书机器学习互联网业务安全实践籍 pdf下载

基本信息

• 商品名称：机器学习互联网业务安全实践
• 作者：王帅//吴哲夫
• 定价：128
• 出版社：电子工业
• 书号：9787121355684

其他参考信息（以实物为准）

• 出版时间：2019-09-01
• 印刷时间：2019-09-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：489
• 字数：553千字

编辑推荐语

√ 垃圾注册|刷单|薅羊毛|信息泄露，反欺诈|反爬虫|账户安全|内容安全|信贷安全，完整方案|成熟体系与一手实践。 √ 利用机器学习扩大风险识别范围|提高风险识别的准确度|提升业务安全的自动化水平，跨安全与AI领域的入行指南。 √ 业务安全从业者可用来快速选择至优机器学习方案，算法工程师可用来了解ML业务安全应用独特之处以备深入研究。 √ 覆盖真实安全业务场景|机器学习算法原理|算法实现优化与生产环境上线迭代，与常胜高手过招一般快速提升功力。

内容提要

互联网产业正在从IT时代迈入DT时代（数据时代），同时互联网产业的繁荣也催生了黑灰产这样的群体。那么，在数据时代应该如何应对互联网业务安全威胁？机器学习技术在互联网业务安全领域的应用正是答案。本书首先从机器学习技术的原理入手，自成体系地介绍了机器学习的基础知识，从数学的角度揭示了算法模型背后的基本原理；然后介绍了互联网业务安全所涉及的重要业务场景，以及机器学习技术在这些场景中的应用实践； 介绍了如何应用互联网技术栈来建设业务安全技术架构。作者根据多年的一线互联网公司从业经验给出了很多独到的见解，供读者参考。本书既适合机器学习从业者作为入门参考书，也适合互联网业务安全从业者学 灰产对抗手段，帮助他们做到知己知彼，了解如何应用机器学习技术来提高与黑灰产对抗的能力。

