自动化处置185

10.3用户反馈运营186

10.3.1网址申诉187

10.3.2网址举报188

10.3.3故障反馈189

10.4分级告警体系190

10.5小结190

第11章网址知识情报挖掘及应用191

11.1黑灰产团伙资源情报挖掘191

11.1.1网址类资源挖掘191

11.1.2账号类资源挖掘195

11.2黑产入侵网站情报挖掘196

11.2.1HTML源文件分析法196

11.2.2网址关系链分析法198

11.3恶意网址服务商情报挖掘200

11.3.1内容服务商200

11.3.2支付服务商201

11.4小结202

内容摘要
互联网的快速发展,在方便用户信息传递的过程中,也使大量犯罪活动从线下向线上转移,黑灰产常常通过搭建和传播欺诈、赌博、等恶意网站来牟取暴利。为了净化网络环境,必须加大对恶意网站的检测和拦截。
本书主要介绍恶意网址的欺诈手段和对抗技术。本书分为5个部分,共11章。针对网址反欺诈这一领域,首先介绍万维网的起源、工作原理和发展历程;其次通过列举常见的恶意网站,让读者了解网址反欺诈面临的主要问题;然后讲解网址基础数据、数据治理和特征工程;接着介绍包含网址结构、文本、图像、复杂网络在内的一系列对抗方法和实战案例;最后介绍网址运营体系和网址知识情报挖掘及应用。本书将理论与实践相结合,帮助读者了解和掌握网址安全相关知识体系,也能帮助读者培养从0到1搭建网址反欺诈体系的能力。无论是初级信息安全从业者,还是有志于从事信息安全方向的在校学生,都会在阅读中受益匪浅。

主编推荐
1.专业性:由在互联网安全领域有丰富经验和技能的腾讯专家工程师亲笔撰写,他们的知识和经验是这本书的宝贵财富。他们的专业性和技术实力使得这本书成为读者了解和掌握网址安全的重要参考。
2.实战性:本书注重实战,书中包含了大量的网址反欺诈实战案例和干货,读者可以通过这些案例和干货了解和掌握网址安全的实践技巧和策略。
3.全面性:从万维网的起源、工作原理和发展历程讲起,然后列举常见的恶意网站,让读者了解网址反欺诈面临的主要问题。接下来,将讲解网址基础数据、数据治理和特征工程,然后介绍包含网址结构、文本、图像、复杂网络在内的一系列对抗方法和实战案例,最后介绍网址运营体系和网址知识情报挖掘及应用。这是一个完整的系统性的讲解,将帮助读者全面了解和掌握网址安全的相关知识。
4.创新性:本书是市面上有关网址安全的业务实战级指导图书之一,来自于互联网一线大厂多年网址反欺诈对抗风控经验总结,作者们将高科技从业人员在网址安全领域的新技术、工具和实践经验融入其中,以清晰、易懂的方式向读者展示网址安全的各个方面。此外,书中还提供了大量的实战案例和技术细节,让读者能够更好地理解并应用所学知识。

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP