内容简介
本书是一本将深度学习技术应用于Web安全领域的实战指南，旨在帮助读者掌握利用人工智能方法解决Web安全问题的技能。全书共分为三大部分：基础篇、方法篇和实践篇。基础篇介绍了Web安全的基本概念、常见的攻击手段（如SQL注入、XSS跨站脚本攻击、CSRF跨站请求伪造等）以及深度学习的基础知识，包括神经网络、卷积神经网络（CNN）、循环神经网络（RNN）等核心模型。
方法篇详细讲解了如何利用深度学习技术构建Web安全检测模型，内容涵盖基于CNN的恶意URL检测、基于RNN的Web攻击载荷识别、基于自编码器的异常流量检测等关键技术。作者通过大量代码示例和数据集，手把手指导读者从数据预处理、特征工程到模型训练与评估的全流程操作。
实践篇则提供了多个完整的案例实战，包括Web应用防火墙（WAF）的搭建、入侵检测系统的实现、恶意脚本的智能识别等。书中所有案例均基于Python和TensorFlow/Keras框架实现，并配有详细注释与可复现代码，适合有一定Web安全基础或机器学习基础的读者深入学习。
本书内容理论与实践并重，既适合网络安全从业者、安全运维工程师转型AI安全领域，也适合计算机相关专业的学生、对AI安全感兴趣的开发人员阅读参考。通过阅读此书，读者将能够独立设计和实现智能化的Web安全防护系统。
目录
对本书的赞誉
序
1.1 TensorFlow
1.2 TFLearn
1.3 PaddlePaddle
1.4 Karas
1.5 本章小结
第1章 打造深度学习工具箱
2.1 传统的图像分类算法
2.2 基于CNN的图像分类算法
2.3 基于CNN的文本处理
2.4 本章小结
第2章 卷积神经网络
3.1 循环神经算法概述
3.2 单向循环神经网络结构与实现
3.3 双向循环神经网络结构与实现
3.4 循环神经网络在序列分类的应用
3.5 循环神经网络在序列生成的应用
3.6 循环神经网络在序列标记的应用
3.7 循环神经网络在序列翻译的应用
序
1.1 TensorFlow
1.2 TFLearn
1.3 PaddlePaddle
1.4 Karas
1.5 本章小结
第1章 打造深度学习工具箱
2.1 传统的图像分类算法
2.2 基于CNN的图像分类算法
2.3 基于CNN的文本处理
2.4 本章小结
第2章 卷积神经网络
3.1 循环神经算法概述
3.2 单向循环神经网络结构与实现
3.3 双向循环神经网络结构与实现
3.4 循环神经网络在序列分类的应用
3.5 循环神经网络在序列生成的应用
3.6 循环神经网络在序列标记的应用
3.7 循环神经网络在序列翻译的应用
免责申明：
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
📖 支持知识自由流动
每一本书的稳定访问，都离不开服务器、存储与带宽的长期维护。
