本书共11章，主要介绍安全大数据分析的基本知识和大数据分析、云计算的相关机制，围绕计算机系统面临的安全威胁，重点介绍为提高网络空间安全采取的安全大数据分析相关技术和措施，使学生了解在真实网络空间安全场景下采用的基于大数据分析的关键技术和模型。结合对网络空间安全的具体攻击及基于大数据分析技术的安全解决方案，使学生掌握网络安全和大数据的基础知识，理解大数据分析主流算法的原理及应用场景，掌握安全大数据分析的关键技术，培养学生针对实际安全场景进行架构设计和场景分析的能力。
本书针对高校网络空间安全专业的教学规划组织编写，既可作为网络空间安全、信息安全专业及网络工程、计算机技术应用型人才培养与认证体系中的教材，也可作为负责网络安全运维的网络管理人员和对网络空间安全感兴趣的读者的基础读物。

第1章 网络空间安全形势发展变化
1.1 安全需求多元化发展
1.1.1 系统安全
1.1.2 设备安全
1.1.3 网络安全
1.1.4 应用安全
1.1.5 数据安全
1.2 攻击形式多样化
1.3 安全数据来源多样性
1.3.1 设备日志数据
1.3.2 网络流量数据
1.3.3 资产数据
1.3.4 用户行为数据
1.3.5 威胁情报数据
1.4 安全分析方法的综合性
1.4.1 传统的安全分析方法的局限性
1.4.2 安全大数据分析方法
小结
第2章 大数据技术基础
2.1 大数据概念及特点
2.1.1 大数据概念
2.1.2 大数据的特征
2.2 大数据技术发展历程
2.2.1 数据采集与预处理
2.2.2 数据存储
2.2.3 数据处理与分析
2.2.4 数据安全和隐私保护
2.3 大数据计算模式
2.3.1 批处理计算
2.3.2 内存计算
2.3.3 交互式分析计算
2.3.4 流计算
2.3.5 图计算
2.3.6 查询分析计算
2.4 大数据生命周期安全
2.4.1 数据产生面临的威胁
2.4.2 数据采集面临的威胁
2.4.3 数据传输面临的威胁
2.4.4 数据存储面临的威胁
2.4.5 数据分析面临的威胁
2.4.6 数据使用面临的威胁
2.4.7 数据治理技术
2.5 大数据技术与大数据安全分析技术发展趋势
2.5.1 大数据技术发展趋势
2.5.2 大数据安全分析技术发展趋势
小结
第3章 特征工程与模型评估
3.1 特征工程
3.1.1 数据预处理
3.1.2 特征构建
3.1.3 特征选择
3.1.4 特征提取
3.2 模型评估
3.2.1 模型误差
3.2.2 模型评估方法
3.2.3 模型评价指标
小结
第4章 基于大数据分析的恶意软件检测技术
4.1 恶意软件检测技术的发展
4.1.1 恶意软件
4.1.2 恶意软件的特征
4.1.3 传统的恶意软件检测技术
4.1.4 基于机器学习的恶意软件检测技术
4.2 大数据分析技术在恶意软件检测中的应用
4.2.1 分类算法在恶意软件检测中的应用
4.2.2 聚类分析算法在恶意软件检测中的应用
小结
第5章 基于大数据分析的入侵检测技术
5.1 入侵检测技术
5.1.1 入侵检测技术概述
5.1.2 入侵检测的方法
5.2 大数据分析技术在入侵检测中的应用
5.2.1 朴素贝叶斯算法
5.2.2 逻辑斯谛回归算法
小结
第6章 基于大数据分析的威胁情报
6.1 威胁情报
6.1.1 威胁情报的概念及分类
6.1.2 威胁情报的用途
6.1.3 威胁情报的生命周期
6.1.4 标准与规范
6.2 大数据分析技术在威胁情报中的应用
小结
第7章 基于大数据分析的日志分析技术
7.1 日志分析
7.1.1 日志
7.1.2 网络环境下日志的分类
7.1.3 日志的格式、语法和内容
7.1.4 日志分析概述
7.1.5 网络日志分析相关术语
7.1.6 网络日志分析流程
7.1.7 日志分析系统典型产品
7.2 大数据分析技术在日志分析中的应用
7.2.1 基于大数据分析的日志分析架构及工具
7.2.2 日志异常检测技术的研究现状
7.2.3 关联关系算法——Apriori算法
7.2.4 KNN算法在日志分析中的应用
小结
第8章 基于大数据分析的网络欺诈检测
8.1 网络欺诈
8.1.1 网络欺诈概述
8.1.2 钓鱼网站
8.1.3 社会工程学
8.2 大数据分析技术在网络欺诈检测中的应用
8.2.1 神经网络概述
8.2.2 反向传播神经网络
8.2.3 深度学习卷积神经网络
小结
第9章 基于大数据分析的网络流量分析技术
9.1 网络流量分析
9.1.1 网络流量分析概述
9.1.2 网络流量分析的现状
9.1.3 网络流量采集数据集
9.1.4 流量数据采集相关问题
9.2 大数据分析技术在网络流量分析中的应用
9.2.1 网络流量分析流程
9.2.2 k均值聚类算法在网络流量分析中的应用
小结
第10章 基于大数据分析的网络安全态势感知
10.1 网络安全态势感知
10.1.1 态势感知技术
10.1.2 网络安全态势感知的发展历程
10.1.3 网络安全态势感知简介
10.1.4 网络安全态势感知关键技术
10.1.5 网络安全态势感知的发展趋势
10.2 大数据分析技术在网络安全态势感知中的应用
10.2.1 网络安全态势感知模型
10.2.2 线性支持向量机算法
10.2.3 Inception Net算法
小结
第11章 基于大数据分析的网络用户行为分析
11.1 网络用户行为
11.1.1 网络用户行为的概念及特点
11.1.2 网络用户行为的分类
11.1.3 网络用户分类
11.1.4 网络用户行为分析的过程
11.2 犯罪网络分析
11.2.1 社会网络分析的基本概念
11.2.2 社会网络分析的主要内容
11.2.3 犯罪网络分析的主要内容
11.2.4 犯罪网络分析的主