123,123,123

內(nèi)容簡(jiǎn)介

　　互聯(lián)網(wǎng)的快速發(fā)展，在方便用戶信息傳遞的過(guò)程中，也使大量犯罪活動(dòng)從線下向線上轉(zhuǎn)移，黑灰產(chǎn)常常通過(guò)搭建和傳播欺詐、賭博、色情等惡意網(wǎng)站來(lái)牟取暴利。為了凈化網(wǎng)絡(luò)環(huán)境，必須加大對(duì)惡意網(wǎng)站的檢測(cè)和攔截。本書(shū)主要介紹惡意網(wǎng)址的欺詐手段和對(duì)抗技術(shù)。本書(shū)分為5個(gè)部分，共11章。針對(duì)網(wǎng)址反欺詐這一領(lǐng)域，首先介紹萬(wàn)維網(wǎng)的起源、工作原理和發(fā)展歷程；其次通過(guò)列舉常見(jiàn)的惡意網(wǎng)站，讓讀者了解網(wǎng)址反欺詐面臨的主要問(wèn)題；然后講解網(wǎng)址基礎(chǔ)數(shù)據(jù)、數(shù)據(jù)治理和特征工程；接著介紹包含網(wǎng)址結(jié)構(gòu)、文本、圖像、復(fù)雜網(wǎng)絡(luò)在內(nèi)的一系列對(duì)抗方法和實(shí)戰(zhàn)案例；最后介紹網(wǎng)址運(yùn)營(yíng)體系和網(wǎng)址知識(shí)情報(bào)挖掘及應(yīng)用。本書(shū)將理論與實(shí)踐相結(jié)合，幫助讀者了解和掌握網(wǎng)址安全相關(guān)知識(shí)體系，也能幫助讀者培養(yǎng)從0到1搭建網(wǎng)址反欺詐體系的能力。無(wú)論是初級(jí)信息安全從業(yè)者，還是有志于從事信息安全方向的在校學(xué)生，都會(huì)在閱讀中受益匪淺。

作者簡(jiǎn)介

　　張凱，現(xiàn)任騰訊專家工程師。一直從事大數(shù)據(jù)安全方面的工作，積累了10多年的黑灰產(chǎn)對(duì)抗經(jīng)驗(yàn)，主要參與過(guò)游戲安全對(duì)抗、業(yè)務(wù)防刷、金融風(fēng)控和反詐騙對(duì)抗系統(tǒng)等項(xiàng)目。牛亞峰，現(xiàn)任騰訊高級(jí)工程師。一直從事黑灰產(chǎn)對(duì)抗業(yè)務(wù)方面的工作，參與過(guò)反洗錢、支付反欺詐、電信反詐、網(wǎng)址反欺詐等項(xiàng)目。張旭，現(xiàn)任騰訊高級(jí)工程師。主要從事大數(shù)據(jù)下黑灰產(chǎn)安全對(duì)抗業(yè)務(wù)、反詐騙對(duì)抗系統(tǒng)開(kāi)發(fā)方面的工作。曾參與中國(guó)信息通信研究院《電話號(hào)碼標(biāo)記應(yīng)用技術(shù)要求》行業(yè)標(biāo)準(zhǔn)制定，并為《電信網(wǎng)絡(luò)詐騙治理與人工智能應(yīng)用白皮書(shū)》提供行業(yè)技術(shù)支持。甘曉華，現(xiàn)任騰訊高級(jí)工程師。主要從事金融風(fēng)控、黑灰產(chǎn)對(duì)抗等業(yè)務(wù)安全方面的相關(guān)工作。熊奇，現(xiàn)任騰訊專家工程師。一直從事業(yè)務(wù)安全方面的工作，先后參與過(guò)反詐騙、App安全、金融反詐和安全大數(shù)據(jù)合規(guī)與業(yè)務(wù)風(fēng)控等項(xiàng)目，積累了15年的黑灰產(chǎn)對(duì)抗和安全系統(tǒng)架構(gòu)的經(jīng)驗(yàn)。

圖書(shū)目錄

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(wàn)維網(wǎng)的起源　2
1.1.1 萬(wàn)維網(wǎng)的發(fā)明　3
1.1.2 萬(wàn)維網(wǎng)的關(guān)鍵技術(shù)　3
1.1.3 萬(wàn)維網(wǎng)的影響　6
1.2 萬(wàn)維網(wǎng)的工作原理　6
1.2.1 網(wǎng)站開(kāi)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(wàn)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(wàn)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(cái)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(tái)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(hào)釣魚(yú)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?gòu)V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(cè)　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(yè)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(chǔ)　47
3.2.4 數(shù)據(jù)計(jì)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(píng)估　51
3.4 小結(jié)　52
第4章網(wǎng)址異常檢測(cè)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(shí)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(cè)模型
第5章網(wǎng)址結(jié)構(gòu)檢測(cè)模型　64
5.1 網(wǎng)頁(yè)結(jié)構(gòu)基礎(chǔ)　64
5.1.1 網(wǎng)頁(yè)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(yè)指紋算法流程　75
5.3 生成網(wǎng)頁(yè)指紋　76
5.3.1 網(wǎng)頁(yè)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(kù)　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(cè)模型　83
6.1 網(wǎng)址文本數(shù)據(jù)　83
6.2 常見(jiàn)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(cè)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(cè)與可解釋性　118
7.3 圖像相似度方法　119
7.3.1 相似度計(jì)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(cè)方法　124
7.4.1 模型訓(xùn)練　124
7.4.2 模型預(yù)測(cè)　126
7.5 小結(jié)　129
第8章網(wǎng)址復(fù)雜網(wǎng)絡(luò)檢測(cè)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(cè)　138
8.2.1 預(yù)訓(xùn)練文本模型對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測(cè)　139
8.2.2 預(yù)訓(xùn)練圖像模型對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測(cè)　140
8.2.3 預(yù)訓(xùn)練指紋模型對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測(cè)　141
8.2.4 預(yù)訓(xùn)練DNN模型對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測(cè)　142
8.2.5 預(yù)訓(xùn)練多模態(tài)模型對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)的預(yù)測(cè)　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(cè)模型　159
9.1 特征融合　161
9.1.1 直接融合　161
9.1.2 無(wú)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(yíng)與情報(bào)體系
第 10章網(wǎng)址運(yùn)營(yíng)體系　176
10.1 穩(wěn)定性運(yùn)營(yíng)　177
10.1.1 在線服務(wù)　177
10.1.2 網(wǎng)址黑庫(kù)　180
10.1.3 特征模型　181
10.2 防誤報(bào)運(yùn)營(yíng)　182
10.2.1 白保護(hù)名單　182
10.2.2 防誤報(bào)監(jiān)控　184
10.2.3 自動(dòng)化處置　185
10.3 用戶反饋運(yùn)營(yíng)　186
10.3.1 網(wǎng)址申訴　187
10.3.2 網(wǎng)址舉報(bào)　188
10.3.3 故障反饋　189
10.4 分級(jí)告警體系　190
10.5 小結(jié)　190
第 11章網(wǎng)址知識(shí)情報(bào)挖掘及應(yīng)用　191
11.1 黑灰產(chǎn)團(tuán)伙資源情報(bào)挖掘　191
11.1.1 網(wǎng)址類資源挖掘　191
11.1.2 賬號(hào)類資源挖掘　195
11.2 黑產(chǎn)入侵網(wǎng)站情報(bào)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(bào)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