网络安全大数据分析与实战.pptxVIP

读书笔记模板网络安全大数据分析与实战 01思维导图目录分析读书笔记内容摘要作者介绍精彩摘录目录0305020406 思维导图 网络安全实战大数据作者内容企业技术基本概念大数据技术习题小结数据算法概念应用信息分析第章本书关键字分析思维导图 内容摘要 内容摘要1.作者权威。本书由络安全行业领先企业安恒信息组织编写，作者均为企业资深的技术专家，有丰富的实战技术经验。 2.内容实用。内容涵盖大数据安全、机器学习、深度学习、开发编程工具、相关法律法规等内容，以及大数据安全分析师认证培训知识点。 目录分析 1.1大数据相关理论1.2大数据相关技术1.3大数据应用案例1.4大数据分析技术在安全中的应用第1章大数据安全概述 课后习题本章小结第1章大数据安全概述 1.1大数据相关理论1.1.1大数据产生的背景1.1.2大数据的定义与构成1.1.3大数据的特征与价值 1.2大数据相关技术1.2.1大数据平台与架构1.2.2大数据分析常用工具 1.3大数据应用案例1.3.1社交络广告投放系统1.3.2围棋智能AlphaGo1.3.3图像识别 1.4大数据分析技术在安全中的应用1.4.1安全需要大数据1.4.2安全大数据分析技术基础及分析思路 2.1大数据分析理论基础2.2大数据分析实践基础本章小结课后习题第2章大数据安全分析基础 2.1大数据分析理论基础2.1.1基本概念2.1.2分析思路2.1.3分析算法2.1.4常见安全应用场景的特征及检测方法 2.2大数据分析实践基础2.2.1编程工具2.2.2编程环境2.2.3 Python基础知识 3.1数据采集3.2非结构化存储3.3结构化存储3.4数据搜索3.5实时计算引擎12345第3章大数据分析工程技术 3.6批量计算引擎3.7计算管理调度3.8数据可视化本章小结课后习题12345第3章大数据分析工程技术 3.1数据采集3.1.1数据采集的概念3.1.2日志采集工具Logstash 3.2非结构化存储3.2.1 HDFS的基本信息3.2.2 HDFS常用命令3.2.3 HDFS管理命令 3.3结构化存储3.3.1 HBase基本介绍3.3.2 HBase中的基本概念3.3.3 Hbase常用命令 3.4数据搜索3.4.1 Elasticsearch基本概念3.4.2副本复制机制3.4.3映射和分词3.4.4映射管理3.4.5索引管理命令3.4.6搜索3.4.7聚合分析 3.5实时计算引擎3.5.1基本概念3.5.2主流的大数据流计算引擎3.5.3 Apache Flink 3.6批量计算引擎3.6.1 Apache Spark项目简介3.6.2 Spark核心模块3.6.3 Spark与Hadoop的区别 3.7计算管理调度3.7.1任务管理调度中的挑战3.7.2 Airflow介绍3.7.3任务DAG与任务依赖3.7.4 Airflow Hook3.7.5 Airflow Operator3.7.6 Airflow命令 3.8数据可视化3.8.1明确表达意图、选择数据3.8.2拆解信息图的要素3.8.3关于色彩、字体、图标3.8.4可视化的交互考虑3.8.5人类视觉缺陷及对数据可视化的影响3.8.6数据可视化工具3.8.7数据可视化类库 4.1机器学习的基本概念4.2机器学习的算法分类4.3深度学习基本理论4.4深度学习的最新进展4.5深度学习核心思想12345第4章机器学习和深度学习 课后习题本章小结第4章机器学习和深度学习 4.1机器学习的基本概念4.1.1基本定义4.1.2应用场景 4.2机器学习的算法分类4.2.1监督学习算法4.2.2无监督学习算法4.2.3特殊算法 4.3深度学习基本理论4.3.1相关概念4.3.2深度学习的特点 4.4深度学习的最新进展4.4.1 AlphaGo战胜李世石4.4.2图像识别领域深度学习超越人类4.4.3目标识别领域深度学习推动无人驾驶的跨越式发展 4.5深度学习核心思想4.5.1卷积神经络(CNN)4.5.2递归神经络(RNN)4.5.3长短期记忆络(LSTM) 5.1决策树5.2朴素贝叶斯算法5.3 K近邻(KNN)5.4支持向量机(SVM)算法第5章分类算法 5.5 BP神经络课后习题本章小结第5章分类算法 5.1决策树5.1.1基本概念5.1.2典型算法介绍5.1.3案例分析及算法优缺点 5.2朴素贝叶斯算法5.2.1概念及原理5.2.2案例分析及算法优缺点 5.3 K近邻(KNN)5.3.1基本概念及原理5.3.2案例分析及算法优缺点 5.4支持向量机(SVM)算法5.4.1基本概念及原理5.4.2案例分析及算法优缺点 5.5 BP神经络5.5.1基本概念5.5.2算法原理5.5.3案例分析及算法优缺点 6.1统计预测6.2时间序列分析6.3