大数据分析和智能系统在网络威胁情报中的应用
在当今这个数字化时代，网络威胁情报（CTI）已经成为保护国家安全、企业和个人隐私的关键工具。随着互联网的普及和信息技术的发展，网络安全威胁日益复杂多变，从简单的病毒攻击到复杂的跨国黑客行动，无不考验着我们的防御能力。《大数据分析和智能系统在网络威胁情报中的应用》这本书深入浅出地介绍了如何利用大数据分析和智能系统来识别、预防并应对这些网络威胁。它不仅探讨了理论基础，还提供了实用的案例研究和技术方案，是任何对网络安全感兴趣的人士都不容错过的宝贵资源。 本书由国际知名的River Publishers出版，汇集了来自世界各地的很好专家的观点和研究成果。书中内容详实，涵盖了从基础知识到高级技术的全方位介绍，无论是新手还是有经验的专业人士都能从中获益。特别是对于那些想要深入了解如何使用新的数据分析方法和技术来增强网络安全防护的人来说，这本书无疑是一本不可不读的读物。
目录
●
译者序
原书前言
作者简介
导 语1
第1章 网络威胁情报模型分类方法和共享平台的评估3
1.1 引言4
1.2 相关工作4
1.2.1 现有技术的局限性7
1.3 评价标准7
1.3.1 部署设置8
1.4 信息安全数据源的分类10
1.4.1 分类法10
1.4.2 源类型10
1.4.3 信息类型11
1.4.4 可集成性11
1.5 威胁情报平台中的信任度与匿名性14
1.6 威胁情报平台（TAXII）的时间（速度）17
1.7 威胁情报平台（TAXII）的接收时间19
1.8 结论20
参考文献21
第2章 开源网络应用防火墙的网络威胁情报评估25
2.1 引言25
2.2 开源网络应用防火墙27
2.2.1 ModSecurity27
2.2.2 AQTRONIX Webknight28
2.3 研究方法29
2.3.1 ModSecurity和AQTRONIX Webknight的部署实施29
2.3.2 数据集描述30
2.3.3 实验环境31
2.3.4 评估指标31
2.4 结果与讨论32
2.4.1 结果32
2.4.2 讨论34
2.5 建议34
2.6 结论35
参考文献35
第3章 位置隐私综合研究和保护LBS用户隐私的有效方法37
3.1 引言37
3.2 隐私攻击模型38
3.2.1 连续位置攻击38
3.2.2 上下文信息链接攻击39
3.3 隐私保护机制40
3.3.1 隐身40
3.3.2 加密技术40
3.3.3 混淆技术40
3.3.4 虚拟程序41
3.3.5 混合区41
3.4 隐私保护机制比较41
3.5 环境类型42
3.6 贡献机理43
3.7 本章研究在欧氏空间中的贡献44
3.7.1 欧氏空间中隐藏候选集的选择方法45
3.7.2 创建合格隐藏区域的方法45
3.7.3 运行方法45
3.7.4 所提方法的隐藏原则46
3.7.5 生成虚拟对象（虚拟查询）47
3.8 实验47
3.9 相关研究的比较49
3.10 结论50
参考文献50
第4章 加密网络流量分析的机器学习模型53
4.1 引言53
4.2 文献综述54
4.3 背景55
4.3.1 监督学习55
4.3.2 无监督学习55
4.3.3 半监督学习56
4.4 实验分析56
4.4.1 数据集56
4.4.2 特征分析57
4.4.3 预处理58
4.4.4 模型结果58
4.5 讨论和未来工作63
4.6 结论63
参考文献64
第5章 用于识别恶意软件属性的安卓应用程序剖析和分析工具对比分析66
5.1 引言66
5.2 相关工作和当前贡献67
5.3 安卓操作系统背景和基本概念67
5.3.1 安卓操作系统架构67
5.3.2 安卓应用程序基础69
5.4 安卓应用程序恶意软件属性及剖析流程 69
5.4.1 安卓应用程序恶意软件属性69
5.4.2 安卓应用程序恶意软件剖析71
5.5 安卓应用程序剖析和恶意软件分析工具 72
5.6 结论和未来工作76
参考文献77
第6章 对安卓处理意图攻击进行分类的机器学习算法79
6.1 引言79
6.2 威胁模型80
6.2.1 观察81
6.2.2 研究的意义82
6.3 数据收集和预处理82
6.3.1 数据集讨论83
6.3.2 数据集85
6.3.3 随机过采样和异常值预处理85
6.3.4 相关度计算86
6.4 确定很好机器学习模型88
6.4.1 混淆矩阵89
6.4.2 准确率89
6.4.3 准确度89
