數據驅動安全：數據安全分析、可視化和儀表盤 ( 簡體 字) |
| 作者：[美]杰·雅克布（Jay Jacobs） 鮑布·魯迪斯（Bob Rudis） 著 | 類別：1. -> 安全 -> 網路安全 -> 駭客攻擊與入侵 |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 42576
詢問書籍請說出此書號！【缺書】
NT售價： 395 元 |
| 出版日：10/1/2015 |
| 頁數：289 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111512677 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：旅行很危險，弗羅多。一旦你出了門上了路，如果不專心看路，誰知道你會被帶到哪里去。
—比爾博·巴金斯，《指環王》
近幾年，網絡安全在全球范圍內成為了大眾和專業領域的核心關注點。數據外泄的情況每天都在發生，聰明的對手把目標直指消費者、商業公司、政府，他們技巧熟練而且不怕被發現或者無視將會出現的后果。這些事件有它發生的背景，現今包含商業和關鍵基礎設施的主干網的系統網絡和應用，變得越來越復雜，臃腫得難以掌控。
憑借肉眼觀察的直覺和所謂“最佳”實踐的安全防護措施已經不足以保護我們。安全“巫
師”的時代已經過去，采用成熟的工具和技術、進入革命性的數據驅動安全的時代已經到來。
本書綜述以及技術要點
本書的目的是帶你遨游安全數據科學的世界。讓我們先看一眼圖1所展示的用本書每一章的關鍵詞構成的這塊云。這朵云涉及大量的信息，通過這朵云你或許可以從繁雜的信息中挑選出少量的有用信息，然而，這就像不用磁鐵在一個大草垛中找出一顆釘子。
圖 1
圖 2
如果正確地使用了合適的分析工具，你將能區分出圖中最重要的內容（見圖2）。
本書不僅專注于用Python和R語言作為基礎的數據分析工具，同時介紹了如何設計和創建現代風格的靜態可視化以及使用HTML5、CSS和JavaScript的交互式可視化工作，還提供了相應的知識背景和現代NoSQL數據庫的安全用例。
本書是如何組織的
本書的組織，不像令人狼吞虎咽的自助餐，卻有點兒像各有特色的精致點心：每章都有不同的組織脈絡。恰如“點心”一詞的含義，每章包含安全數據科學中的一個基本主題，并且提供了大量的值得深入學習研究的知識點。
第1章展示了此次學習之旅的基礎知識點，提供了一些數據驅動實踐與其他學科的交叉實例，同時描繪了安全數據科學工作者需要掌握的技能的總體概覽。
第2、3、4章分別涉及一些軟件工具、技術知識、使用技巧，這些是每一個安全數據科學工作者都應該掌握的。你將接觸到AlienVault的IP信譽庫（是能公開獲取的最全面的惡意節點資源之一）以及對ZeuS和ZeroAccess僵尸網絡產生一個宏觀的認識。我們在第2、3章介紹Python用于分析的一面，本書的其他部分將以R語言為主進行統計分析。與其他傳統的有關R語言的介紹（或者一般統計類著作）不同，我們將用安全領域中的數據貫穿全書，以此來幫助信息安全專業人員建立起盡可能實用的技術概念。
第5章介紹一些創建圖表的技術以及一些核心的統計學概念，同時為安全數據領域的門外漢提供了一兩小節的入門知識。
第6章深入到有關可視化展示（數據可視化）的一些基礎性生物學知識和認知科學知識，甚至向你展示如何讓數據活靈活現起來。
第7章提供如何分析和可視化安全漏洞的基礎知識，在本章，你將有機會接觸到安全事件的真實數據。
第8章涵蓋現代數據庫的概念，包含傳統數據庫部署的新技巧，還有一系列NoSQL解決方案以及工具。本章將有助于回答“我們在自己的網絡上看到這個IP了嗎？”這樣的問題。
第9章將帶你進入到令人激動而又真實的機器學習領域。你將學到一些機器學習的核心概念，探索機器學習的實現技術，以及如何通過算法找到一些靠直覺無法發現的數據。
