物聯網安全與深度學習技術

第1 章物聯網技術基礎 001
1 1 物聯網發展現狀 001
1 1 1 美國                            001
1 1 2 歐盟                            002
1 1 3 日本                            002
1 1 4 韓國                            003
1 1 5 中國                            003
1 2 物聯網體系架構                           004
1 2 1 感知層                            005
1 2 2 網絡層                            005
1 2 3 應用層                            006
1 3 物聯網信息的三大特性                      007
1 3 1 高敏感性                           007
1 3 2 高可靠性                           007
1 3 3 高關聯性                           007
1 4 物聯網體系架構的發展                      008
1 5 小結                                 011

第2 章物聯網安全架構                           012
2 1 引言                                012
2 2 物聯網典型安全事件                        012
2 2 1 事件回顧                           012
2 2 2 事件分析                           016
2 3 物聯網安全問題分類                        017
2 3 1 互聯網引入的安全問題                  017
2 3 2 物聯網場景下的互聯網“安全”問題           017
2 3 3 物聯網引入的安全問題                  017
2 3 4 物聯網自身的安全問題                  018
2 4 物聯網安全威脅分析                        018
2 4 1 感知層安全威脅                       019
2 4 2 網絡層安全威脅                       020
2 4 3 應用層安全威脅                       022
2 5 物聯網安全需求分析                        023
2 5 1 縱橫聯動的一體化安全保障支撐             024
2 5 2 感知層傳感器設備的身份鑑別與數據防護         026
2 5 3 網絡層異構網絡規模化安全互聯與全網統一監管    027
2 5 4 應用層數據多域安全共享                  028
2 6 物聯網安全體系框架                        029
2 6 1 技術體系                           029
2 6 2 物聯網系統的安全信息流                  036
2 7 小結                                037

第3 章物聯網安全認證技術                        039
3 1 引言                                039
3 2 身份認證方式                           040
3 2 1 基於秘密信息的認證方式                  040
3 2 2 基於信物的認證方式                    041
3 2 3 基於密鑰的認證方式                    041
3 2 4 基於生物特徵的認證方式                  042
3 3 物聯網身份認證的特點                      043
3 3 1 輕量級                            043
3 3 2 非對稱                            043
3 3 3 複雜性                            043
3 4 幾種物聯網身份認證方式                      044
3 4 1 基於RFID 的物聯網身份認證方式            044
3 4 2 基於傳感網絡的物聯網認證方式             044
3 4 3 基於藍牙的感知網絡認證方式              045
3 4 4 基於生物特徵識別的認證方式              045
3 5 基於生物特徵的物聯網身份認證方法               047
3 5 1 生物特徵身份認證流程                  047
3 5 2 指紋識別                           049
3 5 3 人臉識別                           049
3 5 4 虹膜識別                           051
3 5 5 指靜脈識別                         051
3 5 6 聲紋識別                           052
3 6 基於深度學習的聲紋識別技術                   053
3 6 1 概述                            053
3 6 2 聲紋識別的工作原理                    054
3 6 3 聲紋識別的流程                       055
3 6 4 聲紋識別技術的三次突破                  059
3 6 5 基於深度學習的典型聲紋識別算法             060
3 6 6 聲紋識別應用趨勢                     063
3 7 小結                                066
本章參考文獻                               066

第4 章卷積神經網絡技術                         068
4 1 卷積運算                               069
4 2 動機                                072
4 3 池化                                077
4 4 將捲積與池化作為一個無限強的先驗               082
4 5 基本卷積函數的變體                        083
4 6 結構化輸出                             093
4 7 數據類型                               094
4 8 高效的捲積算法                           095
4 9 隨機或無監督的特徵                        096
4 10 小結                                097
本章參考文獻                               098

第5 章序列建模：循環和遞歸網絡                    101
5 1 展開計算圖                             102
5 2 RNN                                105
5 2 1 TEACHER FORCING 和輸出循環網絡             109
5 2 2 計算RNN 的梯度                      111
5 2 3 作為有向圖模型的循環網絡               113
5 2 4 基於上下文的RNN 序列建模               117
5 3 雙向RNN                               119
5 4 基於編碼-解碼的序列到序列架構                  121
5 5 深度RNN                              123
5 6 遞歸神經網絡                           124
5 7 長期依賴的挑戰                           126
5 8 迴聲狀態網絡                           128
5 9 滲漏單元和其他多時間尺度的策略                 130
5 9 1 時間維度的跳躍連接                    130
5 9 2 滲漏單元和一系列時間尺度                131
5 9 3 刪除連接                           131
5 10 長短期記憶和其他門控RNN                    132
5 10 1 長短期記憶                         133
5 10 2 其他門控RNN                      135
5 11 優化長期依賴                           136
5 11 1 截斷梯度                         136
5 11 2 引導信息流的正則化                    138
5 12 外顯記憶                             139
5 13 小結                                142
本章參考文獻                               142

第6 章深度學習框架和平台的分析與對比                 148
6 1 概述                                148
6 2 深度學習框架                           151
6 2 1 TENSORFLOW                          152
6 2 2 CAFFE                              156
6 2 3 PYTORCH                            162
6 2 4 CNTK                            164
6 2 5 MXNET                             166
6 3 深度學習框架的分析與對比                    169
6 3 1 總體分析                           169
6 3 2 深度學習框架的對比                    170
6 3 3 深度學習框架對硬件的利用情況             178
6 4 深度學習平台                           180
6 4 1 華為深度學習服務DLS                    180
6 4 2 阿里深度學習開發平台X-DEEPLEARNING          184
6 4 3 百度深度學習開發平台PADDLE              189
6 4 4 幾種平台的對比                       191
6 5 小結                                192