人工智能
类型
可以朗读
语音朗读
214千字
字数
2026-01-07
发行日期
展开全部
主编推荐语
全面解析AI技术在网络管理与安全中的应用与挑战。
内容简介
本书涵盖了一系列网络自动化和安全管理关键主题，包括资源分配和调度、网络规划和路由、加密流量分类、异常检测和安全操作。
本书共11章。第1~2章全面介绍了当前可应用于网络管理和网络安全管理的人工智能与机器学习技术，以及已有的相关行业产品、标准、研究项目和概念验证成果。第3~9章详细阐释了人工智能与机器学习技术在各种网络管理和网络安全管理任务中的具体应用案例。第10章详细介绍了智能网络管理与运维的系统框架，并深入探讨了相关解决方案的部署思路。第11章对全书进行了总结，同时提出了一些值得进一步研究的挑战与开放性问题，以期对该领域未来的研究发展提供借鉴和启示。
目录
- 版权信息
- PREFACE 前言
- ACKNOWLEDGMENTS 致谢
- CHAPTER1 第1章 引言
- 1.1 简介
- 1.2 本书组织结构
- 1.3 总结
- 参考文献
- CHAPTER2 第2章 当网络管理和网络安全管理遇到人工智能和机器学习
- 2.1 简介
- 2.2 基于机器学习的网络管理和网络安全管理架构
- 2.3 监督学习
- 2.3.1 分类
- 2.3.2 回归
- 2.4 半监督和无监督学习
- 2.4.1 聚类
- 2.4.2 降维
- 2.4.3 半监督学习
- 2.5 强化学习
- 2.5.1 基于策略的强化学习
- 2.5.2 基于价值的强化学习
- 2.6 网络管理和网络安全管理产品
- 2.6.1 网络管理产品
- 2.6.2 网络安全管理产品
- 2.7 网络管理和网络安全管理标准
- 2.7.1 网络管理标准
- 2.7.2 网络安全管理标准
- 2.8 网络管理和网络安全管理项目
- 2.8.1 Poseidon
- 2.8.2 NetworkML
- 2.8.3 Credential-Digger
- 2.8.4 Adversarial Robustness Toolbox
- 2.9 网络管理和网络安全管理概念验证
- 2.9.1 分类
- 2.9.2 主动学习
- 2.9.3 概念漂移检测
- 2.10 总结
- 参考文献
- CHAPTER3 第3章 自治网络管理的网络意图学习
- 3.1 简介
- 3.2 动机
- 3.3 意图符号推断的层次表示与学习框架
- 3.3.1 符号语义学习
- 3.3.2 符号结构推断
- 3.4 实验
- 3.4.1 数据集
- 3.4.2 符号语义学习实验
- 3.4.3 符号结构推断实验
- 3.4.4 符号结构迁移实验
- 3.5 总结
- 参考文献
- CHAPTER4 第4章 基于分层强化学习的虚拟网络嵌入
- 4.1 简介
- 4.2 动机
- 4.3 预备知识及符号表示
- 4.3.1 虚拟网络嵌入
- 4.3.2 强化学习
- 4.3.3 分层强化学习
- 4.4 VNE-HRL架构
- 4.4.1 概览
- 4.4.2 高级智能体
- 4.4.3 低级智能体
- 4.4.4 训练方法
- 4.5 案例分析
- 4.5.1 实验设置
- 4.5.2 算法比较
- 4.5.3 评估结果
- 4.6 相关工作
- 4.6.1 传统算法
- 4.6.2 基于机器学习的算法
- 4.7 总结
- 参考文献
- CHAPTER5 第5章 面向网络流量分类的概念漂移检测
- 5.1 数据流处理领域中机器学习的有关概念
- 5.1.1 假设和约束
- 5.1.2 概念漂移及解决方案
- 5.2 使用主动方法解决入侵检测领域的概念漂移问题
- 5.2.1 应用背景
- 5.2.2 系统工作流程
- 5.3 基于CVAE的概念漂移检测器
- 5.3.1 基于CVAE的漂移指示器
- 5.3.2 基于CVAE的漂移分析器
- 5.3.3 基于CVAE的概念漂移检测器性能评估
- 5.4 在实际网络中部署和实验
- 5.4.1 数据采集和特征提取
- 5.4.2 数据分析和参数设置
- 5.4.3 结果分析
