人工智能算法安全與安全應(yīng)用

定　價：￥98.00

作　者：	張小松，劉小壘，牛偉納著
出版社：	科學(xué)出版社
叢編項：	前沿信息技術(shù)的安全與應(yīng)用叢書
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥82.00)

ISBN：	9787030669070	出版時間：	2021-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	278	字?jǐn)?shù)：

內(nèi)容簡介

　　《人工智能算法安全與安全應(yīng)用》內(nèi)容共三部分。**部分介紹了當(dāng)前的人工智能技術(shù)，進(jìn)而引出了人工智能算法的脆弱性以及人工智能在網(wǎng)絡(luò)安全中的應(yīng)用，并對《人工智能算法安全與安全應(yīng)用》的框架結(jié)構(gòu)進(jìn)行了大致介紹。第二部分是對人工智能算法安全性的探討，該部分首先對人工智能算法的脆弱性進(jìn)行了介紹，包括不同場景與應(yīng)用的對抗樣本生成方法和先進(jìn)的對抗樣本防御方法；然后對人工智能的數(shù)據(jù)安全進(jìn)行了闡述與介紹。第三部分是對人工智能在網(wǎng)絡(luò)安全中應(yīng)用的介紹，分別介紹了人工智能在脆弱性發(fā)現(xiàn)、惡意代碼分析、網(wǎng)絡(luò)追蹤溯源以及高持續(xù)性威脅（APT）檢測中的應(yīng)用。

作者簡介

暫缺《人工智能算法安全與安全應(yīng)用》作者簡介

圖書目錄

目錄
序
前言
**部分人工智能算法安全與安全應(yīng)用概述
第1章緒論3
1.1人工智能概述3
1.1.1人工智能定義3
1.1.2人工智能技術(shù)的發(fā)展現(xiàn)狀6
1.2人工智能算法安全與安全應(yīng)用現(xiàn)狀9
1.2.1人工智能算法安全與安全應(yīng)用的研究范疇9
1.2.2人工智能算法安全概述10
1.2.3人工智能在網(wǎng)絡(luò)安全中的挑戰(zhàn)與應(yīng)用12
1.2.4各國人工智能算法安全應(yīng)用的政策13
1.3本書主要內(nèi)容14
參考文獻(xiàn)16
第二部分人工智能算法安全
第2章人工智能算法的脆弱性21
2.1對抗樣本21
2.1.1對抗樣本研究的背景與發(fā)展21
2.1.2對抗樣本的相關(guān)概念23
2.1.3對抗樣本的產(chǎn)生原因25
2.2針對圖像分類模型的對抗樣本生成方法26
2.2.1白盒攻擊26
2.2.2黑盒攻擊40
2.3針對其他分類模型的對抗樣本生成方法51
2.3.1計算機視覺其他應(yīng)用51
2.3.2自然語言處理58
2.3.3網(wǎng)絡(luò)安全相關(guān)應(yīng)用67
2.4應(yīng)對人工智能算法脆弱性的防御策略80
2.4.1主動防御策略80
2.4.2被動防御策略96
2.5本章小結(jié)100
參考文獻(xiàn)100
第3章人工智能數(shù)據(jù)安全106
3.1大數(shù)據(jù)安全與人工智能安全107
3.1.1大數(shù)據(jù)安全107
3.1.2大數(shù)據(jù)安全與人工智能安全的關(guān)系109
3.2數(shù)據(jù)與隱私保護(hù)方式109
3.2.1密文加密技術(shù)110
3.2.2訪問控制115
3.2.3匿名技術(shù)118
3.2.4完整性校驗121
3.3數(shù)據(jù)投毒防御123
3.4本章小結(jié)124
參考文獻(xiàn)125
第三部分人工智能網(wǎng)絡(luò)安全應(yīng)用
第4章脆弱性發(fā)現(xiàn)133
4.1軟件脆弱性與漏洞133
4.1.1漏洞的概念及危害133
4.1.2漏洞的行為特性135
4.1.3漏洞分析挖掘技術(shù)介紹137
4.2傳統(tǒng)脆弱性發(fā)現(xiàn)技術(shù)140
4.2.1人工方法140
4.2.2自動方法141
4.2.3混合方法142
4.3自動化脆弱性發(fā)現(xiàn)技術(shù)143
4.3.1靜態(tài)分析技術(shù)143
4.3.2動態(tài)分析技術(shù)150
4.4本章小結(jié)163
參考文獻(xiàn)164
第5章惡意代碼分析167
5.1惡意代碼基本內(nèi)涵及行為模式167
5.1.1典型惡意代碼167
5.1.2惡意代碼命令與控制機制175
5.2傳統(tǒng)惡意代碼檢測方式180
5.2.1靜態(tài)分析技術(shù)181
5.2.2動態(tài)分析技術(shù)182
5.2.3傳統(tǒng)檢測方法分析與評價183
5.3人工智能應(yīng)用于惡意代碼的自動化特征提取和分析檢測184
5.3.1基于模糊聚類的僵尸網(wǎng)絡(luò)檢測185
5.3.2基于惡意API調(diào)用序列模式挖掘的惡意代碼檢測方法188
5.3.3基于卷積神經(jīng)網(wǎng)絡(luò)的JavaScript惡意代碼檢測方法190
5.3.4基于行為分析和特征碼的惡意代碼檢測技術(shù)191
5.3.5基于RNN的Webshell檢測研究193
5.3.6基于n-gram的惡意代碼分類197
5.4本章小結(jié)201
參考文獻(xiàn)201
第6章網(wǎng)絡(luò)追蹤溯源203
6.1網(wǎng)絡(luò)追蹤溯源的定義和范疇203
6.1.1**層追蹤溯源204
6.1.2第二層追蹤溯源206
6.1.3第三層追蹤溯源209
6.1.4第四層追蹤溯源210
6.2應(yīng)用人工智能構(gòu)建全體系的網(wǎng)絡(luò)攻擊追蹤溯源210
6.2.1審查規(guī)避系統(tǒng)210
6.2.2攻擊感知—追蹤溯源攻擊主機220
6.2.3直接攻擊源定位—追蹤溯源控制主機223
6.2.4真正攻擊源和幕后組織者定位—追蹤溯源攻擊者及其組織229
6.3本章小結(jié)230
參考文獻(xiàn)231
第7章APT檢測234
7.1APT基本內(nèi)涵及行為模式234
7.1.1APT組織與攻擊事件235
7.1.2APT攻擊鏈237
7.2傳統(tǒng)APT檢測方式238
7.2.1惡意代碼檢測類239
7.2.2主機應(yīng)用保護(hù)類245
7.2.3網(wǎng)絡(luò)入侵檢測類245
7.2.4大數(shù)據(jù)分析檢測類248
7.2.5基于通信行為分析的APT攻擊檢測249
7.3人工智能應(yīng)用于APT精準(zhǔn)分析檢測252
7.3.1攻擊特征的智能提取252
7.3.2 APT自動化檢測模型構(gòu)建263
7.4本章小結(jié)277
參考文獻(xiàn)277