| 作者 |
| 尤里·迪奥赫内斯,埃达尔·奥兹卡 索马·哈尔德 斯楠·奥兹德米尔 |
| 丛书名 |
| 网络空间安全技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782104211028 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 ---------------------------8079922 - 网络安全与攻防策略：现代威胁应对之道（原书第2版）--------------------------- 本书是上一版畅销书的全新修订版，涵盖了新的安全威胁和防御机制，包括云安全态势管理的概述和对当前威胁形势的评估，另外还重点介绍了新的物联网威胁和加密相关内容。为保持应对外部威胁的安全态势并设计强大的网络安全计划，组织需要了解网络安全的基本知识。本书将介绍在侦察和追踪用户身份方面使用新技术实施网络安全的实践经验，这将使你能够发现系统是如何受到危害的。本书也重点介绍了强化系统安全性的防御策略。你将了解包括Azure Sentinel在内的深度工具以确保在每个网络层中都有安全控制，以及如何执行受损系统的恢复过程。 ---------------------------8077109 - 网络安全之机器学习--------------------------- 本书首先介绍使用Python及其库的网络安全ML的基础知识。 您将探索各种ML域（例如时间序列分析和集成建模）以使您的基础正确。您将实施各种示例，例如构建系统以识别恶意URL，以及建立ptogram以检测欺诈性电子邮件和垃圾邮件。 稍后，您将学习如何有效利用K-means算法开发解决方案，以检测并提醒您网络中的任何恶意活动，还要学习如何实施生物识别和指纹来验证用户是合法还是否。 最后，您将了解我们如何使用TensorFlow更改游戏，并了解深度学习如何有效地创建模型和培训系统。 |
| 目录 |
| [套装书具体书目] 8077109 - 网络安全之机器学习 - 9787111669418 - 机械工业出版社 - 定价 79 8079922 - 网络安全与攻防策略：现代威胁应对之道（原书第2版） - 9787111679257 - 机械工业出版社 - 定价 139 ---------------------------8079922 - 网络安全与攻防策略：现代威胁应对之道（原书第2版）--------------------------- 译者序 前言 作者简介 审校者简介 第1章 安全态势 1 1.1 当前的威胁形势 1 1.2 凭据：身份验证和授权 3 1.3 应用程序 4 1.4 网络安全挑战 6 1.4.1 旧技术和更广泛的结果 6 1.4.2 威胁形势的转变 7 1.5 增强安全态势 8 1.6 红队与蓝队 10 1.7 小结 12 1.8 参考文献 13 第2章 事件响应流程 15 2.1 事件响应流程的创建 15 2.1.1 实施事件响应流程的原因 15 2.1.2 创建事件响应流程 17 2.1.3 事件响应小组 19 2.1.4 事件生命周期 19 2.2 处理事件 20 2.3 事后活动 22 2.3.1 真实场景 22 2.3.2 经验教训 23 2.4 云中的事件响应 24 2.4.1 更新事件响应流程以涵盖云 24 2.4.2 合适的工具集 24 2.4.3 从云解决方案提供商视角看事件响应流程 25 2.5 小结 25 2.6 参考文献 26 第3章 什么是网络战略 27 3.1 引言 27 3.2 为什么需要建立网络战略 27 3.3 如何构建网络战略 29 3.3.1 了解业务 29 3.3.2 了解威胁和风险 29 3.3.3 文档 29 3.4 最佳网络攻击战略（红队） 30 3.4.1 外部测试战略 30 3.4.2 内部测试战略 30 3.4.3 盲测战略 31 3.4.4 定向测试战略 31 3.5 最佳网络防御战略（蓝队） 31 3.5.1 深度防御 31 3.5.2 广度防御 33 3.6 小结 33 3.7 延伸阅读 33 第4章 了解网络安全杀伤链 35 4.1 网络杀伤链简介 35 4.2 侦察 36 4.3 武器化 37 4.4 权限提升 37 4.4.1 垂直权限提升 38 4.4.2 水平权限提升 38 4.5 渗出 39 4.5.1 维持 41 4.5.2 袭击 42 4.5.3 混淆 43 4.6 威胁生命周期管理 45 4.6.1 数据收集阶段 46 4.6.2 发现阶段 46 4.6.3 鉴定阶段 47 4.6.4 调查阶段 47 4.6.5 消除阶段 47 4.6.6 恢复阶段 47 4.6.7 共享文件 48 4.7 网络杀伤链阶段使用的工具 48 4.7.1 Nmap 48 4.7.2 