第10章及第11章會提供一些實用的建議和技巧來創建有效的可視化產品，讓該產品能與你的客戶有效溝通甚至（極有可能）打動他們。你可以使用很多工具，從Excel到藝術工具和庫，并且能夠將你所學應用于安全領域之外。可視化技術通過給安全儀表盤（可能多數的讀者對此比較熟悉）進行改頭換面，讓這些信息展示得更加豐富有形。
最后，在第12章，我們將為你呈現如何將所學的知識應用到實際環境，包括個人層面以及企業層面的應用環境。
誰應該讀這本書
我們寫這本書是因為我們全身心投入到數據領域中工作，并相信如果我們能夠花費時間去理解如何提出正確的問題，做出準確和可重復的數據分析，使用令人信服的方法去關聯結果，我們就能為推進和提高網絡安全做出富有成效的貢獻。
如果讀者有安全領域的經驗，以及掌握基本的代碼和腳本編寫技能，就能從本書大大受益。熟悉Python的讀者可以跳過第2章的相關介紹以及快速略過第3章的大部分內容。我們重點介紹和關注R語言，它在現代數據分析領域是門出色的語言，你可以通過書里列舉的R語言相關例子和代碼來提高自己的水平。假如你是一個編程菜鳥，第2、3、4章能給你非常大的幫助。
我們重視統計學以及機器學習的知識，因此在許多章節里都有涉及，我們不建議讀者跳過此部分內容。然而你可以在讀完本書前忽略第9章（主要討論機器學習），它不會影響你閱讀的連貫性。
如果你熟悉數據庫，你只需看一下第8章的用例，便可在安全領域嘗試使用現代特殊的數據庫進行操作。
不像許多討論儀表盤的書，第10章需要掌握的僅僅是Microsoft Excel或者Openoffice Cal，對于在組織中使用的工具和限制我們不做任何假設。如果你對構建交互的可視化工具沒有需求，第11章的內容可以作為今后的延展閱讀。
簡單地說，我們的書不僅面向信息技術人員、信息安全專家、學生、咨詢顧問，任何人只要有興趣探索如何分析數據，使之更好地能被人理解，來確保網絡安全，都能從本書中找到答案。
工具列表
下列工具如果是用于練習，均是免費的：
R語言項目：（http://www.r-project.org/），大部分示例用R語言開發，包含了許多社區的開發包，比如ggplot2。
RStudio：（http://www.rstudio.com/），能幫助你快速掌握并運行示例代碼的R語言開發套件。
Python：（http://www.python.org/），包含了一些例子，以及很多重要的包，如pandas（http://pandas.pydata.org/），使之成為一個強力的開發平臺。
Sublime Text（http://www.sublimetext.com/），這是另外一款強大的文本編輯器，對于處理HTML、CSS、JavaScript的代碼尤其方便。
D3.js（http://d3js.org），參照它并快速翻閱第11章開頭部分，能幫助你提高對此章節示例的掌握速度。
Git（http://git-scm.com/），你需要安裝它去獲取本書中提到的許多數據，所以現在就安裝它，以節省時間。
MongoDB（http://www.mongodb.org/），MongoDB在第8章中使用，所以請先提前做好準備。
Redis（http://redis.io/），這也是第8章某些示例所需的。
Tableau Public（http://www.tableausoftware.com/），如果你想對第11章的調查數據做更多工作，這個軟件是個不錯的選擇。
此外本書所有的代碼、示例、原始數據均可從本書合作網站（http://www.wiley.com/go/datadrivensercurity）獲取。
我們建議你使用Linux或Mac OS，但是所有的示例均能在主流的Windows上運行。
相關網絡資源
如上述所說，你可以從本書合作網站（http://www.wiley.com/go/datadrivensercurity）獲取所有源代碼、示例中使用的數據文件，以及相關的幫助文檔（比如Microsoft Excel文檔）。
