基於深度學習的網絡流量異常檢測及隱私安全防護研究
閆曉丹
- 出版商: 北京郵電大學
- 出版日期: 2025-07-01
- 售價: $348
- 語言: 簡體中文
- 頁數: 119
- ISBN: 7563575820
- ISBN-13: 9787563575824
-
相關分類:
DeepLearning、Computer-networks、Penetration-test
下單後立即進貨 (約4週~6週)
相關主題
商品描述
本書系統地介紹了基於深度學習的網絡流量異常檢測與隱私安全防護技術,涵蓋理論、技術與應用實踐。本書包括網絡異常檢測與隱私保護的概念、目標、特征、發展歷程、關鍵技術、典型應用、面臨的挑戰及其與網絡安全的關系;相關算法理論基礎,如深度學習理論、協同學習理論和生成對抗網絡理論;核心技術基礎,包括大數據分析技術、神經網絡模型技術和加密保護技術。本書還詳細介紹了異常流量檢測、誤植域名識別、惡意域名檢測和隱私防護技術,結合實際案例展示了這些技術在應對網絡安全威脅中的作用。 本書可作為高等院校網絡安全、人工智能、數據科學等專業的教材,也可供相關領域的教師、研究生、研究人員和技術人員參考,為應對覆雜網絡安全問題提供全面指導。
目錄大綱
第1章 緒論
1.1 研究背景與研究意義
1.2 國內外研究現狀
1.2.1 覆雜場景下流量檢測方案研究現狀
1.2.2 惡意域名檢測方案研究現狀
1.2.3 深度學習的攻擊模型研究現狀
1.3 本書的主要研究內容
1.4 本書的組織結構
第2章 覆雜場景下網絡流量異常檢測技術
2.1 引言
2.2 基於鉸鏈分類算法的網絡流量檢測算法
2.2.1 鉸鏈分類算法損失函數
2.2.2 鉸鏈分類算法的優化方法
2.2.3 基於HCA-MBGDALRM分析
2.2.4 並行HCA-MBGDALRM框架
2.3 性能評估
2.3.1 訓練樣本
2.3.2 鉸鏈分類算法優化
2.3.3 實驗與分析
本章小結
第3章 基於雙向LSTM誤植域名檢測技術
3.1 引言
3.2 雙向遞歸神經網絡的層次結構
3.3 雙向遞歸神經網絡層次結構的性能
3.3.1 模型培訓與評價指標
3.3.2 實驗與分析
本章小結
第4章 基於URL嵌入的惡意域名檢測技術
4.1 引言
4.2 URL嵌入的分布式表示
4.2.1 URL嵌入的架構
4.2.2 URL嵌入的算法
4.3 性能評估
4.3.1 數據集
4.3.2 實驗與分析
本章小結
第5章 基於協同深度學習的隱私安全防護技術
5.1 引言
5.2 攻擊模型
5.2.1 協同深度學習
5.2.2 針對本地參數對CDL的攻擊
5.2.3 針對全局參數對CDL的攻擊
5.3 攻擊模型訓練相關探究
5.3.1 本地模型訓練
5.3.2 全局模型訓練
5.4 基於深度卷積生成對抗網絡的隱私保護方法
5.4.1 系統架構
5.4.2 防護分析
5.5 實驗與分析
5.5.1 數據集
5.5.2 實驗與結果
本章小結
參考文獻
