大數(shù)據(jù)安全治理與防范：網(wǎng)址反欺詐實戰(zhàn)

目 錄
第 1部分 網(wǎng)址大數(shù)據(jù)安全基礎(chǔ)
第 1章 緒論　2
1.1 萬維網(wǎng)的起源　2
1.1.1 萬維網(wǎng)的發(fā)明　3
1.1.2 萬維網(wǎng)的關(guān)鍵技術(shù)　3
1.1.3 萬維網(wǎng)的影響　6
1.2 萬維網(wǎng)的工作原理　6
1.2.1 網(wǎng)站開發(fā)　8
1.2.2 網(wǎng)站部署　9
1.2.3 網(wǎng)站解析　10
1.2.4 網(wǎng)站渲染　11
1.3 萬維網(wǎng)風(fēng)控發(fā)展歷程　13
1.3.1 專家規(guī)則　14
1.3.2 機(jī)器學(xué)習(xí)模型　14
1.3.3 深度學(xué)習(xí)模型　14
1.3.4 圖神經(jīng)網(wǎng)絡(luò)模型　15
1.4 萬維網(wǎng)安全風(fēng)控架構(gòu)　16
1.5 小結(jié)　18
第 2部分 黑灰產(chǎn)洞察
第 2章 網(wǎng)絡(luò)黑灰產(chǎn)及其危害　20
2.1 詐騙類網(wǎng)站　20
2.1.1 投資理財類　21
2.1.2 貸款、代辦信用卡類　24
2.1.3 刷單返利類　25
2.1.4 仿冒平臺類　26
2.1.5 虛假交易類　29
2.1.6 虛假征信類　29
2.2 網(wǎng)絡(luò)賭博類網(wǎng)站　30
2.3 低俗色情類網(wǎng)站　32
2.4 盜號釣魚類網(wǎng)站　33
2.5 木馬病毒類網(wǎng)站　34
2.6 盜版侵權(quán)類網(wǎng)站　35
2.7 惡意刷量類網(wǎng)站　36
2.8 虛假廣告類網(wǎng)站　37
2.9 小結(jié)　38
第3部分 網(wǎng)址大數(shù)據(jù)治理與異常數(shù)據(jù)發(fā)現(xiàn)
第3章 網(wǎng)址數(shù)據(jù)治理與特征工程　40
3.1 網(wǎng)址基礎(chǔ)數(shù)據(jù)　40
3.1.1 資源定位符信息　41
3.1.2 域名IP地址　42
3.1.3 Whois注冊　42
3.1.4 ICP備案　43
3.1.5 Alexa排名　43
3.1.6 跳轉(zhuǎn)關(guān)系　44
3.1.7 頁面內(nèi)容　45
3.2 網(wǎng)址數(shù)據(jù)治理　45
3.2.1 數(shù)據(jù)采集　46
3.2.2 數(shù)據(jù)清洗　46
3.2.3 數(shù)據(jù)存儲　47
3.2.4 數(shù)據(jù)計算　48
3.3 網(wǎng)址特征工程　49
3.3.1 特征編碼與嵌入　49
3.3.2 特征挖掘　50
3.3.3 特征評估　51
3.4 小結(jié)　52
第4章 網(wǎng)址異常檢測體系　53
4.1 流量模型　54
4.2 傳播渠道模型　55
4.3 網(wǎng)站行為模型　57
4.4 時間序列模型　59
4.5 網(wǎng)址關(guān)系鏈模型　60
4.6 小結(jié)　62
第4部分 網(wǎng)址反欺詐檢測模型
第5章 網(wǎng)址結(jié)構(gòu)檢測模型　64
5.1 網(wǎng)頁結(jié)構(gòu)基礎(chǔ)　64
5.1.1 網(wǎng)頁核心構(gòu)成　65
5.1.2 資源列表結(jié)構(gòu)　69
5.1.3 網(wǎng)站目錄結(jié)構(gòu)　71
5.1.4 惡意代碼片段　72
5.2 網(wǎng)頁指紋算法流程　75
5.3 生成網(wǎng)頁指紋　76
5.3.1 網(wǎng)頁預(yù)處理　76
5.3.2 指紋生成算法的選型　78
5.4 構(gòu)建異常指紋庫　79
5.5 指紋相似度算法　81
5.6 小結(jié)　82
第6章 網(wǎng)址文本檢測模型　83
6.1 網(wǎng)址文本數(shù)據(jù)　83
6.2 常見惡意網(wǎng)址文本　86
6.3 敏感詞規(guī)則模型　88
6.3.1 敏感詞發(fā)現(xiàn)　90
6.3.2 敏感詞規(guī)則　91
6.4 文本聚類模型　92
6.4.1 惡意種子擴(kuò)散案例　92
6.4.2 新型惡意網(wǎng)址發(fā)現(xiàn)案例　95
6.5 文本分類模型　97
6.5.1 文本二分類算法　99
6.5.2 文本多分類算法　101
6.6 小結(jié)　104
第7章 網(wǎng)址圖像檢測模型　105
7.1 圖像提取與預(yù)處理　105
7.1.1 圖像提取　106