6.4.4 召回率89
6.4.5 F1值89
6.4.6 接收方操作特性及曲线下面积90
6.5 讨论90
6.6 相关工作92
6.6.1 局限性和未来工作93
6.7 结论93
参考文献93
第7章 安全应用中的机器学习和区块链集成97
7.1 引言97
7.2 研究方法98
7.3 背景99
7.4 区块链技术100
7.4.1 区块链技术简介100
7.4.2 区块链技术的应用102
7.4.3 智能合约104
7.4.4 区块链解决方案在网络安全方面的缺点106
7.5 机器学习技术107
7.5.1 概述107
7.5.2 网络安全应用107
7.5.3 缺点109
7.6 机器学习与区块链技术集成110
7.6.1 区块链改进机器学习解决方案110
7.6.2 机器学习改进区块链解决方案114
7.7 未来工作118
7.8 结论119
参考文献120
第8章 基于智能混合网络入侵检测系统的网络威胁实时检测131
8.1 引言131
8.2 有关工作 133
8.3 提出的方法134
8.3.1 系统的整体架构概述134
8.3.2 系统组成及其工作原理135
8.3.3 NIDS旧模型的局限性和改进点 136
8.3.4 提出模型架构136
8.3.5 新模型的组件136
8.3.6 新模型的工作原理137
8.4 实验和结果 139
8.4.1 网络基线建模139
8.4.2 训练数据集——CICIDS2017140
8.4.3 以决策树算法进行分类 141
8.4.4 讨论142
8.5 结论143
参考文献143
第9章 基于提升树学习范式的智能恶意软件检测与分类146
9.1 引言146
9.2 文献综述148
9.3 提出的方法149
9.3.1 选择提升分类器的基本原理149
9.3.2 概述149
9.3.3 用于评估的分类器150
9.4 实验结果151
9.4.1 数据集151
9.5 结果与讨论154
9.6 结论156
参考文献157
第10章 基于人工智能技术的恶意软件和勒索软件分类、检测和防护159
10.1 引言159
10.2 恶意软件和勒索软件160
10.3 人工智能161
10.4 相关工作162
10.5 使用人工智能的恶意软件检测164
10.6 勒索软件检测167
10.6.1 方法论167
10.6.2 实验和结果168
10.7 结论170
参考文献171
第11章 基于神经网络的高质量GAN生成面部图像检测176
11.1 引言176
11.1.1 本章内容177
11.2 现有技术177
11.3 交叉共现矩阵计算178
11.4 评估方法180
11.4.1 数据集180
11.4.2 网络架构181
11.4.3 韧性分析182
11.5 实验结果182
11.5.1 实验设置182
11.5.2 检测器的性能和鲁棒性183
11.5.3 JPEG感知跨协作网络的性能和鲁棒性185
11.6 结论和未来工作187
参考文献188
第12章 基于机器学习技术的网络路由器容错190
12.1 引言190
12.2 相关工作192
12.2.1 现有方法的比较分析193
12.3 系统架构 194
12.3.1 支持向量机（SVM）195
12.3.2 K-近邻（KNN） 197
12.4 结果分析199
12.5 结论203
参考文献203
内容介绍
计算机系统的网络威胁防护对于个人用户和企业来说是至关重要的网络安全任务，因为即便是单一的攻击也可能导致数据泄露和重大损失。巨大的损失和频繁的攻击凸显了对准确且及时的检测方法的需求。当前的静态和动态检测方法在面对零日漏洞攻击时，无法提供有效的检测，可以利用大数据分析和基于机器智能的技术来提升检测能力。
本书面向大数据分析与智能系统领域的研究人员，专注于网络威胁情报（CTI）以及关键数据的研究，以推动预测、禁止、预防、准备和应对安全问题的任务，涵盖的主题广泛，为读者提供了关于大数据分析和智能系统在网络安全情报应用中相关学科的多种视角。
本书旨在通过整合近期新的研究成果和技术进展，帮助读者深入了解如何利用大数据和智能技术来加强网络安全防御，提高对潜在威胁的预判能力和响应效率。同时，它也为从事网络安全工作的专业人士提供了宝贵的参考资料，促进跨学科的......
微信支付
支付宝
扫一扫购买
1. 打开微信，扫一扫左侧二维码
2. 点击右上角图标
3. 发送给朋友、分享到朋友圈、收藏