Zenmap 49 4.7.3 Metasploit 49 4.7.4 John the Ripper 50 4.7.5 Hydra 51 4.7.6 Wireshark 52 4.7.7 Aircrack-ng 53 4.7.8 Nikto 54 4.7.9 Kismet 55 4.7.10 Airgeddon 56 4.7.11 Deauther Board 56 4.7.12 EvilOSX 57 4.8 网络安全杀伤链小结 58 4.9 实验：通过Evil Twin攻击针对无线网络实施实验室攻击 59 4.9.1 实验场景 59 4.9.2 步骤1：确保拥有“模拟攻击”所需的所有硬件和软件 59 4.9.3 步骤2：在Kali上安装Airgeddon 60 4.9.4 步骤3：配置Airgeddon 61 4.9.5 步骤4：选择目标 62 4.9.6 步骤5：收集握手信息 63 4.9.7 步骤6：设置钓鱼页面 66 4.9.8 步骤7：捕获网络凭据 67 4.10 实验小结 67 4.11 参考文献 67 4.12 延伸阅读 69 第5章 侦察 70 5.1 外部侦察 71 5.1.1 Webshag 71 5.1.2 PhoneInfoga 73 5.1.3 电子邮件收集器TheHarvester 74 5.2 Web浏览器枚举工具 75 5.2.1 渗透测试套件 75 5.2.2 Netcraft 75 5.2.3 垃圾箱潜水 76 5.2.4 社交媒体 77 5.2.5 社会工程学 78 5.3 内部侦察 87 5.3.1 Airgraph-ng 87 5.3.2 嗅探和扫描 88 5.3.3 战争驾驶 95 5.3.4 Hak5 Plunder Bug 96 5.3.5 CATT 97 5.3.6 Canary令牌链接 98 5.4 小结 99 5.5 实验：谷歌黑客 99 5.5.1 第1部分：查找个人信息 99 5.5.2 第2部分：查找服务器 106 5.6 参考文献 108 第6章 危害系统 110 6.1 当前趋势分析 111 6.1.1 勒索攻击 111 6.1.2 数据篡改攻击 113 6.1.3 物联网设备攻击 114 6.1.4 后门 114 6.1.5 移动设备攻击 115 6.1.6 入侵日常设备 116 6.1.7 攻击云 117 6.1.8 云攻击的诱惑 118 6.1.9 CloudTracker 123 6.1.10 云安全建议 123 6.2 网络钓鱼 124 6.3 漏洞利用攻击 126 6.4 零日漏洞 127 6.4.1 WhatsApp漏洞（CVE-2019-3568） 128 6.4.2 Chrome零日漏洞（CVE-2019-5786） 129 6.4.3 Windows 10权限提升 129 6.4.4 Windows权限提升漏洞（CVE-2019-1132） 129 6.4.5 模糊测试 129 6.4.6 源代码分析 130 6.4.7 零日漏洞利用的类型 131 6.5 危害系统的执行步骤 132 6.5.1 安装使用漏洞扫描器 133 6.5.2 使用Metasploit部署载荷 134 6.5.3 危害操作系统 135 6.5.4 危害远程系统 139 6.5.5 危害基于Web的系统 140 6.6 移动电话（iOS/Android攻击） 145 6.6.1 Exodus 146 6.6.2 SensorID 147 6.6.3 Cellebrite攻击iPhone 148 6.6.4 盘中人 148 6.6.5 Spearphone（Android上的扬声器数据采集） 149 6.6.6 Tap n Ghost 149 6.6.7 适用于移动设备的红蓝队工具 149 6.7 实验1：在Windows中构建红队PC 152 6.8 实验2：合法入侵网站 156 6.8.1 bWAPP 157 6.8.2 HackThis ！！ 157 6.8.3 OWASP Juice Shop项目 157 6.8.4 Try2Hack 157 6.8.5 Google Gruyere 157 6.8.6 易受攻击的Web应用程序 158 6.9 小结 159 6.10 参考文献 160 6.11 延伸阅读 161 第7章 追踪用户身份 162 7.1 身份是新的边界 162 7.2 危害用户身份的策略 164 7.2.1 获取网络访问权限 165 7.2.2 获取凭据 166 7.2.3 入侵用户身份 167 7.2.4 暴力攻击 167 7.2.5 社会工程学 169 7.2.6 散列传递 174 7.2.7 通过移动设备窃取身份信息 176 7.2.8 入侵身份的其他方法 176 7.3 小结 176 7.4 参考文献 177 第8章 横向移动 178 8.1 渗出 