（1）大量图例，简单易懂。作者亲自绘制了大量插图，力求还原深度学习的算法思想，分解和剖析晦涩的算法，用图例来表示复杂的问题。生动的图例也能给读者带来阅读乐趣，快乐地学习算法知识，体会深度学习的算法本质。
（2）简化公式，生动比喻。深度学习和机器学习类的书中通常会有大量复杂冗长的算法公式，为了避免出现读者读不懂的情况，本书尽可能地统一了公式和符号，简化相关公式，并加以生动的比喻进行解析。在启发读者的同时，锻炼读者分析问题和解决问题的能力。
（3）算法原理，代码实现。在介绍深度学习及相关算法的原理时，不仅给出了对应的公式，还给出了实现和求解公式的代码，让读者明确该算法的作用、输入和输出。原理与代码相结合，使得读者对深度学习的算法实现更加具有亲切感。
（4）深入浅出，精心剖析。理解深度学习需要一定的机器学习知识，本书在D1章介绍了深度学习与机器学习的关系，并简要介绍了机器学习的内容。在内容安排上，每章依次介绍模型框架的应用场景、结构和使用方式，最后通过真实的案例去全面分析该模型结构。目的是让读者可以抓住深度学习的本质。
（5）入门实践，案例重现。每一章最后的真实案例不是直接堆砌代码，而是讲解使用该算法模型的原因和好处。从简单的背景知识出发，使用前文讲解过的深度学习知识实现一个实际的工程项目。实践可以用于及时检验读者对所学知识的掌握程度，为读者奠定深度学习的实践基础。
将一本技术书籍写得通俗易懂谈何容易，但《深度学习原理与实践》这本书确实做到了。书中对近年来火热的深度学习理论知识进行简单剖析，化繁为简，没有局限于坐而论道，而是将实例和数学理论相结合，让读者能够快速理解各种模型并上手实践，值得细读。
--唐春明 广州大学数学与信息学科学院副院长
本书从原理、方法、实践这 3 个维度系统地介绍了深度学习的方方面面，内容详实，解读清晰，细节与全貌兼顾，既适合初学者阅读，也可以作为深入研究的参考用书。
--杨刚 西安电子科技大学教授
近年来出版的深度学习相关图书中，本书是我见过非常有指导意义的中文书籍之一。本书对 ANN、CNN、RNN 等模型进行深入浅出的介绍，引入大量图例和简化后的公式，让算法浅显易懂。每一章的实践内容都给人惊喜，强烈推荐！
--吴健之 腾讯音乐高级工程师
作为产品经理，我能看懂的深度学习书籍实在太少了。本书恰到好处，插图丰富直观，数学公式简练，很喜欢此类风格的图书，易懂好学。即使你不是程序员或算法专家，该书也值得一看！
--张瑞 中软国际高级产品经理
编辑推荐
AI赋能网络安全，全景剖析技术原理与实践应用，助力智能时代安全挑战应对。
内容简介
本书聚焦AI与网络安全的深度融合，系统介绍AI技术在网络安全领域的创新应用与实践路径，全面解析AI赋能安全的核心原理、关键技术及典型场景，旨在为应对智能时代的网络安全挑战提供理论支撑与实践指南。
全书共7章，内容包括AI的历史与发展趋势、AI技术的价值重构、大模型全链路解析、AI在网络安全领域的深度应用、AI安全风险与合规、构建安全可信的AI应用生态，以及总结与展望，覆盖理论知识、实践案例与前沿趋势。
作者简介
编者范渊，现任杭州安恒信息技术股份有限公司董事长兼总裁，是第一个在美国黑帽子大会（Black Hat）上做演讲的中国人，对物联网安全、工业互联网安全、云安全、大数据安全、智慧城市安全等领域有深入的研究。
章节目录
版权信息
内 容 提 要
编 委 会
资源与支持
推 荐 语
推荐序一
推荐序二
推荐序三
前 言
第1章 AI的历史与发展趋势
1.1 技术演进及关键节点
1.1.1 AI技术发展阶段
1.1.2 AI关键技术发展演进
1.1.3 AI技术学派
1.2 AI技术发展趋势
1.2.1 AI智能体从辅助工具到自主决策的跨越
1.2.2 小模型的高效化与本地化应用
1.2.3 生成式搜索重构信息获取模式
1.2.4 技术主权与算力基础设施的全球竞争
1.3 AI发展过程中存在的争议
1.3.1 参数量与AI性能是否成正比
1.3.2 AI未来的发展方向是开源还是闭源
1.3.3 AI系统形态分化：集中式与分布式
第2章 AI技术的价值重构：个人效率、组织变革及社会影响
2.1 个人生产力的指数级提升
2.1.1 AI工具提高工作效率
2.1.2 AI技术赋能个性化学习
2.1.3 AI应用驱动职业技能重塑
2.2 组织业务的战略级转型
2.2.1 AI驱动组织业务全流程重塑
2.2.2 AI赋能降本增效与商业模式创新
2.2.3 数据驱动决策与风险防控体系升级
2.3 对社会生产、生活的影响
2.3.1 生产力跃迁：产业效率革命
2.3.2 生产、生活基础设施智能化升级
