Web安全之深度学习实战

本书是我所著机器学习三部曲的第二部，第一部主要以机器学习常见算法为主线，利用生活中的例子和具体安全场景来介绍机器学习常见算法，是机器学习入门书籍，便于读者可以快速上手。全部代码都能在普通PC上运行。本书将重点介绍深度学习，并以具体的11个案例介绍机器学习的应用，定位是面向具有一定机器学习基础或者致力于使用机器学习解决工作中问题的读者，本书将重点放在问题的解决而不是算法的介绍。由于深度学习通常计算量已经超过了PC的能力，部分代码需要在服务器甚至GPU上运行，不过这不影响大家的阅读与学习。第三部将重点介绍强化学习和对抗网络，并利用若干虚构安全产品或者项目来介绍如何让机器真正具备阿尔法狗级别的智能。

这是一本专注于深度学习在Web安全领域应用的实战指南。本书以TensorFlow、TFLearn、PaddlePaddle、Keras等深度学习框架为基础，详细介绍了如何利用深度学习技术解决Web安全领域的各种问题，包括验证码识别、垃圾邮件识别、负面评论识别、骚扰短信识别、Linux后门检测等。 本书的内容分为三个部分。第一部分介绍了深度学习工具箱，包括TensorFlow、TFLearn、PaddlePaddle、Keras等深度学习框架的安装与使用。第二部分详细介绍了卷积神经网络（CNN）和循环神经网络（RNN）的基本概念和实现，以及它们在图像分类、文本处理、序列分类、序列生成、序列标记、序列翻译等任务中的应用。第三部分主要介绍了基于OpenSOC的机器学习框架，以及如何使用这个框架来构建一个完整的机器学习系统，包括数据源系统、数据收集层、消息系统层、实时处理层、存储层、分析处理层和计算系统等。 在介绍每个案例时，作者都会从数据集的选择开始，然后详细介绍特征提取的方法，最后通过模型训练与验证来展示深度学习模型在实际应用中的效果。例如，在验证码识别案例中，作者使用了MNIST数据