178 8.2 网络测绘 179 8.3 规避告警 180 8.4 执行横向移动 181 8.4.1 像黑客一样思考 183 8.4.2 端口扫描 183 8.4.3 Sysinternals 184 8.4.4 文件共享 186 8.4.5 Windows DCOM 187 8.4.6 远程桌面 188 8.4.7 PowerShell 190 8.4.8 Windows管理规范 191 8.4.9 计划任务 192 8.4.10 令牌窃取 193 8.4.11 被盗凭据 193 8.4.12 可移动介质 194 8.4.13 受污染的共享内容 194 8.4.14 远程注册表 194 8.4.15 TeamViewer 194 8.4.16 应用程序部署 195 8.4.17 网络嗅探 195 8.4.18 ARP欺骗 195 8.4.19 AppleScript和IPC（OS X） 196 8.4.20 受害主机分析 196 8.4.21 中央管理员控制台 197 8.4.22 电子邮件掠夺 197 8.4.23 活动 197 8.4.24 管理共享 199 8.4.25 票据传递 199 8.4.26 散列传递 199 8.4.27 Winlogon 201 8.4.28 Lsass.exe进程 201 8.5 实验：在没有反病毒措施的情况下搜寻恶意软件 203 8.6 小结 213 8.7 参考文献 214 8.8 延伸阅读 214 第9章 权限提升 215 9.1 渗透 215 9.1.1 水平权限提升 216 9.1.2 垂直权限提升 217 9.2 规避告警 217 9.3 执行权限提升 218 9.3.1 利用漏洞攻击未打补丁的操作系统 220 9.3.2 访问令牌操控 221 9.3.3 利用辅助功能 222 9.3.4 应用程序垫片 223 9.3.5 绕过用户账户控制 226 9.3.6 DLL注入 228 9.3.7 DLL搜索顺序劫持 228 9.3.8 dylib劫持 229 9.3.9 漏洞探索 230 9.3.10 启动守护进程 231 9.4 Windows目标上权限提升示例 231 9.5 权限提升技术 233 9.5.1 转储SAM文件 233 9.5.2 root安卓 234 9.5.3 使用/etc/passwd文件 235 9.5.4 额外的窗口内存注入 236 9.5.5 挂钩 236 9.5.6 新服务 237 9.5.7 计划任务 237 9.6 Windows引导顺序 237 9.6.1 启动项 237 9.6.2 sudo缓存 244 9.7 结论和教训 245 9.8 小结 246 9.9 实验 1 246 9.10 实验 2 252 9.10.1 第1部分：从LSASS获取密码 252 9.10.2 第2部分：用PowerSploit转储散列 256 9.11 实验 3：HackTheBox 259 9.12 参考文献 264 第10章 安全策略 266 10.1 安全策略检查 266 10.2 用户教育 267 10.2.1 用户社交媒体安全指南 268 10.2.2 安全意识培训 269 10.3 策略实施 269 10.3.1 应用程序白名单 271 10.3.2 安全加固 273 10.4 合规性监控 276 10.5 通过安全策略持续推动安全态势增强 279 10.6 小结 280 10.7 延伸阅读 281 第11章 网络分段 282 11.1 深度防御方法 282 11.1.1 基础设施和服务 283 11.1.2 传输中的文档 284 11.1.3 端点 284 11.2 物理网络分段 285 11.3 远程网络的访问安全 288 11.4 虚拟网络分段 290 11.5 零信任网络 292 11.6 混合云网络安全 293 11.7 小结 297 11.8 延伸阅读 298 第12章 主动传感器 299 12.1 检测能力 299 12.2 入侵检测系统 302 12.3 入侵防御系统 304 12.3.1 基于规则的检测 304 12.3.2 基于异常的检测 305 12.4 内部行为分析 305 12.5 混合云中的行为分析 308 12.5.1 Azure Security Center 308 12.5.2 PaaS工作负载分析 311 12.6 小结 313 12.7 延伸阅读 313 第13章 威胁情报 314 13.1 威胁情报简介 314 13.2 用于威胁情报的开源工具 317 13.3 微软威胁情报 323 13.4 利用威胁情报调查可疑活动 324 13.5 小结 326 13.6 延伸阅读 327 第14章 事件调查 328 14.1 确定问题范围 328 14.2 调查内部失陷系统 332 14.3 调查混合云中的失陷系统 335 14.4 