目录

第1章 互联网业务安全简述1
1.1 互联网业务安全现状1
1.2 如何应对挑战4
1.3 本章小结6
参考资料6
第2章 机器学习入门8
2.1 相似性9
2.1.1 范数9
2.1.2 度量12
2.2 矩阵20
2.2.1 线性空间20
2.2.2 线性算子24
2.3 空间33
2.3.1 内积空间33
2.3.2 欧几里得空间（Euclid space）34
2.3.3 酉空间37
2.3.4 赋范线性空间38
2.3.5 巴拿赫空间39
2.3.6 希尔伯特空间43
2.3.7 核函数44
2.4 机器学习中的数学结构46
2.4.1 线性结构与非线性结构46
2.4.2 图论基础47
2.4.3 树56
2.4.4 神经网络62
2.4.5 深度网络结构80
2.4.6 小结95
2.5 统计基础96
2.5.1 贝叶斯统计96
2.5.2 共轭先验分布99
2.6 策略与算法106
2.6.1 凸优化的基本概念106
2.6.2 对偶原理120
2.6.3 非线性规划问题的解决方法129
2.6.4 无约束问题的 化方法134
2.7 机器学习算法应用的经验145
2.7.1 如何定义机器学习目标145
2.7.2 如何从数据中获取 有价值的信息149
2.7.3 评估模型的表现154
2.7.4 测试效果远差于预期怎么办156
2.8 本章小结159
参考资料160
第3章 模型163
3.1 基本概念163
3.2 模型评价指标166
3.2.1 混淆矩阵167
3.2.2 分类问题的基础指标167
3.2.3 ROC曲线与AUC171
3.2.4 基尼系数173
3.2.5 回归问题的评价指标175
3.2.6 交叉验证175
3.3 回归算法177
3.3.1 小二乘法177
3.3.2 脊回归181
3.3.3 Lasso回归线性模型181
3.3.4 多任务Lasso181
3.3.5 L1、L2正则杂谈182
3.4 分类算法183
3.4.1 CART算法183
3.4.2 支持向量机186
3.5 降维188
3.5.1 贝叶斯网络189
3.5.2 主成分分析195
3.6 主题模型LDA198
3.6.1 马尔可夫链蒙特卡罗法198
3.6.2 贝叶斯网络与生成模型199
3.6.3 学习方法在LDA中的应用206
3.7 集成学习方法（Ensemble Method）215
3.7.1 Boosting方法216
3.7.2 Bootstrap Aggregating方法220
3.7.3 Stacking方法221
3.7.4 小结222
参考资料223
第4章 机器学习实践的基础包226
4.1 简介226
4.2 Python机器学习基础环境228
4.2.1 Jupyter Notebook228
4.2.2 Numpy、Scipy、Matplotlib和pandas231
4.2.3 scikit-learn、gensim、TensorFlow和Keras250
4.3 Scala的基础库266
4.3.1 Zeppelin266
4.3.2 Breeze267
4.3.3 Spark MLlib276
4.4 本章小结281
参考资料282
第5章 机器学习实践的金刚钻283
5.1 简介283
5.2 XGBoost284
5.3 Prediction IO（PIO）287
5.3.1 部署PIO287
5.3.2 机器学习模型引擎的开发294
5.3.3 机器学习模型引擎的部署296
5.3.4 PIO系统的优化297
5.4 Caffe298
5.5 TensorFlow304
5.6 BigDL306
5.7 本章小结308
参考资料308
第6章 账户业务安全310
6.1 背景介绍310
6.2 账户安全保障312
6.2.1 注册环节312
6.2.2 登录环节314
6.3 聚类算法在账户安全中的应用315
6.3.1 K-Means算法315
6.3.2 高斯混合模型（GMM）317
6.3.3 OPTICS算法和DBSCAN算法326
6.3.4 应用案例331
6.4 本章小结334
参考资料334
第7章 平台业务安全335
7.1 背景介绍335
7.2 电商平台业务安全338
7.3 社交平台业务安全343
7.4 复杂网络算法在平台业务安全中的应用346
7.4.1 在电商平台作弊团伙识别中的应用346
7.4.2 在识别虚假社交关系中的应用351
7.5 本章小结353
参考资料354
第8章 内容业务安全355
8.1 背景介绍355
8.2 如何做好内容业务安全工作357
8.2.1 面临的挑战357
8.2.2 部门协作358
8.2.3 技术体系359
8.3 卷积神经网络在内容业务安全中的应用361
8.3.1 人工神经网络（Artificial Neural Network）361
8.3.2 深度神经网络（Deep Neural Network）367
8.3.3 卷积神经网络（Convolutional Neural Network）379
8.3.4 应用案例392
8.4 本章小结405
参考资料405
第9章 信息业务安全406
9.1 背景介绍406
9.2 反欺诈业务407
9.3 反爬虫业务412
9.3.1 验证问题的可分性412
9.3.2 提升模型效果413
9.4 循环神经网络在信息安全中的应用414
9.4.1 原始RNN（Vanilla RNN）414
9.4.2 LSTM算法及其变种415
9.4.3 应用案例419
9.5 本章小结429
参考资料430

0章 信贷业务安全432
10.1 背景介绍432
10.2 信贷业务安全简介434
10.3 分类算法在信贷业务安全中的应用438
10.3.1 典型分类算法的介绍438
10.3.2 应用案例：逻辑回归模型在信贷中风控阶段的应用463
10.4 本章小结468
参考资料469
1章 业务安全系统技术架构470
11.1 整体介绍470
11.2 平台层471
11.3 数据层473
11.4 策略层474
11.5 服务层480
11.6 业务层481
11.7 本章小结484
参考资料484
2章 总结与展望486
12.1 总结486
12.2 展望487
参考资料489
后记一 490
后记二 491
本书常见数学符号定义 492