- 5.5 未来研究的挑战和未解决问题
- 5.5.1 自适应阈值m
- 5.5.2 漂移探测器的计算成本
- 5.5.3 主动学习
- 5.6 总结
- 参考文献
- CHAPTER6 第6章 基于轻量级神经网络的在线加密流量分类
- 6.1 简介
- 6.2 动机
- 6.3 预备知识
- 6.3.1 问题定义
- 6.3.2 数据包交互
- 6.4 模型架构
- 6.4.1 预处理
- 6.4.2 特征提取
- 6.5 案例分析
- 6.5.1 评估指标
- 6.5.2 模型比较
- 6.5.3 数据集
- 6.5.4 评估结果
- 6.6 相关工作
- 6.6.1 加密流量分类
- 6.6.2 基于数据包的方法
- 6.6.3 基于流的方法
- 6.7 总结
- 参考文献
- CHAPTER7 第7章 基于上下文感知学习的鲁棒异常检测
- 7.1 简介
- 7.2 日志事件
- 7.3 AllRobust方法
- 7.3.1 问题介绍
- 7.3.2 日志解析
- 7.3.3 日志向量化
- 7.3.4 异常检测
- 7.4 实验
- 7.4.1 数据集
- 7.4.2 模型评估指标
- 7.4.3 基于不平衡日志数据的有监督深度学习日志异常检测
- 7.4.4 基于不平衡日志数据的半监督深度学习日志异常检测
- 7.5 讨论
- 7.6 总结
- 参考文献
- CHAPTER8 第8章 基于未知、不平衡和少样本日志数据的异常分类
- 8.1 简介
- 8.2 实例
- 8.2.1 日志分析的特征提取
- 8.2.2 少样本问题
- 8.3 方法论
- 8.3.1 数据预处理
- 8.3.2 OpenLog架构
- 8.3.3 训练过程
- 8.3.4 目标函数
- 8.4 实验
- 8.4.1 实验设计
- 8.4.2 数据集
- 8.4.3 基于未知类别数据的实验
- 8.4.4 基于不平衡数据的实验
- 8.4.5 基于少样本数据的实验
- 8.5 讨论
- 8.6 总结
- 参考文献
- CHAPTER9 第9章 零信任网络
- 9.1 简介
- 9.1.1 背景
- 9.1.2 零信任网络概述
- 9.2 零信任网络解决方案
- 9.2.1 基于访问代理的零信任网络
- 9.2.2 基于软件定义边界的零信任网络
- 9.2.3 基于微隔离的零信任网络
- 9.3 机器学习驱动的零信任网络
- 9.3.1 信息融合
- 9.3.2 决策制订
- 9.4 总结
- 参考文献
- CHAPTER10 第10章 智能网络管理和运维系统
- 10.1 简介
- 10.2 传统运维系统
- 10.2.1 运维系统的发展
- 10.2.2 开源的运维系统
- 10.2.3 小结
- 10.3 安全运维
- 10.3.1 简介
- 10.3.2 开源安全工具
- 10.3.3 小结
- 10.4 AIOps
- 10.4.1 简介
- 10.4.2 开源的AIOps和算法
- 10.4.3 小结
- 10.5 基于机器学习的网络安全监控管理系统
- 10.5.1 架构
- 10.5.2 物理设施层
- 10.5.3 虚拟资源层
- 10.5.4 编排层
- 10.5.5 策略层
- 10.5.6 语义描述层
- 10.5.7 应用层
- 10.5.8 大数据智能分析中心
- 10.5.9 可编程测量与审计
- 10.5.10 整体流程
- 10.5.11 小结
- 10.6 总结
- 参考文献
- CHAPTER11 第11章 总结、研究挑战及开放性问题
- 11.1 总结
- 11.2 研究挑战及开放性问题
- 11.2.1 自治网络
- 11.2.2 强化学习赋能解决方案
- 11.2.3 流量分类
- 11.2.4 异常检测
- 11.2.5 零信任网络
- 参考文献
- ACRONYMS 缩略语
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
机械工业出版社
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