主动调查（威胁猎杀） 342 14.5 经验教训 344 14.6 小结 344 14.7 延伸阅读 344 第15章 恢复过程 345 15.1 灾难恢复计划 345 15.1.1 灾难恢复计划流程 346 15.1.2 挑战 349 15.2 应急计划 349 15.2.1开发应急计划策略 350 15.2.2进行业务影响分析 350 15.2.3确定预防性控制 351 15.2.4业务连续性与灾难恢复 352 15.2.5制定恢复策略 353 15.3 现场恢复 355 15.3.1 维护计划 356 15.3.2 现场网络事件恢复示例 356 15.3.3 风险管理工具 357 15.4 恢复计划最佳实践 359 15.5 灾难恢复最佳实践 359 15.5.1 内部部署 359 15.5.2云上部署 359 15.5.3混合部署 360 15.5.4关于网络弹性的建议 360 15.6 小结 361 15.7 灾难恢复计划资源 362 15.8 参考文献 362 15.9 延伸阅读 363 第16章 漏洞管理 364 16.1 创建漏洞管理策略 364 16.1.1 资产盘点 365 16.1.2 信息管理 365 16.1.3 风险评估 366 16.1.4 漏洞评估 369 16.1.5 报告和补救跟踪 370 16.1.6 响应计划 371 16.2 漏洞管理工具 372 16.2.1 资产盘点工具 372 16.2.2 信息管理工具 374 16.2.3 风险评估工具 374 16.2.4 漏洞评估工具 375 16.2.5 报告和补救跟踪工具 375 16.2.6 响应计划工具 376 16.3 实施漏洞管理 376 16.4 漏洞管理最佳实践 377 16.5 漏洞管理工具示例 379 16.5.1 Intruder 379 16.5.2 Patch Manager Plus 380 16.5.3 InsightVM 380 16.5.4 Azure Threat & Vulnerability Management 381 16.6 使用Nessus实施漏洞管理 382 16.6.1 OpenVAS 388 16.6.2 Qualys 388 16.6.3 Acunetix 390 16.7 实验 390 16.7.1 实验1：使用Acunetix执行在线漏洞扫描 390 16.7.2 实验2：使用GFI LanGuard进行网络安全扫描 397 16.8 小结 401 16.9 参考文献 401 第17章 日志分析 403 17.1 数据关联 403 17.2 操作系统日志 404 17.2.1 Windows日志 404 17.2.2 Linux日志 407 17.3 防火墙日志 408 17.4 Web服务器日志 409 17.5 Amazon Web Services日志 410 17.6 Azure Activity日志 413 17.7 小结 416 17.8 延伸阅读 416 ---------------------------8077109 - 网络安全之机器学习--------------------------- 前言 作者简介 审校者简介 第1章 网络安全中机器学习的基础知识 1 1.1 什么是机器学习 1 1.1.1 机器学习要解决的问题 2 1.1.2 为什么在网络安全中使用机器学习 3 1.1.3 目前的网络安全解决方案 3 1.1.4 机器学习中的数据 4 1.1.5 不同类型的机器学习算法 7 1.1.6 机器学习中的算法 12 1.1.7 机器学习架构 13 1.1.8 机器学习实践 18 1.2 总结 27 第2章 时间序列分析和集成建模 28 2.1 什么是时间序列 28 2.2 时间序列模型的类型 32 2.2.1 随机时间序列模型 32 2.2.2 人工神经网络时间序列模型 32 2.2.3 支持向量时间序列模型 33 2.2.4 时间序列组件 33 2.3 时间序列分解 33 2.3.1 级别 33 2.3.2 趋势 34 2.3.3 季节性 34 2.3.4 噪声 34 2.4 时间序列用例 36 2.4.1 信号处理 36 2.4.2 股市预测 37 2.4.3 天气预报 38 2.4.4 侦察检测 38 2.5 网络安全中的时间序列分析 39 2.6 时间序列趋势和季节性峰值 39 2.6.1 用时间序列检测分布式拒绝服务 39 2.6.2 处理时间序列中的时间元素 40 2.6.3 解决用例问题 41 2.6.4 导入包 41 2.6.5 特征计算 43 2.7 预测DDoS攻击 45 2.7.1 ARMA 45 2.7.2 ARIMA 46 2.7.3 ARFIMA 46 2.8 集成学习方法 47 2.8.1 集成学习的类型 47 2.8.2 集成算法的类型 