第1章 打造深度学习工具箱

1.1 TensorFlow

1.1.1安装

1.1.2使用举例

1.2 TFLearn

1.3 PaddlePaddle

1.3.1安装

1.3.2使用举例

1.4 Karas

1.5本章小结

第2章 卷积神经网络

2.1传统的图像分类算法

2.2基于CNN的图像分类算法

2.2.1局部连接

2.2.2参数共享

2.2.3池化

2.2.4典型的CNN结构及实现

2.2.5 AlexNet的结构及实现

2.2.6 VGG的结构及实现

2.3基于CNN的文本处理

2.3.1典型的CNN结构

2.3.2典型的CNN代码实现

2.4本章小结

第3章 循环神经网络

3.1循环神经算法概述

3.2单向循环神经网络结构与实现

3.3双向循环神经网络结构与实现

3.4循环神经网络在序列分类的应用

3.5循环神经网络在序列生成的应用

3.6循环神经网络在序列标记的应用

3.7循环神经网络在序列翻译的应用

3.8本章小结

第4章 基于OpenSOC的机器学习框架

4.1 OpenSOC框架

4.2数据源系统

4.3数据收集层

4.4消息系统层

4.5实时处理层

4.6存储层

4.6.1 HDFS

4.6.2 HBase

4.6.3 Elasticsearch

4.7分析处理层

4.8计算系统

4.9实战演练

4.10本章小结

第5章 验证码识别

5.1数据集

5.2特征提取

5.3模型训练与验证

5.3.1 K近邻算法

5.3.2支持向量机算法

5.3.3深度学习算法之MLP

5.3.4深度学习算法之CNN

5.4本章小结

第6章 垃圾邮件识别

6.1数据集

6.2特征提取

6.2.1词袋模型

6.2.2 TF-IDF模型

6.2.3词汇表模型

6.3模型训练与验证

6.3.1朴素贝叶斯算法

6.3.2支持向量机算法

6.3.3深度学习算法之MLP

6.3.4深度学习算法之CNN

6.3.5深度学习算法之RNN

6.4本章小结

第7章 负面评论识别

7.1数据集

7.2特征提取

7.2.1词袋和TF-IDF模型

7.2.2词汇表模型

7.2.3 Word2Vec模型和Doc2Vec模型

7.3模型训练与验证

7.3.1朴素贝叶斯算法

7.3.2支持向量机算法

7.3.3深度学习算法之MLP

7.3.4深度学习算法之CNN

7.4本章小结

第8章 骚扰短信识别

8.1数据集

8.2特征提取

8.2.1词袋和TF-IDF模型

8.2.2词汇表模型

8.2.3 Word2Vec模型和Doc2Vec模型

8.3模型训练与验证

8.3.1朴素贝叶斯算法

8.3.2支持向量机算法

8.3.3 XGBoost算法

8.3.4深度学习算法之MLP

8.4本章小结

第9章Linux后门检测

9.1数据集

9.2特征提取

9.3模型训练与验证

9.3.1朴素贝叶斯算法

9.3.2 XGBoost算法

9.3.3深度学习算法之多层感知机

9.4本章小结

第10章 用户行为分析与恶意行为检测

10.1数据集

10.2特征提取

10.2.1词袋和TF-IDF模型

10.2.2词袋和N-Gram模型

10.2.3词汇表模型

10.3模型训练与验证

10.3.1朴素贝叶斯算法

10.3.2 XGBoost算法

10.3.3隐式马尔可夫算法

10.3.4深度学习算法之MLP

10.4本章小结

第11章WebShell检测

11.1数据集

11.1.1 WordPress

11.1.2 PHPCMS

11.1.3 phpMyAdmin

11.1.4 Smarty

11.1.5 Yii

11.2特征提取

11.2.1词袋和TF-IDF模型

11.2.2 opcode和N-Gram模型

11.2.3 opcode调用序列模型

11.3模型训练与验证

11.3.1朴素贝叶斯算法

11.3.2深度学习算法之MLP

11.3.3深度学习算法之CNN

11.4本章小结

第12章 智能扫描器

12.1自动生成XSS攻击载荷

12.1.1数据集

12.1.2特征提取

12.1.3模型训练与验证

12.2自动识别登录界面

12.2.1数据集

12.2.2特征提取

12.2.3模型训练与验证

12.3本章小结

第13章DGA域名识别

13.1数据集

13.2特征提取

13.2.1 N-Gram模型

13.2.2统计特征模型

13.2.3字符序列模型

13.3模型训练与验证

13.3.1朴素贝叶斯算法

13.3.2 XGBoost算法

13.3.3深度学习算法之多层感知机

13.3.4深度学习算法之RNN

13.4本章小结

第14章 恶意程序分类识别

14.1数据集

14.2特征提取

14.3模型训练与验证

14.3.1支持向量机算法

14.3.2 XGBoost算法

14.3.3深度学习算法之多层感知机

14.4本章小结

第15章 反信用卡欺诈

15.1数据集

15.2特征提取

15.2.1标准化

15.2.2标准化和降采样

15.2.3标准化和过采样

15.3模型训练与验证

15.3.1朴素贝叶斯算法

15.3.2 XGBoost算法

15.3.3深度学习算法之多层感知机

15.4本章小结