网络信息内容安全 第2版·微课视频版

"目前市面上缺乏对网络信息内容等技术进行系统介绍的书籍，本书以研究性课程为特征，着重培养学生的思考能力和初步的研究能力，可以让授课教师和学生迅速了解网络信息内容安全的核心技术，同时还能让大家了解网络信息内容安全的实际应用。本书主要面向高等院校本科生，理论与应用相结合，是本书一大特色。编排内容时兼顾了学科前沿研究和实际应用背景。通过该书，有助于发掘学生的科研兴趣，提升学生的就业层次，满足人才市场的需求。 "

网络信息内容安全技术是信息安全领域的一个研究方向，汇集了安全分析、机器学习及人工智能等学科知识，有着广阔的应用前景。本书共10章，介绍了与网络信息内容安全处理技术相关的基本概念、理论方法和近期新研究进展。在编写中着重阐述了信息内容安全的若干关键技术——网络流量分析及入侵检测、网络信息内容过滤、话题检测与跟踪、社会网络分析、网络舆情分析、开源情报分析、恶意代码挖掘和检测等。本书内容全面，案例丰富，既有对网络信息内容安全基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述，可作为高等院校计算机、信息技术等相关专业高年级本科生的教材或参考书，也可供从事信息技术、数据挖掘、人工智能、管理科学、战略研究等相关领域研究的教师、研究生和科研工作者参考，借以提供思路和技术支撑。

杨黎斌，男，西北工业大学工学博士，香港理工大学博士后，现为西北工业大学网络空间安全学院副教授。主持有国家自然科学基金、国家242安全专项、陕西省重点研发等十余项课题。近5年来以第一作者或通讯作者发表科研论文13篇，其中SCI收录论文10余篇。为本科生讲授《信息内容安全》课程，为研究生讲授《网络信息安全技术》等课程。

