最新查询
内容简介
第1章 通向数据驱动安全的旅程
1.1数据分析简史
1.1.1 19世纪的数据分析
1.1.2 20世纪的数据分析
1.1.3 21世纪的数据分析
1.2获取数据分析技能
1.2.1领域专业知识
1.2.2编程技能
1.2.3数据管理
1.2.4统计学
1.2.5可视化
1.2.6将这些技能组合起来
1.3以问题为中心
1.3.1创建一个好的研究问题
1.3.2探索性数据分析
1.4本章小结
推荐阅读
第2章 打造自己的分析工具箱
2.1为什么选Python？为什么选R？为什么两者都要？
2.2用Canopy快速开始Python分析
2.2.1理解Python数据分析和可视化生态系统
2.2.2设置R语言环境
2.3数据帧介绍
2.4组织结构
2.5本章小结
推荐阅读
第3章 学习安全数据分析的“Hello World”
3.1解决一个问题
3.2获取数据
3.3读入数据
3.4探索数据
3.5回到具体问题
3.6本章小结
推荐阅读
第4章 进行探索性的安全数据分析
4.1 IP地址的剖析
4.1.1 IP地址的表示
4.1.2 IP地址的分段和分组
4.1.3定位IP地址
4.2 IP地址数据的扩充
4.3跨区域绘图
4.3.1宙斯僵尸网络的可视化
4.3.2防火墙数据的可视化
4.4本章小结
推荐阅读
第5章 从地图到回归分析
5.1简化地图
5.1.1每个国家的ZeroAccess木马感染量是多少
5.1.2改变数据范围
5.1.3 Potwin效应
5.1.4结果奇怪吗？
5.1.5郡计数
5.1.6郡级
5.2线性回归介绍
5.2.1回归分析中的常见陷阱
5.2.2 ZeroAccess木马感染的回归分析
5.3本章小结
推荐阅读
第6章 将安全数据可视化
6.1为什么要可视化
6.2理解视觉交流的组件
6.2.1避免第三维
6.2.2使用颜色
6.2.3拼在一起
6.2.4描述分布信息
6.2.5可视化时间序列
6.2.6亲自实践
6.3将数据变成电影明星
6.4本章小结
推荐阅读
第7章 从安全失陷中进行学习
7.1建立研究项目
7.2数据收集框架的思考
7.2.1瞄准目标答案
7.2.2限制可能的答案
7.2.3允许“其他”和“未知”选项
7.2.4避免混淆并且合并细节
7.3 VERIS概述
7.3.1事件追踪
7.3.2威胁角色
7.3.3威胁行为
7.3.4信息资产
7.3.5属性
7.3.6发现/响应
7.3.7影响
7.3.8受害者
7.3.9指标
7.3.10用附加扩展VERIS
7.4从行为中看VERIS
7.5使用VCDB数据
7.6本章小结
推荐阅读
第8章 离开关系数据库
8.1实现有约束的存储器
8.1.1架构方面的约束
8.1.2存储方面的约束
8.1.3 RAM方面的约束
8.1.4数据方面的约束
8.2探索替代性的数据库
8.2.1 BerkeleyDB
8.2.2 Redis
8.2.3 HIVE
8.2.4 MongoDB
8.2.5特殊目的的数据库
8.3本章小结
推荐阅读
第9章 解密机器学习
9.1检测恶意软件
9.1.1开发机器学习算法
9.1.2验证算法
9.1.3实现机器学习算法
9.2从机器学习中获益
9.2.1用机器学习回答问题
9.2.2评测良好的性能
9.2.3选择特征
9.2.4验证你的模型
9.3具体的机器学习方法
9.3.1有监督学习方法
9.3.2无监督学习方法
9.4实验：攻击数据聚类
9.4.1受害行业的多维尺度分析
9.4.2受害行业的层次聚类分析
9.5本章小结
推荐阅读
第10章 设计有效的安全仪表盘
10.1什么是仪表盘
10.1.1仪表盘不是汽车
10.1.2仪表盘不是报告
10.1.3仪表盘不是搬运车
10.1.4仪表盘不是艺术展
10.2通过仪表盘表达及管理“安全”
10.2.1帮负责人一个忙
10.2.2提升仪表盘的意识
10.2.3难题在细节中
10.2.4突出“安全”
10.3本章小结
推荐阅读
第11章 交互式安全可视化
11.1从静态到交互式
11.1.1用于增强的交互
11.1.2用于探索的交互
11.1.3用于启发的交互
11.2开发交互式可视化
11.2.1使用Tableau创建交互式仪表盘
11.2.2使用D3创建基于浏览器的可视化
11.3本章小结
推荐阅读
第12章 走向数据驱动的安全
12.1让自己走向数据驱动的安全
12.1.1黑客
12.1.2统计学
12.1.3安全领域专家
12.1.4危险区域
12.2带领团队走向数据驱动的安全研究
12.2.1对具有客观答案的事情提问
12.2.2查找并收集相关数据
12.2.3从迭代中学习
12.2.4寻找统计人才
12.3本章小结
推荐阅读
附录A资料及工具
附录B参考资源
