機器學習實戰(zhàn)之網(wǎng)絡安全分析

第1章 簡介
1．1 網(wǎng)絡安全問題
1．2 機器學習
1．3 機器學習算法的實現(xiàn)
1．4 距離度量
1．5 機器學習評估指標
1．6 數(shù)學預備知識
1．6．1 線性代數(shù)
1．6．2 度量空間
1．6．3 概率
1．6．4 優(yōu)化
第2章 機器學習簡介
2．1 簡介
2．1．1 有監(jiān)督機器學習
2．1．2 無監(jiān)督機器學習
2．1．3 半監(jiān)督機器學習
2．1．4 強化機器學習
2．2 線性回歸
2．3 多項式回歸
2．4 邏輯回歸
2．5 樸素貝葉斯分類器
2．6 支持向量機
2．7 決策樹
2．8 最近鄰
2．9 聚類分析
2．10 降維
2．11 線性判別分析
2．12 提升算法
第3章 機器學習和網(wǎng)絡安全
3．1 簡介
3．2 垃圾郵件檢測
3．3 網(wǎng)絡釣魚頁面檢測
3．4 惡意程序檢測
3．5 DoS和DDoS攻擊檢測
3．6 異常檢測
3．7 生物識別
3．8 軟件漏洞
第4章 支持向量機和惡意程序檢測
4．1 簡介
4．2 惡意程序檢測
4．3 最大化邊距和超平面優(yōu)化
4．4 拉格朗日乘數(shù)
4．5 核方法
4．6 使用支持向量機開展基于權限的Android惡意軟件靜態(tài)檢測
4．6．1 實驗結果和討論
4．7 使用支持向量機開展基于API調(diào)用的靜態(tài)Android惡意軟件檢測
4．7．1 實驗結果和討論
4．8 研究結論和方向
4．8．1 最新技術
……
第5章 聚類分析和惡意軟件分類
第6章 最近鄰算法和指紋分類
第7章 降維和人臉識別
第8章 神經(jīng)網(wǎng)絡和面部識別
第9章 決策樹的應用
第10章 網(wǎng)絡安全中的對抗機器學習
參考文獻