幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

信息內容安全管理及應用(高等教育網路空間安全規劃教材)

  • 作者：編者:李建華|責編:郝建偉//侯穎
  • 出版社：機械工業
  • ISBN：9787111681045
  • 出版日期：2021/06/01
  • 裝幀：平裝
  • 頁數：241
人民幣：RMB 65 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書從概念、技術、應用三個角度出發，介紹了信息內容安全領域的基礎知識，包括信息內容安全的概念、管理理論和應用模型、管理應用體系；詳細介紹了該領域所處理的各類媒體信息，包括文本、圖像、音頻等的特點和處理方法，以及互聯網信息獲取的技術；介紹了各類媒體信息的進一步智能處理的各類演算法，以及社交網路的分析模型；在最後給出了兩個應用系統案例。本書每章均配有習題，以指導讀者深入地進行學習。
    本書既可作為高等學校信息安全、網路空間安全等專業的內容安全課程的教材，也可作為電子商務或電子政務從業人員在內容安全領域的入門書籍。
    本書配有授課電子課件，需要的教師可登錄www.cmpedu.com免費註冊，審核通過後下載，或聯繫編輯索取（微信：15910938545，電話：010-88379739）。
作者介紹
編者:李建華|責編:郝建偉//侯穎
目錄
前言
第1章  緒論
  1.1  信息內容安全概述
  1.2  信息內容威脅
  1.3  信息內容安全的特點及其與相關學科的聯繫
  1.4  信息內容安全的研究現狀
    1.4.1  代表性項目
    1.4.2  信息內容安全相關規定
    1.4.3  信息內容安全產品
  1.5  信息內容安全研究的意義
  1.6  小結
  1.7  思考題
第2章  信息內容安全管理
  2.1  信息內容安全管理基礎理論
    2.1.1  信息內容安全管理的定義
    2.1.2  信息內容安全管理的應用特徵
  2.2  信息內容安全管理應用模型
    2.2.1  智能化網路內容分析理解管控引擎的基礎框架
    2.2.2  智能化網路內容分析理解管控引擎的工作機制
    2.2.3  智能化網路內容分析理解管控引擎的應用範例
  2.3  信息內容安全管理應用體系
    2.3.1  信息內容安全管理應用體系的組成
    2.3.2  信息內容安全管理應用的關鍵技術支撐
  2.4  小結
  2.5  思考題
第3章  網路信息內容的獲取
  3.1  網路信息內容的類型
    3.1.1  網路媒體信息
    3.1.2  網路通信信息
  3.2  網路媒體信息的獲取原理
    3.2.1  網路媒體信息獲取的理論流程
    3.2.2  網路媒體信息獲取的分類
    3.2.3  網路媒體信息獲取的技術難點
  3.3  網路媒體信息的獲取方法
    3.3.1  靜態網路媒體發布信息的獲取方法
    3.3.2  基於自然人網路瀏覽行為模擬的網路發布信息的獲取方法
  3.4  信息內容獲取大數據結構存儲
  3.5  小結
  3.6  思考題
第4章  文本信息的特徵抽取
  4.1  文本特徵的抽取概述
  4.2  語義特徵的抽取
    4.2.1  詞級別語義特徵
    4.2.2  亞詞級別語義特徵
    4.2.3  語義與語用級別語義特徵
    4.2.4  漢語的語義特徵抽取
  4.3  特徵子集的選擇
    4.3.1  停用詞過濾
    4.3.2  文檔頻率閾值法
    4.3.3  TF-IDF