開啟本書之旅
你已經大體了解了本書的構成，我們希望本書能帶給你新的視野和發現，并且通過對書中原理的掌握，使你有信心提高自己對于安全的視角。
致謝
雖然本書封面上只有我們的姓名，但是本書代表了很多人做的大量的工作。首先要給我們的技術編輯Russell Thomas十二分的感謝，他對細節的一絲不茍的態度，讓我們避免了一些令人尷尬的錯誤，讓本書變得更好。感謝Symantec公司、AlienVault公司、Stephen Patton 和 David Severski，感謝他們為本項目做的準備工作以及共享的數據。感謝Wade Baker的激情，感謝Chris Porter的接洽，感謝Verizon的RISK團隊的工作以及他們在VERIS對社區做出的貢獻。感謝在Wiley遇到的好心人們，特別是Carol Long、Kevin Kent和Kezia Endsley，他們幫助打造了這本書，并且鼓勵我們，讓我們的工作不斷推進。
同時也感謝那些回復郵件、討論思路以及提供反饋的人們。最后，感謝那些圍繞R語言、Python、數據可視化、數據安全的富有活力的社區，希望我們能夠繼續讓這些社區之間加強交流、逐漸融合。
Jay Jacobs
首先要感謝我的父母。父親對學習的熱誠和去嘗試任何事情的自信心極大地感染了我，母親則給了我堅定不移的支持，甚至當我盲目探索時也是如此，感謝母親給我提供了良好的生長學習環境。我也想感謝我的妻子Ally，她既是我最好的朋友、最嚴格的批評家，也是最忠實的粉絲。如果沒有她的愛和支持鼓勵，這個任務是不可能完成的。最后，感謝孩子們的耐心等待，現在我有時間和你們玩那個游戲了。
Bob Rudis
感謝我可愛的妻子Mary和三個在家的孩子Victoria、Jarrod和lan。很多的周末時光，我都沒有陪伴在他們身邊，如果沒有他們對我的愛、支持和巨大的耐心，這本書是不可能完成的。
感謝Alexandre Pinto、Thomas Nudd和Bill Pelletier，感謝你們恰逢其時的（也許你們自己沒有意識到）充滿鼓勵和熱情的消息。特別要感謝一些開源社區、可再生研究和開放數據運動，他們在幕后提供了本書用到的大多數工具、實踐。同時也感謝Josh Corman為本書起了出色的書名。
最后，以一個菜譜向朋友們表示感謝。
炸玉棋拌青醬（Pan Fried Gnocchi with Basil Pesto）：
2杯（約250ml）新鮮馬賽羅勒（basil）
1/2杯羅馬新鮮干酪
1/2 杯 + 2湯匙特級初榨橄欖油
1/4杯松仁
4瓣大蒜
喜馬拉雅海鹽，胡椒粉若干
1磅玉棋（新鮮或真空密封的，如果是新鮮的玉棋應該略干）
打碎攪拌（按序添加）：松仁、大蒜、羅勒、奶酪，緩緩向拌勻的原料中倒入1/2杯橄欖油并持續攪拌直至呈糊狀，再按口味添加些許鹽和胡椒粉。之后放置在一邊作為青醬。
使用厚底鍋并開大火加熱，倒入剩余橄欖油。油熱后加入玉棋，不要使玉棋在鍋中擠在一起或相互疊壓。約3至4分鐘，待玉棋的一面變為棕色并有些卷曲后將其翻轉至另一面待2至3分鐘后盛出，拌上青醬，加上saba魚絲，就可以端上桌了。這些量足夠3至4人食用。 |
內容簡介：本書由世界頂級安全專家親筆撰寫，深入剖析了安全領域中的數據分析及可視化方法，包含大量真實案例和數據。從安全數據收集、整理、分析、可視化過程，詳細講解如何設計有效的安全數據可視化，并走向數據驅動的安全研究。
