内容简介

《信息内容安全管理及应用》从概念、技术、应用三个角度出发，介绍了信息内容安全领域的基础知识，包括信息内容安全的概念、管理理论和应用模型、管理应用体系；详细介绍了该领域所处理的各类媒体信息，包括文本、图像、音频等的特点和处理方法，以及互联网信息获取的技术；介绍了各类媒体信息的进一步智能处理的各类算法，以及社交网络的分析模型；在*后给出了两个应用系统案例。《信息内容安全管理及应用》每章均配有习题，以指导读者深入地进行学习。

《信息内容安全管理及应用》既可作为高等学校信息安全、网络空间安全等专业的内容安全课程的教材，也可作为电子商务或电子政务从业人员在内容安全领域的入门书籍。

  目录

前言

第1章绪论

11信息内容安全概述

12信息内容威胁

13信息内容安全的特点及其与相关

学科的联系

14信息内容安全的研究现状

141代表性项目

142信息内容安全相关规定

143信息内容安全产品

15信息内容安全研究的意义

16小结

17思考题

第2章信息内容安全管理

21信息内容安全管理基础理论

211信息内容安全管理的定义

212信息内容安全管理的

应用特征

22信息内容安全管理应用模型

221智能化网络内容分析理解管

控引擎的基础框架

222智能化网络内容分析理解管控

引擎的工作机制

223智能化网络内容分析理解管控

引擎的应用范例

23信息内容安全管理应用

体系

231信息内容安全管理应用体系的

组成

232信息内容安全管理应用的关键

技术支撑

24小结

25思考题

第3章网络信息内容的获取

31网络信息内容的类型

311网络媒体信息

312网络通信信息

32网络媒体信息的获取原理

321网络媒体信息获取的理论

流程

322网络媒体信息获取的分类

323网络媒体信息获取的技术

难点

33网络媒体信息的获取方法

331静态网络媒体发布信息的

获取方法

332基于自然人网络浏览行为模拟的

网络发布信息的获取方法

34信息内容获取大数据结构

存储

35小结

36思考题

第4章文本信息的特征抽取

41文本特征的抽取概述

42语义特征的抽取

421词级别语义特征

422亚词级别语义特征

423语义与语用级别语义特征

424汉语的语义特征抽取

43特征子集的选择

431停用词过滤

432文档频率阈值法

433TF-IDF

434信噪比

435信息增益

436卡方统计

44特征重构

441词干

442知识库

443潜在语义索引

45小结

46思考题

第5章音频数据处理

51数字音频技术概述

52人类的听觉感知

53音频信号的分析和编码

531音频信号的特征分析

532音频信号的数字编码

533数字音频信号的解析

54音频信息特征抽取

541基于帧的音频特征

542基于片段的音频特征

55小结

56思考题

第6章图像信息的特征抽取

61数字图像的表示方法

62图像颜色的特征抽取

621颜色直方图特征 

622颜色聚合矢量特征

623颜色矩特征

63图像纹理的特征抽取

631灰度共生矩阵

632Gabor小波特征

633Tamura纹理特征

634纹理特征的特点

64其他图像特征

65小结

66思考题

第7章信息处理模型和算法

71文本模式匹配算法

711经典单模式匹配算法

712经典多模式DFSA匹配算法

72分类算法

721线性分类器

722向量空间模型法

723最小方差映射法

724最近邻分类法

725支持向量机

726传统贝叶斯分类方法

73小结

74思考题

第8章基于深度学习的图像处理

81神经网络的起源与发展

82常见图像处理深度学习网络

简介

821CNN分类网络原理

822生成对抗网络原理

83图像处理应用实例

831CNN分类网络在真伪图片识别中

的应用实例

832GAN在人脸图像伪造中的

应用实例

84小结

85思考题

第9章基于深度网络的自然语言

处理

91应用于文本处理的深度网络

911卷积网络在文本处理上的

应用

912长短期记忆模型简介

92基于深度网络的自然语言

模型

921注意力模型简介

922BERT模型简介

923理解基于深度学习的预训练

语言模型

93自然语言文本处理实例

931基于词向量和句向量的文本处理

实例

932基于BERT模型微调的分类

实例

933CNN和LSTM网络的文本分类

实例

94小结

95思考题

第10章在线社交网络分析

101社交网络分析概述

1011在线社交网络及其发展

1012在线社交网络管理关键分析

要素

102社交网络话题发现模型

1021概率潜在语义分析模型

1022隐含狄利克雷分配模型

103社交网络个体影响力计算

1031基于网络结构的个体影响力

计算

1032基于话题的个体影响力

计算

104社交网络信息传播与

引导

1041社交网络信息传播基本

模型

1042社交网络传播引导

105小结

106思考题

第11章信息过滤

111信息过滤概述

1111信息过滤研究的历史

1112信息过滤的分类体系

1113信息过滤的应用

1114信息过滤的评价

112内容安全的信息过滤

1121信息过滤和其他信息处理的

异同

1122用户过滤和安全过滤

1123现有信息过滤系统及技术

113基于匹配的信息过滤

1131特征字串匹配查全率估算

1132准确率估算实验

114基于邻近类别分类的过滤

115小结

116思考题

第12章基于大数据的信息内容安全

管理

121网络舆情监测与预警

1211网络舆情监测与预警的发展

趋势

1212网络舆情监测与预警的关键

技术

1213网络舆情监测与预警的行业

应用

122互联网大数据搜索

1221大数据搜索知识构建与

验证

1222大数据搜索知识表示与

存储

1223大数据搜索意图理解与

应对

123网上情报信息分析