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

物聯網安全與深度學習技術/物聯網在中國

  • 作者：編者:吳巍//許書彬//賈哲//駱連合|責編:王群
  • 出版社：電子工業
  • ISBN：9787121428913
  • 出版日期：2022/07/01
  • 裝幀：平裝
  • 頁數：192
人民幣：RMB 88 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書從物聯網技術發展現狀、體系架構及演進趨勢入手，設計物聯網安全架構；在對物聯網典型安全事件進行回顧的基礎上，梳理物聯網安全問題分類，提煉安全威脅和安全需求，提出物聯網安全體系框架，引出物聯網身份安全的重要性；深入介紹物聯網安全認證技術，從傳統身份認證機制、物聯網身份認證方法入手，對基於生物特徵的物聯網身份認證方法和基於深度學習的聲紋識別技術進行詳細描述；介紹了生物特徵識別技術中能夠實用化、商業化的深度學習演算法，並對典型的深度學習框架和平台進行了分析。
    本書可供物聯網、深度學習、網路安全領域的專業技術人員，特別是從事物聯網與網路安全方向的基礎理論研究、工程設計、運營服務的人員，以及高等院校相關專業的師生參考。
作者介紹
編者:吳巍//許書彬//賈哲//駱連合|責編:王群
目錄
第1章  物聯網技術基礎
  1.1  物聯網發展現狀
    1.1.1  美國
    1.1.2  歐盟
    1.1.3  日本
    1.1.4  韓國
    1.1.5  中國
  1.2  物聯網體系架構
    1.2.1  感知層
    1.2.2  網路層
    1.2.3  應用層
  1.3  物聯網信息的三大特性
    1.3.1  高敏感性
    1.3.2  高可靠性
    1.3.3  高關聯性
  1.4  物聯網體系架構的發展
  1.5  小結
第2章  物聯網安全架構
  2.1  引言
  2.2  物聯網典型安全事件
    2.2.1  事件回顧
    2.2.2  事件分析
  2.3  物聯網安全問題分類
    2.3.1  互聯網引入的安全問題
    2.3.2  物聯網場景下的互聯網「安全」問題
    2.3.3  物聯網引入的安全問題
    2.3.4  物聯網自身的安全問題
  2.4  物聯網安全威脅分析
    2.4.1  感知層安全威脅
    2.4.2  網路層安全威脅
    2.4.3  應用層安全威脅
  2.5  物聯網安全需求分析
    2.5.1  縱橫聯動的一體化安全保障支撐
    2.5.2  感知層感測器設備的身份鑒別與數據防護
    2.5.3  網路層異構網路規模化安全互聯與全網統一監管
    2.5.4  應用層數據多域安全共享
  2.6  物聯網安全體系框架
    2.6.1  技術體系
    2.6.2  物聯網系統的安全信息流
  2.7  小結
第3章  物聯網安全認證技術
  3.1  引言
  3.2  身份認證方式
    3.2.1  基於秘密信息的認證方式
    3.2.2  基於信物的認證方式
    3.2.3  基於密鑰的認證方式
    3.2.4  基於生物特徵的認證方式
  3.3  物聯網身份認證的特點
    3.3.1  輕量級
    3.3.2  非對稱

    3.3.3  複雜性
  3.4  幾種物聯網身份認證方式
    3.4.1  基於RFID的物聯網身份認證方式
    3.4.2  基於感測網路的物聯網認證方式
    3.4.3  基於藍牙的感知網路認證方式
    3.4.4  基於生物特徵識別的認證方式
  3.5  基於生物特徵的物聯網身份認證方法
    3.5.1  生物特徵身份認證流程
    3.5.2  指紋識別
    3.5.3  人臉識別
    3.5.4  虹膜識別
    3.5.5  指靜脈識別
    3.5.6  聲紋識別
  3.6  基於深度學習的聲紋識別技術
    3.6.1  概述
    3.6.2  聲紋識別的工作原理
    3.6.3  聲紋識別的流程
    3.6.4  聲紋識別技術的三次突破
    3.6.5  基於深度學習的典型聲紋識別演算法
    3.6.6  聲紋識別應用趨勢
  3.7  小結
  本章參考文獻
第4章  卷積神經網路技術
  4.1  卷積運算
  4.2  動機
  4.3  池化
  4.4  將卷積與池化作為一個無限強的先驗
  4.5  基本卷積函數的變體
  4.6  結構化輸出
  4.7  數據類型
  4.8  高效的卷積演算法
  4.9  隨機或無監督的特徵
  4.10  小結
  本章參考文獻
第5章  序列建模：循環和遞歸網路
  5.1  展開計算圖
  5.2  RNN
    5.2.1  Teacher Forcing和輸出循環網路
    5.2.2  計算RNN的梯度
    5.2.3  作為有向圖模型的循環網路
    5.2.4  基於上下文的RNN序列建模
  5.3  雙向RNN
  5.4  基於編碼-解碼的序列到序列架構
  5.5  深度RNN
  5.6  遞歸神經網路
  5.7  長期依賴的挑戰
  5.8  回聲狀態網路
  5.9  滲漏單元和其他多時間尺度的策略
    5.9.1  時間維度的跳躍連接
    5.9.2  滲漏單元和一系列時間尺度

    5.9.3  刪除連接
  5.10  長短期記憶和其他門控RNN
    5.10.1  長短期記憶
    5.10.2  其他門控RNN
  5.11  優化長期依賴
    5.11.1  截斷梯度
    5.11.2  引導信息流的正則化
  5.12  外顯記憶
  5.13  小結
  本章參考文獻
第6章  深度學習框架和平台的分析與對比
  6.1  概述
  6.2  深度學習框架
    6.2.1  TensorFlow
    6.2.2  Caffe
    6.2.3  PyTorch
    6.2.4  CNTK
    6.2.5  MXNet
  6.3  深度學習框架的分析與對比
    6.3.1  總體分析
    6.3.2  深度學習框架的對比
    6.3.3  深度學習框架對硬體的利用情況
  6.4  深度學習平台
    6.4.1  華為深度學習服務DLS
    6.4.2  阿里深度學習開發平台X-DeepLearning
    6.4.3  百度深度學習開發平台PAddle
    6.4.4  幾種平台的對比
  6.5  小結

  • 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