全書共12章，第1章展示信息安全領域數據分析與可視化的基礎知識，以及安全數據科學工作者需要掌握的技能概覽。第2~4章介紹一些安全數據科學工作者需要掌握的軟件工具、技術知識、使用技巧，涉及Python語言、R語言為主的實用分析方法。第5章介紹創建圖表的技術以及一些核心的統計學概念。第6章講解數據可視化的基礎知識，以及有效展示的技巧。第7章介紹如何對安全漏洞進行分析和可視化，包含大量安全事件的真實數據。第8章涵蓋現代數據庫的概念，包含在傳統數據庫基礎上新增的數據展示技巧以及NoSQL解決方案。第9章將帶你進入機器學習領域，包括機器學習的核心概念，探索機器學習實現技術等。第10章及第11章介紹創建有效的可視化產品技巧，以及如何讓這些信息展示得更加豐富有形。第12章呈現如何將所學的知識應用到實際的安全環境中。
如今的信息安全人員擔負了從保護企業數據到電子商務交易安全的重要任務，且數據龐大、責任重大，本書涉及三個重要話題：安全技術、數據分析和可視化。作者在書中深入探討如何從安全的角度進行數據分析、大數據量的存儲和處理，以及如何將在數據中發掘的信息通過可視化有效地呈現，并且書中包含安全數據分析及可視化的大量最佳實踐，詳細講解如何用真實的數據驅動安全決策，如何應用安全原則。
通過閱讀本書，你將學到：
如何收集、準備數據并進行可視化。
如何使用R和Python分析和可視化工具。
如何追蹤IP地址來發現惡意活動。
如何通過安全數據可視化、統計分析技術來尋找可疑鏈接。
深入學習可視化技術，并用于看清數據的含義，將數據清晰展示。
如何開發有效的、信息豐富的安全數據儀表盤。
如何設計分析模型來檢測惡意代碼。
通過典型的實際數據和網絡安全場景講解實操方法。 |
目錄：譯者序
前言
作者介紹
第1章 通向數據驅動安全的旅程 1
1.1 數據分析簡史 2
1.1.1 19世紀的數據分析 2
1.1.2 20世紀的數據分析 3
1.1.3 21世紀的數據分析 4
1.2 獲取數據分析技能 5
1.2.1 領域專業知識 6
1.2.2 編程技能 8
1.2.3 數據管理 11
1.2.4 統計學 12
1.2.5 可視化 14
1.2.6 將這些技能組合起來 16
1.3 以問題為中心 16
1.3.1 創建一個好的研究問題 17
1.3.2 探索性數據分析 18
1.4 本章小結 19
推薦閱讀 19
第2章 打造自己的分析工具箱 20
2.1 為什么選Python？為什么選R？為什么兩者都要？ 21
2.2 用Canopy快速開始Python分析 23
2.2.1 理解Python數據分析和
可視化生態系統 24
2.2.2 設置R語言環境 27
2.3 數據幀介紹 30
2.4 組織結構 33
2.5 本章小結 34
推薦閱讀 35
第3章 學習安全數據分析的“Hello World” 36
3.1 解決一個問題 37
3.2 獲取數據 37
3.3 讀入數據 40
3.4 探索數據 43
3.5 回到具體問題 54
3.6 本章小結 64
推薦閱讀 65
第4章 進行探索性的安全數據分析 66
4.1 IP地址的剖析 67
4.1.1 IP地址的表示 67
4.1.2 IP地址的分段和分組 69
4.1.3 定位IP地址 71
4.2 IP地址數據的擴充 74
4.3 跨區域繪圖 83
4.3.1 宙斯僵尸網絡的可視化 85
4.3.2 防火墻數據的可視化 91
4.4 本章小結 93
推薦閱讀 94
第5章 從地圖到回歸分析 95
5.1 簡化地圖 96
5.1.1 每個國家的ZeroAccess木馬感染量是多少 99
5.1.2 改變數據范圍 102
5.1.3 Potwin效應 104
5.1.4 結果奇怪嗎？ 107
5.1.5 郡計數 111
5.1.6 郡級 112
5.2 線性回歸介紹 115
5.2.1 回歸分析中的常見陷阱 120
5.2.2 ZeroAccess木馬感染的回歸分析 121
5.3 本章小結 125
推薦閱讀 125
第6章 將安全數據可視化 126
6.1 為什么要可視化 127
6.2 理解視覺交流的組件 133
6.2.1 避免第三維 133
6.2.2 使用顏色 135
6.2.3 拼在一起 137
6.2.4 描述分布信息 143
6.2.5 可視化時間序列 146
