readme.txt

前言 
作者介绍 
第1章 通向智能安全的旅程 
1.1 机器学习发展现状
1.2 互联网安全严峻形式
1.3 机器学习在安全领域使用现状
1.3 本章小结 
第2章 打造自己的机器学习工具箱
2.1 主流机器学习工具介绍 
2.2 python应用于机器学习领域的优势
2.3 scikit-learn简介与环境搭建
2.4 tensorflow简介与环境搭建
2.4 本章小结
第3章 机器学习基础
3.1 监督学习
3.2 无监督学习
3.3 机器学习的一般步骤
3.4 本章小结
第4章 web安全基础
4.1 XSS攻击概述
4.2 SQL注入概述
4.3 webshell概述
4.4 远程命令执行概述
4.5 僵尸网络概述
4.6 本章小结
第5章 k-近邻算法
5.1 k-近邻算法概述
5.2 示例：hello world！k-近邻算法
5.3 示例：使用k-近邻算法识别xss攻击
5.4 本章小结
第6章 决策树算法
6.1 决策树算法概述
6.2 示例：hello world！决策树算法
6.3 示例：使用决策树算法识别sql注入攻击
6.4 本章小结
第7章 朴素贝叶斯算法
7.1 朴素贝叶斯算法概述
7.2 示例：hello world！朴素贝叶斯算法
7.3 示例：使用朴素贝叶斯算法识别垃圾邮件
7.4 本章小结
第8章 Logistic回归算法
8.1 Logistic回归算法概述
8.2 示例：hello world！Logistic回归
8.3 示例：使用Logistic回归识别恶意广告点击
8.4 本章小结
第9章 支持向量机算法
9.1 支持向量机概述
9.2 示例：hello world！支持向量机
9.3 示例：使用支持向量机识别webshell
9.4 本章小结
第10章 K-均值聚类算法
10.1 K-均值聚类概述
10.2 示例：hello world！K-均值聚类
10.3 示例：使用K-均值聚类识别黑产团伙
10.4 本章小结
第11章 FP-growth算法
11.1 FP-growth算法概述
11.2 示例：hello world！FP-growth算法
11.3 示例：使用FP-growth算法挖掘SQL注入关联的web访问
11.4 本章小结
第12章 隐式马尔可夫算法
12.1 隐式马尔可夫算法概述
12.2 示例：hello world！隐式马尔可夫算法
12.3 示例：使用隐式马尔可夫算法识别xss攻击
12.4 本章小结
第13章 有向图算法
13.1 有向图概述
13.2 示例：hello world！有向图算法
13.3 示例：使用有向图识别webshell
13.4 本章小结
第14章 神经网络算法
14.1 神经网络算法概述
14.2 示例：hello world！神经网络算法
14.3 示例：使用神经网络算法识别SQL注入
14.4 本章小结
第15章 tensorflow入门
第16章 深度学习算法之RNN
16.1 RNN算法概述
16.2 示例：hello world！RNN算法
16.3 示例：使用RNN算法识别XSS攻击
16.4本章小结
第17章 深度学习算法之CNN
17.1深度学习算法概述
17.2CNN算法概述
17.3 示例：hello world！CNN算法
17.4 示例：使用CNN算法识别远程代码执行
17.5 本章小结