基于人工智能方法的网络空间安全

本书介绍了一系列结合人工智能技术处理网络空间安全问题的方法，包括处理网络威胁情报、为恶意软件提供战略防御机制、解决网络犯罪、评估漏洞，以及产生主动而不是被动的对策的人工智能方法。

译者序序言前言第1章 网络空间安全中的网络本体语言：网络知识的概念建模111网络空间安全中的知识工程简介112网络空间安全分类标准413网络空间安全的核心参考本体模型614网络空间安全的上层本体615网络空间安全的领域本体8151入侵检测本体模型8152恶意软件分类和恶意软件行为本体模型8153网络威胁情报本体模型9154数字取证本体模型10155安全操作和流程本体模型11156描述网络攻击及其影响的本体模型1116网络空间安全的相关网络系统本体集1217总结14参考文献15第2章 推理型网络态势感知的网络语义知识表示1821引言1822预备知识1923通信网络的概念23231网络和拓扑结构24232网络接口和IP地址24233路由器25234自治系统和路由系统2624网络态势感知的形式化知识表示2825表示网络数据来源3326表示网络数据的不确定性3527表示网络数据的模糊性3828对网络态势感知的推理支持4029总结41参考文献41第3章 机器学习系统的安全性4531机器学习算法的脆弱性4532威胁模型46321攻击者能力产生的威胁47322攻击者目标产生的威胁48323攻击者知识产生的威胁49324攻击策略产生的威胁5033数据中毒52331投毒攻击场景53332很好投毒攻击56333投毒攻击的可传递性61334对投毒攻击的防御6334在测试中的攻击64341规避攻击场景66342规避攻击的计算69343规避攻击的可传递性70344对规避攻击的防御7235总结73参考文献74第4章 攻击前修补漏洞：一种识别目标软件脆弱性的方法7741引言7842相关工作8143预备知识82431有监督的学习方法82432漏洞利用预测面临的挑战8344漏洞利用预测模型85441数据源86442特征描述8845漏洞及利用分析90451漏洞利用可能性91452基于时间的分析91453基于供应商/平台的分析93454基于语言的分析9446实验设置95461性能评估96462结果9747对抗数据处理10348讨论10549总结107参考文献107第5章 人工智能方法在网络攻击检测中的应用11151引言11152相关工作11253二元分类器114531神经网络114532模糊神经网络118533支持向量机12354训练二元分类器以检测网络攻击126541计算和预处理网络参数127542二元分类器权重的遗传优化129543网络攻击检测算法13155组合多种二元分类器方案132551组合检测器的低层级方案132552聚合成分134553组合检测器的常用方法13656实验137561数据集137562实验1138563实验213957总结140参考文献141第6章 用于网络入侵检测的机器学习算法14461引言14462网络入侵检测系统146621部署方法146622检测方法14863网络入侵检测中的机器学习149631模糊推理系统150632人工神经网络156633基于机器学习的NIDS的部署16064实验161641评估环境161642模型构建162643结果对比16465总结165参考文献166第7章 使用机器学习技术进行Android应用程序分析17271引言17272Android应用程序包的结构174721中央配置(AndroidManifest.xml)174722Dalvik字节码(classes.dex)17573Android恶意软件识别技术176731黑名单176732参数化177733分类17774数据集准备178741APK文件分析178742应用程序元数据179743标签分类180744数据编码180745一种安全和恶意APK文件的新型数据集18175用SVM检测恶意软件182751SVM概述182752特征设置185753调整超参数185754评估指标186755数值结果18676与参数化方法比较188761扩展DroidRisk188762DroidRisk性能18977特征选择190771递归特征消除190772排序标准191773实验19278问题和19479总结195参考文献195