6.2.6 親自實踐 147
6.3 將數據變成電影明星 147
6.4 本章小結 148
推薦閱讀 148
第7章 從安全失陷中進行學習 150
7.1 建立研究項目 151
7.2 數據收集框架的思考 152
7.2.1 瞄準目標答案 152
7.2.2 限制可能的答案 153
7.2.3 允許“其他”和“未知”選項 153
7.2.4 避免混淆并且合并細節 154
7.3 VERIS概述 155
7.3.1 事件追蹤 156
7.3.2 威脅角色 157
7.3.3 威脅行為 158
7.3.4 信息資產 160
7.3.5 屬性 162
7.3.6 發現/響應 163
7.3.7 影響 164
7.3.8 受害者 164
7.3.9 指標 166
7.3.10 用附加擴展VERIS 166
7.4 從行為中看VERIS 166
7.5 使用VCDB數據 168
7.6 本章小結 175
推薦閱讀 176
第8章 離開關系數據庫 177
8.1 實現有約束的存儲器 180
8.1.1 架構方面的約束 181
8.1.2 存儲方面的約束 183
8.1.3 RAM方面的約束 184
8.1.4 數據方面的約束 185
8.2 探索替代性的數據庫 185
8.2.1 BerkeleyDB 186
8.2.2 Redis 188
8.2.3 HIVE 192
8.2.4 MongoDB 194
8.2.5 特殊目的的數據庫 199
8.3 本章小結 200
推薦閱讀 200
第9章 解密機器學習 201
9.1 檢測惡意軟件 202
9.1.1 開發機器學習算法 204
9.1.2 驗證算法 205
9.1.3 實現機器學習算法 206
9.2 從機器學習中獲益 209
9.2.1 用機器學習回答問題 210
9.2.2 評測良好的性能 211
9.2.3 選擇特征 211
9.2.4 驗證你的模型 213
9.3 具體的機器學習方法 213
9.3.1 有監督學習方法 214
9.3.2 無監督學習方法 217
9.4 實驗：攻擊數據聚類 218
9.4.1 受害行業的多維尺度分析 220
9.4.2 受害行業的層次聚類分析 222
9.5 本章小結 225
推薦閱讀 225
第10章 設計有效的安全儀表盤 226
10.1 什么是儀表盤 226
10.1.1 儀表盤不是汽車 227
10.1.2 儀表盤不是報告 229
10.1.3 儀表盤不是搬運車 231
10.1.4 儀表盤不是藝術展 233
10.2 通過儀表盤表達及管理“安全” 237
10.2.1 幫負責人一個忙 237
10.2.2 提升儀表盤的意識 239
10.2.3 難題在細節中 241
10.2.4 突出“安全” 243
10.3 本章小結 245
推薦閱讀 245
第11章 交互式安全可視化 247
11.1 從靜態到交互式 248
11.1.1 用于增強的交互 248
11.1.2 用于探索的交互 251
11.1.3 用于啟發的交互 254
11.2 開發交互式可視化 259
11.2.1 使用Tableau創建交互式儀表盤 259
11.2.2 使用D3創建基于瀏覽器的可視化 261
11.3 本章小結 271
推薦閱讀 271
第12章 走向數據驅動的安全 273
12.1 讓自己走向數據驅動的安全 273
12.1.1 黑客 274
12.1.2 統計學 277
12.1.3 安全領域專家 278
12.1.4 危險區域 278
12.2 帶領團隊走向數據驅動的安全研究 279
12.2.1 對具有客觀答案的事情提問 279
12.2.2 查找并收集相關數據 280
12.2.3 從迭代中學習 280
12.2.4 尋找統計人才 281
12.3 本章小結 283
推薦閱讀 283
附錄A 資料及工具 284
附錄B 參考資源 287 |
| 序： |
