Web 安全之機器學習入門

在現今的因特網公司中，產品線綿延複雜，安全防禦體係無時無刻不在應對新的挑戰。哪怕是擁有豐富工作經驗的安全從業者，在面對層出不窮的攻擊手段和海量的日誌數據時也會望洋興嘆。機器學習是這些問題天然契合的解決方案，在數據量以指數級不斷增長的未來，甚至有可能是唯一的出路。
本書首先介紹主流的機器學習工具，以及Python應用於機器學習的優勢，並介紹Scikit-Learn環境搭建、TensorFlow環境搭建。接著介紹機器學習的基本概念和Web安全基礎知識。然後深入講解多個機器學習算法在Web安全領域的實際應用，如K近鄰、決策樹、樸素貝葉斯、邏輯回歸、支持向量機、K-Means算法、FP-growth、隱式馬爾可夫、有向圖、神經網絡等，最後介紹深度學習算法CNN、RNN。本書針對每一個算法都給出了具體案例，理論結合實際，深入淺出，講解清晰，適合有信息安全基礎知識的網絡開發與運維技術人員參考