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

網路安全異常分析與防禦技術/網路空間安全叢書

  • 作者：劉延華//郭文忠|責編:賈子睿
  • 出版社：人民郵電
  • ISBN：9787115685780
  • 出版日期：2026/08/01
  • 裝幀：平裝
  • 頁數：286
人民幣：RMB 179.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    網路安全異常分析與防禦技術通過智能檢測與動態對抗手段，破解了傳統安全機制滯後於新型攻擊的困境，達成「攻防一體，智能預判」的防護目標。本書從複雜網路環境下的安全挑戰切入，系統梳理網路安全異常分析的理論基礎與關鍵技術，涵蓋監督學習、半監督學習與無監督學習方法，以及網路安全事件還原技術、動態防禦技術、知識圖譜技術等內容，深入解析如何實現「威脅早預警，防禦自適應」的主動安全生態，並結合攻擊意圖推理、資產風險評估等場景構建動態防禦閉環。
    本書適合網路安全領域研究人員、AI安全工程師、網路攻防技術從業者閱讀，可供網路空間安全專業研究生參考，也可作為企事業單位網路安全運維團隊的關鍵技術指南。
作者介紹
劉延華//郭文忠|責編:賈子睿
目錄
第1章  緒論
  1.1  網路空間安全
    1.1.1  新的安全態勢
    1.1.2  基本概念
  1.2  網路安全異常分析技術
    1.2.1  基本概念
    1.2.2  關鍵技術
    1.2.3  主要應用
    1.2.4  發展現狀
  1.3  網路安全防禦技術
    1.3.1  傳統防禦技術
    1.3.2  新興防禦技術
  1.4  當前存在的問題和未來發展方向
    1.4.1  當前存在的問題
    1.4.2  未來發展方向
  1.5  本章小結
  參考文獻
第2章  基礎知識
  2.1  網路安全異常檢測
    2.1.1  基本概念
    2.1.2  方法論
  2.2  基於監督學習的網路安全異常檢測技術
    2.2.1  基本概念
    2.2.2  基於監督學習的網路安全異常檢測演算法
    2.2.3  監督學習在網路安全異常檢測中的研究現狀
  2.3  基於半監督學習和無監督學習的網路安全異常檢測技術
    2.3.1  半監督學習的基本概念
    2.3.2  基於半監督學習的網路安全異常檢測演算法
    2.3.3  無監督學習的基本概念
    2.3.4  基於無監督學習的網路安全異常檢測演算法
    2.3.5  半監督和無監督學習在網路安全異常檢測中的研究現狀
  2.4  網路安全事件
    2.4.1  基本概念
    2.4.2  網路安全事件類型
    2.4.3  網路安全事件分析與威脅評估
  2.5  攻防博弈模型
    2.5.1  基本概念
    2.5.2  攻防博弈模型建立
    2.5.3  攻防博弈模型求解
    2.5.4  攻防博弈模型的研究現狀
  2.6  本章小結
  參考文獻
第3章  有監督的網路安全異常分析技術
  3.1  基於聯邦增量學習的SDN流量分析方法
    3.1.1  SDN環境下的DDoS攻擊流量分析
    3.1.2  模型架構
    3.1.3  演算法步驟
    3.1.4  實驗分析
  3.2  基於XGBoost的態勢預測方法
    3.2.1  態勢預測技術分析