49 2.8.3 集成技术在网络安全中的应用 50 2.9 用投票集成方法检测网络攻击 50 2.10 总结 51 第3章 鉴别合法和恶意的URL 52 3.1 URL中的异常类型介绍 53 3.2 使用启发式方法检测恶意网页 56 3.2.1 分析数据 56 3.2.2 特征提取 57 3.3 使用机器学习方法检测恶意URL 62 3.3.1 用于检测恶意URL的逻辑回归 62 3.3.2 用于检测恶意URL的支持向量机 67 3.3.3 用于URL分类的多类别分类 68 3.4 总结 69 第4章 破解验证码 70 4.1 验证码的特点 70 4.2 使用人工智能破解验证码 71 4.2.1 验证码的类型 71 4.2.2 reCAPTCHA 73 4.2.3 破解验证码 73 4.2.4 用神经网络破解验证码 74 4.2.5 代码 76 4.3 总结 81 第5章 使用数据科学捕获电子邮件诈骗和垃圾邮件 82 5.1 电子邮件诈骗 82 5.1.1 虚假售卖 83 5.1.2 请求帮助 83 5.1.3 垃圾邮件的类型 85 5.2 垃圾邮件检测 88 5.2.1 邮件服务器类型 88 5.2.2 邮件服务器的数据采集 89 5.2.3 使用朴素贝叶斯定理检测垃圾邮件 91 5.2.4 拉普拉斯平滑处理 93 5.2.5 将基于文本的邮件转换为数值的特征化技术 93 5.2.6 逻辑回归垃圾邮件过滤器 94 5.3 总结 96 第6章 使用k-means算法进行高效的网络异常检测 97 6.1 网络攻击的阶段 98 6.1.1 第1阶段：侦察 98 6.1.2 第2阶段：初始攻击 98 6.1.3 第3阶段：命令和控制 98 6.1.4 第4阶段：内网漫游 98 6.1.5 第5阶段：目标获得 98 6.1.6 第6阶段：渗透、侵蚀和干扰 99 6.2 应对网络中的内网漫游 99 6.3 使用Windows事件日志检测网络异常 100 6.3.1 登录/注销事件 100 6.3.2 账户登录事件 100 6.3.3 对象访问事件 102 6.3.4 账户管理事件 102 6.4 获取活动数据 104 6.5 数据解析 104 6.6 建模 105 6.7 用k-means算法检测网络中的异常 107 6.8 总结 122 第7章 决策树和基于上下文的恶意事件检测 123 7.1 恶意软件 123 7.1.1 广告软件 123 7.1.2 机器人 124 7.1.3 软件错误 124 7.1.4 勒索软件 124 7.1.5 rootkit 124 7.1.6 间谍软件 124 7.1.7 特洛伊木马 125 7.1.8 病毒 125 7.1.9 蠕虫 125 7.2 恶意注入 125 7.2.1 数据库中的恶意数据注入 125 7.2.2 无线传感器中的恶意注入 125 7.2.3 用例 126 7.3 使用决策树检测恶意URL 136 7.4 总结 141 第8章 抓住伪装者和黑客 142 8.1 理解伪装 142 8.2 伪装欺诈的不同类型 143 8.2.1 伪装者收集信息 144 8.2.2 构建伪装攻击 144 8.3 莱文斯坦距离 145 8.3.1 检查恶意URL间的域名相似性 145 8.3.2 作者归属 146 8.3.3 测试数据集和验证数据集之间的差异 148 8.3.4 用于多项式模型的朴素贝叶斯分类器 150 8.3.5 入侵检测方法：伪装识别 152 8.4 总结 161 第9章 用TensorFlow实现入侵检测 162 9.1 TensorFlow简介 162 9.2 TensorFlow安装 164 9.3 适合Windows用户的TensorFlow 165 9.4 用TensorFlow实现“Hello World” 165 9.5 导入MNIST数据集 165 9.6 计算图 166 9.7 张量处理单元 166 9.8 使用TensorFlow进行入侵检测 166 9.9 总结 185 第10章 深度学习如何减少金融诈骗 186 10.1 利用机器学习检测金融诈骗 186 10.1.1 非均衡数据 187 10.1.2 处理非均衡数据集 188 10.1.3 检测信用卡诈骗 188 10.2 逻辑回归分类器：欠采样数据 192 10.2.1 超参数调整 194 10.2.2 逻辑回归分类器—偏斜数据 199 10.2.3 研究精确率-召回率曲线和曲线下面积 202 10.3 深度学习时间 204 10.4 总结 207 第11章 案例研究 208 11.1 我们的密码数据集简介 209 11.1.1 文本特征提取 210 11.1.2 使用scikit-learn进行特征提取 214 11.1.3 使用余弦相似度量化弱密码 223 11.1.4 组合 226 11.2 总结 228 |