7.1.2 圖像預(yù)處理　109
7.1.3 圖像數(shù)據(jù)集　111
7.2 圖像分類模型　112
7.2.1 數(shù)據(jù)準(zhǔn)備　112
7.2.2 模型訓(xùn)練　114
7.2.3 訓(xùn)練加速　117
7.2.4 預(yù)測與可解釋性　118
7.3 圖像相似度方法　119
7.3.1 相似度計算　120
7.3.2 擴(kuò)散方法　121
7.3.3 檢索方法　123
7.4 圖像目標(biāo)檢測方法　124
7.4.1 模型訓(xùn)練　124
7.4.2 模型預(yù)測　126
7.5 小結(jié)　129
第8章 網(wǎng)址復(fù)雜網(wǎng)絡(luò)檢測模型　130
8.1 網(wǎng)址復(fù)雜網(wǎng)絡(luò)的構(gòu)建　130
8.1.1 網(wǎng)絡(luò)的節(jié)點(diǎn)　130
8.1.2 網(wǎng)絡(luò)的邊　134
8.2 網(wǎng)址復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)預(yù)測　138
8.2.1 預(yù)訓(xùn)練文本模型對網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測　139
8.2.2 預(yù)訓(xùn)練圖像模型對網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測　140
8.2.3 預(yù)訓(xùn)練指紋模型對網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測　141
8.2.4 預(yù)訓(xùn)練DNN模型對網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測　142
8.2.5 預(yù)訓(xùn)練多模態(tài)模型對網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測　143
8.3 網(wǎng)址復(fù)雜網(wǎng)絡(luò)的關(guān)系應(yīng)用　144
8.3.1 歸屬與包含關(guān)系的應(yīng)用　144
8.3.2 聚集關(guān)系的應(yīng)用　145
8.3.3 引用關(guān)系的應(yīng)用　147
8.3.4 跳轉(zhuǎn)關(guān)系的應(yīng)用　149
8.4 網(wǎng)址復(fù)雜網(wǎng)絡(luò)的綜合應(yīng)用　151
8.4.1 圖神經(jīng)網(wǎng)絡(luò)算法　151
8.4.2 社區(qū)劃分算法　156
8.5 小結(jié)　158
第9章 網(wǎng)址多模態(tài)檢測模型　159
9.1 特征融合　161
9.1.1 直接融合　161
9.1.2 無監(jiān)督融合　164
9.1.3 有監(jiān)督融合　167
9.2 決策融合　169
9.2.1 模型集成　169
9.2.2 分層篩選　170
9.3 協(xié)同訓(xùn)練　172
9.4 小結(jié)　174
第5部分 網(wǎng)址運(yùn)營與情報體系
第 10章 網(wǎng)址運(yùn)營體系　176
10.1 穩(wěn)定性運(yùn)營　177
10.1.1 在線服務(wù)　177
10.1.2 網(wǎng)址黑庫　180
10.1.3 特征模型　181
10.2 防誤報運(yùn)營　182
10.2.1 白保護(hù)名單　182
10.2.2 防誤報監(jiān)控　184
10.2.3 自動化處置　185
10.3 用戶反饋運(yùn)營　186
10.3.1 網(wǎng)址申訴　187
10.3.2 網(wǎng)址舉報　188
10.3.3 故障反饋　189
10.4 分級告警體系　190
10.5 小結(jié)　190
第 11章 網(wǎng)址知識情報挖掘及應(yīng)用　191
11.1 黑灰產(chǎn)團(tuán)伙資源情報挖掘　191
11.1.1 網(wǎng)址類資源挖掘　191
11.1.2 賬號類資源挖掘　195
11.2 黑產(chǎn)入侵網(wǎng)站情報挖掘　196
11.2.1 HTML源文件分析法　196
11.2.2 網(wǎng)址關(guān)系鏈分析法　198
11.3 惡意網(wǎng)址服務(wù)商情報挖掘　200
11.3.1 內(nèi)容服務(wù)商　200
11.3.2 支付服務(wù)商　201
11.4 小結(jié)　202