    3.2.2  模型架構
    3.2.3  實驗分析
  3.3  面向邊緣設備的輕量級DDoS攻擊實時檢測方法
    3.3.1  物聯網邊緣設備異常檢測分析
    3.3.2  模型架構
    3.3.3  演算法步驟
    3.3.4  實驗分析
  3.4  基於WGAN的集成學習惡意代碼檢測方法
    3.4.1  惡意代碼檢測分析
    3.4.2  模型架構
    3.4.3  演算法步驟
    3.4.4  實驗分析
  3.5  基於改進ACGAN遷移學習的惡意代碼檢測方法
    3.5.1  基於圖像分析的惡意代碼檢測技術
    3.5.2  模型架構
    3.5.3  演算法步驟
    3.5.4  實驗分析
  3.6  本章小結
  參考文獻
第4章  半監督與無監督的網路安全異常分析技術
  4.1  惡意代碼檢測模型的對抗樣本生成方法
    4.1.1  機器學習模型的對抗訓練技術分析
    4.1.2  模型架構
    4.1.3  演算法步驟
    4.1.4  實驗分析
  4.2  雲中心上的物聯網流量異常檢測方法
    4.2.1  中心化物聯網系統的安全現狀分析
    4.2.2  模型架構
    4.2.3  演算法步驟
    4.2.4  實驗分析
  4.3  物聯網異常檢測模型的多場景遷移學習方法
    4.3.1  多場景下的物聯網異常檢測問題分析
    4.3.2  模型架構
    4.3.3  實驗分析
  4.4  面向可視化的多層次關聯異常主機識別方法
    4.4.1  可視化在安全分析中的智能性問題分析
    4.4.2  模型架構
    4.4.3  演算法步驟
    4.4.4  實驗分析
  4.5  本章小結
  參考文獻
第5章  網路安全事件還原技術
  5.1  面向網路公害治理的多模態知識表示方法
    5.1.1  網路公害治理中的多模態知識表示
    5.1.2  模型架構
    5.1.3  演算法步驟
    5.1.4  實驗分析
  5.2  面向網路拓撲的資產重要性評估方法
    5.2.1  關鍵資產保護的動態風險控制分析
    5.2.2  模型架構

    5.2.3  演算法步驟
    5.2.4  實驗分析
  5.3  基於脆弱性利用的攻擊路徑圖自動生成方法
    5.3.1  網路攻擊路徑分析
    5.3.2  模型架構
    5.3.3  演算法步驟
    5.3.4  實驗分析
  5.4  基於決策樹的態勢特徵提取技術研究
    5.4.1  態勢特徵提取技術研究
    5.4.2  模型架構
    5.4.3  演算法步驟
    5.4.4  實驗分析
  5.5  本章小結
  參考文獻
第6章  網路安全動態防禦技術
  6.1  網路攻擊意圖識別技術
    6.1.1  網路攻擊意圖識別研究
    6.1.2  模型架構
    6.1.3  演算法步驟
    6.1.4  實驗分析
  6.2  基於AHP和雲模型的網路攻擊面評估方法
    6.2.1  網路攻擊面評估研究
    6.2.2  模型架構
    6.2.3  演算法步驟
    6.2.4  實驗分析
  6.3  基於OpenFlow的IP地址跳變機制
    6.3.1  IP地址跳變機制研究
    6.3.2  模型架構
    6.3.3  演算法步驟
    6.3.4  實驗分析
  6.4  本章小結
  參考文獻
第7章  網路安全知識圖譜技術
  7.1  面向網路攻擊風險的知識圖譜構建
    7.1.1  網路攻擊風險研究現狀
    7.1.2  網路攻擊風險知識圖譜構建
    7.1.3  實驗分析
  7.2  基於假定攻擊意圖的知識圖譜構建
    7.2.1  攻擊意圖研究現狀
    7.2.2  假定攻擊意圖知識圖譜構建
    7.2.3  實驗分析
  7.3  面向網路安全的知識圖譜構建
    7.3.1  網路安全問題研究現狀
    7.3.2  網路安全知識圖譜構建
    7.3.3  實驗分析
  7.4  面向網路公害的知識圖譜構建
    7.4.1  網路公害治理研究現狀
    7.4.2  網路公害知識圖譜構建
    7.4.3  實驗分析
  7.5  本章小結

  參考文獻
第8章  網路安全異常分析發展趨勢
  8.1  大數據環境下的網路安全異常分析
    8.1.1  問題與挑戰
    8.1.2  技術需求與現狀
    8.1.3  應用案例分析
    8.1.4  未來趨勢與展望
  8.2  結合隱私保護的網路安全異常分析
    8.2.1  問題與挑戰
    8.2.2  技術需求與現狀
    8.2.3  未來趨勢
  8.3  可解釋的網路安全異常分析
    8.3.1  問題與挑戰
    8.3.2  現狀與未來趨勢
  8.4  基於大模型的網路安全異常分析
    8.4.1  大模型對異常分析的優勢
    8.4.2  研究現狀
    8.4.3  問題與未來趨勢
  8.5  本章小結
  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