    4.3.4  信噪比
    4.3.5  信息增益
    4.3.6  卡方統計
  4.4  特徵重構
    4.4.1  詞幹
    4.4.2  知識庫
    4.4.3  潛在語義索引
  4.5  小結
  4.6  思考題
第5章  音頻數據處理
  5.1  數字音頻技術概述
  5.2  人類的聽覺感知
  5.3  音頻信號的分析和編碼
    5.3.1  音頻信號的特徵分析
    5.3.2  音頻信號的數字編碼
    5.3.3  數字音頻信號的解析
  5.4  音頻信息特徵抽取
    5.4.1  基於幀的音頻特徵
    5.4.2  基於片段的音頻特徵
  5.5  小結
  5.6  思考題
第6章  圖像信息的特徵抽取
  6.1  數字圖像的表示方法
  6.2  圖像顏色的特徵抽取
    6.2.1  顏色直方圖特徵
    6.2.2  顏色聚合矢量特徵
    6.2.3  顏色矩特徵
  6.3  圖像紋理的特徵抽取
    6.3.1  灰度共生矩陣
    6.3.2  Gabor小波特徵
    6.3.3  Tamura紋理特徵
    6.3.4  紋理特徵的特點
  6.4  其他圖像特徵
  6.5  小結
  6.6  思考題
第7章  信息處理模型和演算法
  7.1  文本模式匹配演算法
    7.1.1  經典單模式匹配演算法
    7.1.2  經典多模式DFSA匹配演算法
  7.2  分類演算法
    7.2.1  線性分類器
    7.2.2  向量空間模型法
    7.2.3  最小方差映射法
    7.2.4  最近鄰分類法
    7.2.5  支持向量機
    7.2.6  傳統貝葉斯分類方法
  7.3  小結
  7.4  思考題
第8章  基於深度學習的圖像處理
  8.1  神經網路的起源與發展

  8.2  常見圖像處理深度學習網路簡介
    8.2.1  CNN分類網路原理
    8.2.2  生成對抗網路原理
  8.3  圖像處理應用實例
    8.3.1  CNN分類網路在真偽圖片識別中的應用實例
    8.3.2  GAN在人臉圖像偽造中的應用實例
  8.4  小結
  8.5  思考題
第9章  基於深度網路的自然語言處理
  9.1  應用於文本處理的深度網路
    9.1.1  卷積網路在文本處理上的應用
    9.1.2  長短期記憶模型簡介
  9.2  基於深度網路的自然語言模型
    9.2.1  注意力模型簡介
    9.2.2  BERT模型簡介
    9.2.3  理解基於深度學習的預訓練語言模型
  9.3  自然語言文本處理實例
    9.3.1  基於詞向量和句向量的文本處理實例
    9.3.2  基於BERT模型微調的分類實例
    9.3.3  CNN和LSTM網路的文本分類實例
  9.4  小結
  9.5  思考題
第10章  在線社交網路分析
  10.1  社交網路分析概述
    10.1.1  在線社交網路及其發展
    10.1.2  在線社交網路管理關鍵分析要素
  10.2  社交網路話題發現模型
    10.2.1  概率潛在語義分析模型
    10.2.2  隱含狄利克雷分配模型
  10.3  社交網路個體影響力計算
    10.3.1  基於網路結構的個體影響力計算
    10.3.2  基於話題的個體影響力計算
  10.4  社交網路信息傳播與引導
    10.4.1  社交網路信息傳播基本模型
    10.4.2  社交網路傳播引導
  10.5  小結
  10.6  思考題
第11章  信息過濾
  11.1  信息過濾概述
    11.1.1  信息過濾研究的歷史
    11.1.2  信息過濾的分類體系
    11.1.3  信息過濾的應用
    11.1.4  信息過濾的評價
  11.2  內容安全的信息過濾
    11.2.1  信息過濾和其他信息處理的異同
    11.2.2  用戶過濾和安全過濾
    11.2.3  現有信息過濾系統及技術
  11.3  基於匹配的信息過濾
    11.3.1  特徵字串匹配查全率估算
    11.3.2  準確率估算實驗

  11.4  基於鄰近類別分類的過濾
  11.5  小結
  11.6  思考題
第12章  基於大數據的信息內容安全管理
  12.1  網路輿情監測與預警
    12.1.1  網路輿情監測與預警的發展趨勢
    12.1.2  網路輿情監測與預警的關鍵技術
    12.1.3  網路輿情監測與預警的行業應用
  12.2  互聯網大數據搜索
    12.2.1  大數據搜索知識構建與驗證
    12.2.2  大數據搜索知識表示與存儲
    12.2.3  大數據搜索意圖理解與應對
  12.3  網上情報信息分析
    12.3.1  網上情報信息分析基礎理論模型
    12.3.2  非結構化信息自組織聚合表達與挖掘
    12.3.3  基於語義的海量文本特徵快速提取與情感分類
    12.3.4  面向網上情報信息分析的多媒體群件理解技術
  12.4  小結
  12.5  思考題
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032