簡體書新到貨|2書75折 (8/25--8/31) 詳見活動內容 »
-
85折
$550量子計算與人工智能 -
VIP 95折
圖解Skill+OpenClaw:零代碼打造你的AI智能助手$414$393 -
85折
$254OpenClaw快速上手極簡部署與實戰 -
85折
$254LangChain與大語言模型應用開發實踐 -
85折
$1,014系統安全工程導論 -
85折
$351機器人學基礎 第4版 -
79折
$469StatQuest 圖解神經網絡與深度學習 (全彩) -
85折
$254國產龍蝦實操手冊:12款OpenClaw國產AI工具零基礎入門+全場景應用(視頻教學版) -
85折
$606openvela輕量系統開發實戰 -
85折
$504智能網聯汽車:AUTOSAR Adaptive平臺技術體系與應用指南 -
VIP 95折
智能體的超級大腦:大模型工作原理揭秘$359$341 -
VIP 95折
30天輕松學會SQL$599$569 -
85折
$254大模型賦能的智能體系統原理與實踐 -
VIP 95折
先進智能感知技術與應用$1,008$957 -
VIP 95折
視覺智能 — 技術前沿與應用探索$894$849 -
VIP 95折
分布式數據庫系統:原理解析與架構設計$474$450 -
85折
$453理解深度學習 -
VIP 95折
AI 優先:面向未來的企業和品牌行動指南$414$393 -
VIP 95折
玩賺 AI 短視頻 : DeepSeek + 即夢 + 剪映 打造爆款視頻$474$450 -
VIP 95折
飛書雲端安全養蝦 極簡OpenClaw實操手冊$479$455 -
VIP 95折
雲網融合的新型網絡架構$594$564 -
VIP 95折
Seedance創富手冊:零基礎做電商帶貨和自媒體$474$450 -
VIP 95折
Python辦公自動化:基於銀河麒麟(Kylin)系統的實現方法$414$393 -
VIP 95折
自然語言處理實踐:語義理解與信息抽取$534$507 -
85折
$300大模型應用
商品描述
本書共14章,圍繞下一 代互聯網安全領域的核心挑 戰——IPv6網絡實體的高精 度定位與多維度脆弱性評估 展開系統研究。第1章為緒 論。第2章為相關知識與工 具。第3章為基於時延特征 的邊界路由IP定位算法。第 4~9章針對IPv6地址稀疏性 、動態性、低存活度及多穴 性等關鍵問題提出了 HpGraphNEI、HGL、GEO 、SubvectorS-Geo等創新 性IP定位算法。 0~13章 構建了“拓撲結構—網絡實 體—應用軟件”三位一體的 脆弱性評估體系,實現從宏 觀網絡結構到微觀軟件屬性 的全鏈條風險感知。 4章 為總結與展望。 本書體系完備、內容前 沿,兼具理論深度與實踐指 導價值,適合網絡空間安全 、下一代互聯網架構、網絡 測量與智能安全等相關領域 的研究人員、高校師生及工 程技術人員閱讀參考,旨在 為推動 IPv6安全治理與 防禦體系建設提供學術支撐 與技術借鑒。
目錄大綱
第1章 緒論
1.1 研究背景與意義
1.2 研究現狀
1.3 研究難點及創新內容
第2章 相關知識與工具
2.1 IPv6地址
2.2 地址生成及掃描技術
2.3 地標
2.4 IPv6網絡空間測量
2.5 圖
2.6 網絡實體識別
2.7 探測與掃描工具
2.8 測繪平臺
2.9 本章小結
第3章 基於時延特征的邊界路由IP定位算法
3.1 問題提出
3.2 相關工作
3.3 研究方法
3.4 實驗數據集及結果
3.5 討論與分析
3.6 總結與展望
第4章 HpGraphNEI:基於異配圖學習的網絡實體識別模型
4.1 問題提出
4.2 相關工作
4.3 HpGraphNEI模型
4.4 實驗與分析
4.5 本章小結
第5章 基於特征聚類的IPv6地標表示方法
5.1 問題提出
5.2 IPv6地標收集
5.3 實驗與分析
5.4 本章小結
第6章 基於神經網絡的IPv6定位算法
6.1 問題提出
6.2 相關工作
6.3 SubvectorS_Geo算法
6.4 實驗與分析
6.5 本章小結
第7章 基於區域路由節點的層次分類IP定位模型
7.1 問題提出
7.2 GWS-Geo模型和目標IP定位步驟
7.3 實驗與分析
7.4 本章小結
第8章 基於超圖神經網絡的社區發現IP定位模型
8.1 問題提出
8.2 HGL_GEO定位算法
8.3 實驗與分析
8.4 本章小結
第9章 基於網絡實體屬性的IP定位算法
9.1 問題提出
9.2 GraphNEI模型及定位算法
9.3 實驗與分析
9.4 本章小結
0章 GraphNV:基於圖註意力網絡的網絡節點脆弱性評估方法
10.1 問題提出
10.2 相關工作
10.3 GraphNV模型
10.4 實驗與分析
10.5 本章小結
1章 TransformerNEI:基於Transformer的網絡實體識別模型
11.1 問題提出
11.2 模型化框架及主要步驟
11.3 實驗與分析
11.4 本章小結
2章 NR-GAT:基於圖註意力網絡的網絡節點脆弱性評估方法
12.1 問題提出
12.2 相關工作
12.3 基於NR-GAT的網絡脆弱性分析模型
12.4 實驗與分析
12.5 本章小結
3章 HGL-SSCR:基於超圖學習的軟件供應鏈風險評估模型
13.1 問題提出
13.2 相關工作
13.3 HGL-SSCR模型
13.4 實驗與分析
13.5 本章小結
4章 總結與展望
14.1 工作總結
14.2 未來工作展望
參考文獻
