读书笔记：机器学习互联网业务安全实践
机器学习互联网业务安全实践，王帅、吴哲夫 著
前言
机器学习发展阶段
机器学习三要素
- 模型（建模）
- 策略（学习方法）
- 算法（实现）
数学基础
- 数值分析 —— 算法推衍
- 线性代数 —— 算法实现
- 概率统计 —— 理解模型
- 离散数学 —— 理解模型
- 矩阵论、优化论、泛函分析、贝叶斯统计、模糊数学 —— 理解模型算法的实现原理
如何快速掌握并使用模型，关键在于理解模型的适用条件，从而能构造出模型要求的特征
不一定要选择最合适的模型，理由：
- 先前的模型转化为适用现有问题的复杂度可能不是很高
- 对业务场景的深入分析、研究需要大量时间，而这是提取特征的关键
- 转换模型对结构和工程化的压力大
注重培养看公式比看文字更高效的能力
图：机器学习算法工程师所具备的技能树
第1章 —— 互联网业务简述
- 业务安全事件的特点
- 频率高、范围广
- 高度产业链化
- 危害严重、社会影响较大
- 如何应对互联网业务安全挑战？
- 监控业务安全预警信息—— 先决条件（天时）
- 业界内的信息共享，对安全事件的联防联控，可以广大公司争取一定的应对时间，避免完全被动
- 互联网企业可以联合司法机关和政府部分共同治理黑灰产
- 根据公司业务建立情报监测系统
- 提升业务安全防护技术 —— 基石（地利）
- 移动端加固
- 敏感、隐私信息保护
- 从海量业务数据中挖掘出异常风险行为
- 培养业务安全相关的专业技术人员 —— 核心（人和）
- 专业技能 + 了解业务
- 监控业务安全预警信息—— 先决条件（天时）
- 该书切入点：基于机器学习技术来打造风险识别引擎，为业务安全对抗提供技术支撑