網(wǎng)絡(luò)安全大數(shù)據(jù)分析與實(shí)戰(zhàn)

定　價(jià)：￥79.00

作　者：	孫佳
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111702092	出版時(shí)間：	2022-05-01	包裝：	平裝-膠訂
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	196	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《網(wǎng)絡(luò)安全大數(shù)據(jù)分析與實(shí)戰(zhàn)》深入淺出地介紹了大數(shù)據(jù)安全分析的理論和實(shí)踐基礎(chǔ)，涵蓋大數(shù)據(jù)安全概述、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、開(kāi)發(fā)編程工具以及相關(guān)法律法規(guī)等內(nèi)容，簡(jiǎn)明扼要地介紹了聚類分析、關(guān)聯(lián)分析、預(yù)測(cè)分析及分類所涉及的主流算法，并以實(shí)戰(zhàn)導(dǎo)向的綜合案例對(duì)大數(shù)據(jù)安全分析的相關(guān)知識(shí)和技術(shù)進(jìn)行了整合應(yīng)用。《網(wǎng)絡(luò)安全大數(shù)據(jù)分析與實(shí)戰(zhàn)》可以作為高校大數(shù)據(jù)安全分析相關(guān)專業(yè)課程的教材，也可作為從事信息安全咨詢服務(wù)、測(cè)評(píng)認(rèn)證、安全建設(shè)、安全管理工作的從業(yè)人員及其他大數(shù)據(jù)安全分析相關(guān)領(lǐng)域工作人員的技術(shù)參考書(shū)。

作者簡(jiǎn)介

　　1. 孫佳，獲浙江大學(xué)和馬里蘭大學(xué)信息管理本碩學(xué)位，現(xiàn)任安恒信息資深數(shù)據(jù)研究員。對(duì)大數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)在信息安全領(lǐng)域的應(yīng)用有深入研究，同時(shí)致力于大數(shù)據(jù)安全分析的教育工作。曾擔(dān)任美國(guó)硅谷互聯(lián)網(wǎng)公司數(shù)據(jù)科學(xué)家，從事大數(shù)據(jù)建模、定量預(yù)測(cè)、產(chǎn)品優(yōu)化等工作。2. 苗春雨，博士，杭州安恒信息高級(jí)副總裁。西安電子科技大學(xué)、中國(guó)科學(xué)技術(shù)大學(xué)等多所高校企業(yè)研究生導(dǎo)師，擅長(zhǎng)網(wǎng)絡(luò)安全防護(hù)體系、物聯(lián)網(wǎng)安全，發(fā)表各類學(xué)術(shù)論文50余篇，專利和軟著20余項(xiàng)，出版專著和教材6本。3. 劉博，杭州安恒信息首席科學(xué)家，美國(guó)馬里蘭大學(xué)計(jì)算機(jī)博士。完成態(tài)勢(shì)感知、數(shù)據(jù)安全、隱私計(jì)算等領(lǐng)域300余項(xiàng)技術(shù)發(fā)明專利。主導(dǎo)和重點(diǎn)參與、省級(jí)重大科研項(xiàng)目9項(xiàng)。擔(dān)任浙大安恒前沿研究中心副主任、大數(shù)據(jù)態(tài)勢(shì)感知國(guó)地研究中心副主任、之江實(shí)驗(yàn)室網(wǎng)絡(luò)安全研究中心副主任等。