第1章绪论
1.1网络信息内容安全的背景
1.1.1我国互联网发展现状
1.1.2网络信息内容特点
1.2网络信息内容安全的概念
1.2.1网络信息内容安全的定义
1.2.2网络信息内容安全的特点
1.2.3网络信息内容安全的范畴
1.2.4网络信息内容安全的研究方法
1.3主流网络信息安全产品简介
1.3.1政府部门主导的项目
1.3.2科研院所或企业的项目与产品
1.4网络信息内容安全研究的意义
1.5网络信息内容安全的未来及发展趋势
1.6本章小结
习题
第2章网络信息的获取
2.1互联网信息分类
2.1.1网络流量信息
2.1.2网络媒体信息
2.2网络媒体信息的获取
2.2.1网络媒体信息获取方法分类
2.2.2网络媒体信息获取的一般流程
2.2.3网络媒体信息获取方法特点
2.2.4网络媒体信息获取方法质量评价标准
2.3网络媒体信息获取的难点分析
2.3.1数据抓取策略
2.3.2网络信息内容下载缓存
2.3.3网络信息内容并发下载
2.4网络媒体信息获取的典型方法
2.4.1需身份认证静态媒体发布信息获取
2.4.2内嵌脚本语言片段的动态网页信息获取
2.4.3基于浏览器模拟实现网络媒体信息获取
2.5网络流量信息的获取
2.5.1网络流量信息获取的一般流程
2.5.2网络流量信息获取的分类
2.5.3网络流量信息获取的难点分析
2.5.4Linux和Windows环境下的流量信息获取
2.6本章小结
习题
第3章网络信息内容处理技术
3.1网络信息内容处理概述
3.1.1网络信息内容处理一般流程
3.1.2文本信息内容预处理技术
3.1.3网络信息内容中数据信息的预处理
3.2语义特征抽取
3.2.1词级别语义特征
3.2.2亚词级别语义特征
3.2.3语义与语用级别语义特征
3.2.4汉语的语义特征抽取
3.3特征子集选取方法
3.3.1特征子集选择概述
3.3.2文档频率阈值法
3.3.3TF-IDF法
3.3.4信噪比法
3.4网络信息内容安全分析
3.4.1网络信息内容安全分析方法概述
3.4.2分类分析方法
3.4.3聚类分析方法
3.4.4关联分析法
3.4.5安全分析常用算法
3.5本章小结
习题
第4章网络流量分析及入侵检测
4.1网络流量分析概述
4.1.1网络流量分析目的及现状
4.1.2网络流量分析定义及特性
4.1.3网络流量分析流程概述
4.2网络流量获取
4.2.1网络流量获取的一般方法
4.2.2网络流量采集典型数据集
4.3常用的流量分析模型及方法
4.3.1端口分析
4.3.2特征码分析
4.3.3统计特征分析
4.3.4网络流量分析常见模型
4.4网络流量预测系统
4.4.1整体布局设计
4.4.2系统结构设计
4.4.3功能模块设计
4.5流量分析在入侵检测中的应用
4.5.1入侵检测系统原理
4.5.2常见入侵检测系统
4.6基于聚类的入侵检测分析
4.6.1基于聚类的入侵检测一般流程
4.6.2基于k-means的入侵检测技术
4.6.3k-means聚类入侵算法改进
4.7本章小结
习题
第5章网络信息内容过滤
5.1网络信息内容过滤概述
5.1.1网络信息内容过滤的定义
5.1.2网络信息内容过滤的原理
5.1.3网络信息内容过滤的意义
5.2网络信息内容过滤技术的分类
5.2.1根据过滤方法分类
5.2.2根据操作的主动性分类
5.2.3根据过滤位置分类
5.2.4根据过滤的不同应用分类
5.3网络信息内容过滤的一般流程
5.4网络信息内容过滤模型
5.4.1布尔模型
5.4.2向量空间模型
5.4.3神经网络模型
5.5网络信息内容过滤的主要方法
5.5.1统计方法
5.5.2逻辑方法
5.6网络信息内容过滤典型系统
5.6.1基于多Agents的过滤系统
5.6.2基于文本匹配的过滤系统
5.6.3基于朴素贝叶斯算法的垃圾邮件过滤
5.7本章小结
习题
第6章话题检测与跟踪
6.1话题检测与跟踪概述
6.1.1话题检测与跟踪的定义
6.1.2话题检测与跟踪的特点
6.1.3话题检测与跟踪的意义
6.2话题检测与跟踪的任务
6.2.1报道切分
6.2.2首次报道检测
6.2.3关联检测
6.2.4话题检测
6.2.5话题跟踪
6.3话题检测与跟踪的研究体系
6.4相关研究现状
6.4.1关联检测
6.4.2话题跟踪
6.4.3话题检测
6.4.4跨语言话题检测与跟踪
6.5话题检测与跟踪的一般系统模型
6.5.1话题/报道模型
6.5.2相似度计算
6.5.3聚类分析策略
6.6话题检测与跟踪的效果评价
6.6.1话题检测与跟踪使用的语料
6.6.2话题检测与跟踪的评测体系
6.7话题检测与跟踪的发展趋势
6.8本章小结
习题
第7章社会网络分析
7.1社会网络分析概述
7.1.1社会网络的定义
7.1.2社会网络分析的含义及主要内容
7.1.3社会网络分析的意义
7.2社会网络分析的研究体系
7.2.1中心性分析
7.2.2凝聚子群分析
7.2.3核心-边缘结构分析
7.3社会网络分析的一般模型
7.3.1社会网络的构建
7.3.2社会网络的发现
7.3.3节点地位评估
7.4社会网络分析常用方法
7.4.1基于命名实体检索结果的社会网络构建
7.4.2基于PageRank的社会网络节点重要性评估
7.5社会网络分析的安全应用
7.5.1社会挖掘和话题监控的互动模型研究
7.5.2网络高级水军检测
7.5.3中文新闻文档自动文摘
7.6社会网络分析的发展趋势
7.7本章小结
习题
第8章网络舆情分析
8.1网络舆情分析概述
8.1.1网络舆情分析的概念
8.1.2网络舆情分析的特点
8.1.3网络舆情分析的意义
8.2网络舆情分析的关键技术
8.2.1信息采集技术
8.2.2舆情热点发现技术
8.2.3热点评估和跟踪
8.2.4舆情等级评估
8.3网络舆情分析的系统框架
8.4网络舆情分析常用方法
8.4.1高仿真网络信息深度抽取
8.4.2高性能信息自动提取机器人技术
8.4.3基于语义的海量文本特征快速提取与分类
8.4.4多媒体群件理解技术
8.4.5非结构信息自组织聚合表达
8.4.6网络舆情情感分析
8.5网络舆情分析典型系统的实现
8.5.1网络舆情系统框架设计
8.5.2舆情数据预处理
8.5.3舆情数据聚类分析
8.5.4网络舆情分析处理
8.6网络舆情分析的发展趋势
8.7本章小结
习题
第9章开源情报分析
9.1基本概念
9.1.1开源情报分析的概念
9.1.2开源情报分析的价值
9.2开源情报分析的发展和研究
9.3开源情报分析的指标
9.3.1信息源可靠度
9.3.2信息内容可靠度
9.4开源情报大数据分析方法
9.4.1数据定量分析
9.4.2多源数据融合
9.4.3相关性分析
9.5开源情报分析系统框架
9.5.1系统框架
9.5.2处理流程
9.6开源情报分析的发展趋势
9.7本章小结
习题
第10章恶意代码挖掘和检测
10.1基本概念
10.1.1应用背景
10.1.2恶意代码定义和种类
10.2恶意代码挖掘分析技术
10.2.1恶意代码检测一般流程
10.2.2静态检测分析技术
10.2.3动态检测分析技术
10.2.4恶意代码反检测技术
10.3恶意代码检测预处理及特征提取
10.3.1恶意代码预处理
10.3.2恶意代码特征提取
10.3.3恶意代码特征选择
10.4恶意代码挖掘检测
10.4.1特征空间和决策边界
10.4.2常见恶意代码检测算法
10.4.3恶意代码检测模型性能评价
10.4.4恶意代码检测评价指标
10.5基于主动学习的恶意代码检测实战
10.5.1主动学习的检测流程
10.5.2特征的提取与处理
10.5.3基于优选特征距离的样本选择策略
10.5.4基于最小估计风险的样本标记策略
10.5.5算法设计与实现
10.6恶意代码检测应用难点及发展趋势
10.6.1恶意代码检测应用难点
10.6.2恶意代码检测发展趋势
10.7本章小结
习题
参考文献