机器学习互联网业务安全实践

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。 《机器学习互联网业务安全实践》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；最后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。 《机器学习互联网业务安全实践》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习黑灰产对抗手段，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。

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 无约束问题的最优化方法 ................................................ 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 如何从数据中获取最有价值的信息 ................................ 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 AUC ............................................................. 171 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 最小二乘法 ........................................................................ 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 Lasso ...................................................................... 181 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 LDA ............................................................................... 198 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 Notebook ............................................................... 228 4.2.2 Numpy、Scipy、Matplotlib 和 pandas ............................. 231 4.2.3 scikit-learn、gensim、TensorFlow 和 Keras .................... 250 4.3 Scala 的基础库 ............................................................................... 266 4.3.1 Zeppelin .............................................................................. 266 4.3.2 Breeze ................................................................................. 267 4.3.3 Spark MLlib ....................................................................... 276 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 XGBoost ......................................................................................... 284 5.3 Prediction IO（PIO） .................................................................... 287 5.3.1 部署 PIO ............................................................................ 287 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 Caffe ............................................................................................... 298 5.5 TensorFlow ..................................................................................... 304 5.6 BigDL ............................................................................................. 306 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 第 10 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 第 11 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 第 12 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

暂无相关内容，正在全力查找中

暂无其它内容！

暂时还没有人为这本书评论！