圖書(shū)目錄

前言
第1章大數(shù)據(jù)安全概述
1.1 大數(shù)據(jù)相關(guān)理論
1.1.1 大數(shù)據(jù)產(chǎn)生的背景
1.1.2 大數(shù)據(jù)的定義與構(gòu)成
1.1.3 大數(shù)據(jù)的特征與價(jià)值
1.2 大數(shù)據(jù)相關(guān)技術(shù)
1.2.1 大數(shù)據(jù)平臺(tái)與架構(gòu)
1.2.2 大數(shù)據(jù)分析常用工具
1.3 大數(shù)據(jù)應(yīng)用案例
1.3.1 社交網(wǎng)絡(luò)廣告投放系統(tǒng)
1.3.2 圍棋智能AlphaGo
1.3.3 圖像識(shí)別
1.4 大數(shù)據(jù)分析技術(shù)在安全中的應(yīng)用
1.4.1 安全需要大數(shù)據(jù)
1.4.2 安全大數(shù)據(jù)分析技術(shù)基礎(chǔ)及分析思路
本章小結(jié)
課后習(xí)題
第2章大數(shù)據(jù)安全分析基礎(chǔ)
2.1 大數(shù)據(jù)分析理論基礎(chǔ)
2.1.1 基本概念
2.1.2 分析思路
2.1.3 分析算法
2.1.4 常見(jiàn)安全應(yīng)用場(chǎng)景的特征及檢測(cè)方法
2.2 大數(shù)據(jù)分析實(shí)踐基礎(chǔ)
2.2.1 編程工具
2.2.2 編程環(huán)境
2.2.3 Python基礎(chǔ)知識(shí)
本章小結(jié)
課后習(xí)題
第3章大數(shù)據(jù)分析工程技術(shù)
3.1 數(shù)據(jù)采集
3.1.1 數(shù)據(jù)采集的概念
3.1.2 日志采集工具Logstash
3.2 非結(jié)構(gòu)化存儲(chǔ)
3.2.1 HDFS的基本信息
3.2.2 HDFS常用命令
3.2.3 HDFS管理命令
3.3 結(jié)構(gòu)化存儲(chǔ)
3.3.1 HBase基本介紹
3.3.2 HBase中的基本概念
3.3.3 Hbase常用命令
3.4 數(shù)據(jù)搜索
3.4.1 Elasticsearch基本概念
3.4.2 副本復(fù)制機(jī)制
3.4.3 映射和分詞
3.4.4 映射管理
3.4.5 索引管理命令
3.4.6 搜索
3.4.7 聚合分析
3.5 實(shí)時(shí)計(jì)算引擎
3.5.1 基本概念
3.5.2 主流的大數(shù)據(jù)流計(jì)算引擎
3.5.3 Apache Flink
3.6 批量計(jì)算引擎
3.6.1 Apache Spark項(xiàng)目簡(jiǎn)介
3.6.2 Spark核心模塊
3.6.3 Spark與Hadoop的區(qū)別
3.7 計(jì)算管理調(diào)度
3.7.1 任務(wù)管理調(diào)度中的挑戰(zhàn)
3.7.2 Airflow介紹
3.7.3 任務(wù)DAG與任務(wù)依賴
3.7.4 Airflow Hook
3.7.5 Airflow Operator
3.7.6 Airflow命令
3.8 數(shù)據(jù)可視化
3.8.1 明確表達(dá)意圖、選擇數(shù)據(jù)
3.8.2 拆解信息圖的要素
3.8.3 關(guān)于色彩、字體、圖標(biāo)
3.8.4 可視化的交互考慮
3.8.5 人類視覺(jué)缺陷及對(duì)數(shù)據(jù)可視化的影響
3.8.6 數(shù)據(jù)可視化工具
3.8.7 數(shù)據(jù)可視化類庫(kù)
本章小結(jié)
課后習(xí)題
第4章機(jī)器學(xué)習(xí)和深度學(xué)習(xí)
4.1 機(jī)器學(xué)習(xí)的基本概念
4.1.1 基本定義
4.1.2 應(yīng)用場(chǎng)景
4.2 機(jī)器學(xué)習(xí)的算法分類
4.2.1 監(jiān)督學(xué)習(xí)算法
4.2.2 無(wú)監(jiān)督學(xué)習(xí)算法
4.2.3 特殊算法
4.3 深度學(xué)習(xí)基本理論
4.3.1 相關(guān)概念
4.3.2 深度學(xué)習(xí)的特點(diǎn)
4.4 深度學(xué)習(xí)的進(jìn)展
4.4.1 AlphaGo戰(zhàn)勝李世石
4.4.2 圖像識(shí)別領(lǐng)域深度學(xué)習(xí)超越人類
4.4.3 目標(biāo)識(shí)別領(lǐng)域深度學(xué)習(xí)推動(dòng)無(wú)人駕駛的跨越式發(fā)展
4.5 深度學(xué)習(xí)核心思想
4.5.1 卷積神經(jīng)網(wǎng)絡(luò)（CNN）
4.5.2 遞歸神經(jīng)網(wǎng)絡(luò)（RNN）
4.5.3 長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）
本章小結(jié)
課后習(xí)題
第5章分類算法
5.1 決策樹(shù)
5.1.1 基本概念
5.1.2 典型算法介紹
5.1.3 案例分析及算法優(yōu)缺點(diǎn)
5.2 樸素貝葉斯算法
5.2.1 概念及原理
5.2.2 案例分析及算法優(yōu)缺點(diǎn)
5.3 K近鄰（KNN）
5.3.1 基本概念及原理
5.3.2 案例分析及算法優(yōu)缺點(diǎn)
5.4 支持向量機(jī)（SVM）算法
5.4.1 基本概念及原理
5.4.2 案例分析及算法優(yōu)缺點(diǎn)
5.5 BP神經(jīng)網(wǎng)絡(luò)
5.5.1 基本概念
5.5.2 算法原理
5.5.3 案例分析及算法優(yōu)缺點(diǎn)
本章小結(jié)
課后習(xí)題
第6章預(yù)測(cè)分析
6.1 統(tǒng)計(jì)預(yù)測(cè)
6.1.1 統(tǒng)計(jì)預(yù)測(cè)的概念及作用
6.1.2 統(tǒng)計(jì)預(yù)測(cè)方法的分類與選擇
6.1.3 統(tǒng)計(jì)預(yù)測(cè)的原則與步驟
6.2 時(shí)間序列分析
6.2.1 時(shí)間序列的概念
6.2.2 移動(dòng)平均模型
6.2.3 指數(shù)平滑模型
6.2.4 隨機(jī)時(shí)間序列模型
6.3 回歸分析
6.3.1 回歸分析的原理
6.3.2 線性回歸
6.3.3 邏輯回歸
本章小結(jié)
課后習(xí)題
第7章關(guān)聯(lián)分析
7.1 基本概念
7.1.1 項(xiàng)與項(xiàng)集
7.1.2 關(guān)聯(lián)規(guī)則及相關(guān)度量
7.2 Apriori算法
7.2.1 Apriori算法原理
7.2.2 Apriori算法示例
7.3 FP-Growth算法
7.3.1 FP-Growth算法原理
7.3.2 FP-Growth算法示例
7.4 關(guān)聯(lián)分析應(yīng)用場(chǎng)景
本章小結(jié)
課后習(xí)題
第8章聚類分析
8.1 聚類概述
8.1.1 基本概念
8.1.2 聚類分析的應(yīng)用
8.2 相似度（距離）計(jì)算
8.2.1 歐氏距離
8.2.2 曼哈頓距離
8.2.3 閔可夫斯基距離
8.2.4 馬氏距離
8.2.5 夾角余弦
8.3 層次聚類
8.3.1 基本概念及原理
8.3.2 案例分析
8.4 k-means聚類
8.4.1 基本概念及原理
8.4.2 案例分析
8.5 EM聚類
8.5.1 基本原理與概念
8.5.2 案例分析
本章小結(jié)