簡體書新到貨|2書75折 ( 10/6-10/15 ) 詳見活動內容 »
-
85折
$254LangChain 與大語言模型應用開發實踐 -
VIP 95折
數學之美 Ⅱ$774$735 -
VIP 95折
機器人系統開發與優化:算法、感知與控制策略$714$678 -
VIP 95折
AI for Science 中的深度學習$654$621 -
VIP 95折
覆雜系統架構設計實戰:從架構設計原理到頂尖公司面試$594$564 -
85折
$453電力電子化直流系統電弧智能故障檢測技術 -
79折
$706電子商務:商務、技術、社會 原書第17版 -
79折
$606初識密碼學 -
VIP 95折
量子力學, 2/e$330$313 -
VIP 95折
學習 Unity 和 C# 遊戲編程, 2/e$756$718 -
79折
$417解密GRE數學出題點 -
VIP 95折
Stable Diffusion - ComfyUI AI 繪畫工作流解析$534$507 -
VIP 95折
多模態 AI Agent 開發實踐$600$570 -
$354機器學習基礎及應用 -
85折
$657AI 大模型面試內參 (上、下冊) -
VIP 95折
Qt 6 for Python:PySide6 GUI 應用開發指南$899$854 -
85折
$448破殼線性代數——踐悟人工智能與量子力學 -
85折
$249數字集成電路設計實踐 -
85折
$856數字通信——基礎與應用(原書第3版·中文導讀版) -
85折
$407OpenCV 圖像實戰 : 圖像處理的深度探索與項目實戰 -
79折
$469解碼大模型:原理與實戰 -
79折
$606Cadence Allegro 24.1 電子設計速成實戰寶典 -
VIP 95折
AI 賦能 AutoCAD 高效作圖與自動化實現(AutoCAD 2024)(視頻教學版)$359$341 -
79折
$236AIGC 與電商營銷技能實戰 (慕課版) -
VIP 95折
從演算法到電路:數碼芯片演算法的電路實現$714$678
相關主題
商品描述
本書共14章,圍繞下一 代互聯網安全領域的核心挑 戰——IPv6網絡實體的高精 度定位與多維度脆弱性評估 展開系統研究。第1章為緒 論。第2章為相關知識與工 具。第3章為基於時延特征 的邊界路由IP定位算法。第 4~9章針對IPv6地址稀疏性 、動態性、低存活度及多穴 性等關鍵問題提出了 HpGraphNEI、HGL、GEO 、SubvectorS-Geo等創新 性IP定位算法。 0~13章 構建了“拓撲結構—網絡實 體—應用軟件”三位一體的 脆弱性評估體系,實現從宏 觀網絡結構到微觀軟件屬性 的全鏈條風險感知。 4章 為總結與展望。 本書體系完備、內容前 沿,兼具理論深度與實踐指 導價值,適合網絡空間安全 、下一代互聯網架構、網絡 測量與智能安全等相關領域 的研究人員、高校師生及工 程技術人員閱讀參考,旨在 為推動 IPv6安全治理與 防禦體系建設提供學術支撐 與技術借鑒。
目錄大綱
第1章 緒論
1.1 研究背景與意義
1.2 研究現狀
1.3 研究難點及創新內容
第2章 相關知識與工具
2.1 IPv6地址
2.2 地址生成及掃描技術
2.3 地標
2.4 IPv6網絡空間測量
2.5 圖
2.6 網絡實體識別
2.7 探測與掃描工具
2.8 測繪平臺
2.9 本章小結
第3章 基於時延特征的邊界路由IP定位算法
3.1 問題提出
3.2 相關工作
3.3 研究方法
3.4 實驗數據集及結果
3.5 討論與分析
3.6 總結與展望
第4章 HpGraphNEI:基於異配圖學習的網絡實體識別模型
4.1 問題提出
4.2 相關工作
4.3 HpGraphNEI模型
4.4 實驗與分析
4.5 本章小結
第5章 基於特征聚類的IPv6地標表示方法
5.1 問題提出
5.2 IPv6地標收集
5.3 實驗與分析
5.4 本章小結
第6章 基於神經網絡的IPv6定位算法
6.1 問題提出
6.2 相關工作
6.3 SubvectorS_Geo算法
6.4 實驗與分析
6.5 本章小結
第7章 基於區域路由節點的層次分類IP定位模型
7.1 問題提出
7.2 GWS-Geo模型和目標IP定位步驟
7.3 實驗與分析
7.4 本章小結
第8章 基於超圖神經網絡的社區發現IP定位模型
8.1 問題提出
8.2 HGL_GEO定位算法
8.3 實驗與分析
8.4 本章小結
第9章 基於網絡實體屬性的IP定位算法
9.1 問題提出
9.2 GraphNEI模型及定位算法
9.3 實驗與分析
9.4 本章小結
0章 GraphNV:基於圖註意力網絡的網絡節點脆弱性評估方法
10.1 問題提出
10.2 相關工作
10.3 GraphNV模型
10.4 實驗與分析
10.5 本章小結
1章 TransformerNEI:基於Transformer的網絡實體識別模型
11.1 問題提出
11.2 模型化框架及主要步驟
11.3 實驗與分析
11.4 本章小結
2章 NR-GAT:基於圖註意力網絡的網絡節點脆弱性評估方法
12.1 問題提出
12.2 相關工作
12.3 基於NR-GAT的網絡脆弱性分析模型
12.4 實驗與分析
12.5 本章小結
3章 HGL-SSCR:基於超圖學習的軟件供應鏈風險評估模型
13.1 問題提出
13.2 相關工作
13.3 HGL-SSCR模型
13.4 實驗與分析
13.5 本章小結
4章 總結與展望
14.1 工作總結
14.2 未來工作展望
參考文獻