2.4 安恒信息公司“AI+安全”实践
第3章 大模型全链路解析
3.1 大模型的关键要素
3.1.1 数据：大模型训练的原始资料
3.1.2 算法：大模型的神经中枢
3.1.3 算力：千亿参数的承载基石
3.2 大模型架构与主流推理框架
3.2.1 大模型架构的构成
3.2.2 主流大模型推理框架
3.3 训练大模型的方法论
3.3.1 预训练：通用能力的规模化锻造
3.3.2 有监督微调与LoRA微调
3.3.3 强化学习：人类价值观的对齐工程
3.4 大模型的部署与应用
3.4.1 常见的大模型部署模式
3.4.2 大模型选型决策建议
3.4.3 大模型计费模式
3.4.4 多模态交互方式及意义
3.4.5 大模型提示词的优化
3.4.6 打造适合自己的大模型
3.5 大模型在各行业的典型应用场景
第4章 AI在网络安全领域的深度应用
4.1 AI引领智能安全运营新范式
4.1.1 动态威胁检测
4.1.2 海量告警研判
4.1.3 安全事件联动处置
4.1.4 渗透测试辅助
4.1.5 代码审计智能化
4.2 AI赋能构建智能风险防御体系
4.2.1 全域风险监测
4.2.2 未知威胁狩猎
4.2.3 自动化巡检
4.3 AI重构威胁情报生态
4.3.1 威胁情报生产
4.3.2 威胁情报评价
4.3.3 威胁情报共享
4.4 AI助力构建智能数据保护体系
4.4.1 智能数据分类分级
4.4.2 API资产管理与风险智能研判
4.4.3 数据防泄露
4.4.4 数据安全风险管理
4.5 数据智能驱动下的安全新范式
4.5.1 AI驱动数据挖掘
4.5.2 数据价值智能评估
4.5.3 数据安全流通与价值释放
第5章 AI安全风险与合规
5.1 AI核心安全风险
5.1.1 基础设施风险
5.1.2 模型内生风险
5.1.3 数据安全风险
5.1.4 应用输出风险
5.2 AI治理与合规要求
5.2.1 国家政策与合规要求
5.2.2 国际监管与合规实践
5.2.3 AI合规治理与实践
第6章 构建安全可信的AI应用生态
6.1 AI全生命周期安全防护
6.1.1 AI全生命周期安全防护概述
6.1.2 语料数据准备阶段
6.1.3 大模型开发阶段
6.1.4 大模型训练阶段
6.1.5 部署阶段
6.1.6 运行阶段
6.1.7 使用与审计阶段
6.2 AI通用安全框架
6.2.1 “四横”基础能力矩阵
6.2.2 “四纵”支撑体系构建
6.2.3 “四横四纵”框架系统运作
6.3 典型行业AI安全实践
6.3.1 金融行业
6.3.2 能源与工业领域
6.3.3 政务与公共服务
第7章 总结与展望
7.1 AI应用形态成熟度分析
7.1.1 智能问答助手：效率与局限并存
7.1.2 智能体：场景化应用探索者
7.1.3 数字员工：高智能背后的权衡
7.1.4 具身智能：物理交互的智能新形态
7.2 AI发展挑战与应对之策
7.2.1 AI安全挑战：前行路上的暗礁
7.2.2 应对措施：穿越风暴的指南针
7.3 未来趋势：智能新纪元的曙光
AI驱动安全：技术原理与行业实践是2025年由人民邮电出版社出版,作者苗春雨 主编。
温馨提示：
得书感谢您对《AI驱动安全：技术原理与行业实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书对边缘计算的发展历史与趋势、几种典型的边缘计算技术的基本架构与原理进行了阐述，并对边缘计算涉及的关键技术与最新进展、部署方案、应用场景与实践进行了详细讲解。本书涉及的内容广泛、技术思想凝炼，突出核心原理和关键技术的阐述，同时力图深入讲解边缘计算开源平台的使用过程。本书对从事边缘计算技术研发的专业人士、网络运营管理人员、相关专业高校学生以及对边缘计算技术感兴趣的读者，都具有一定的参考价值。
电子书
本书系统地讲解了云计算的知识框架，包括云计算的三大认识角度（商业模式、计算范式、实现方式）、四个关键技术（计算、存储、网络、安全）、四种开发运维维度（云原生应用、云操作系统、云端软件、云运维），以及三大应用场景（云桌面、开发云、大数据与人工智能）。本书在大部分的章中安排了一个或多个基于开源软件的实训内容，以帮助读者更有效地动手实践，包括GitHub、Hadoop、OpenStack、KVM、Doc
电子书
本书则是华为公司针对华为ICT学院大数据方向的在读学生，专门组织合作伙伴和华为公司内部员工开发的标准化教材，这套教材的目的在于循序渐进地帮助华为ICT学院大数据方向的学生掌握大数据技术的基本原理与应用场景，能够在面对真实的业务场景时，独立完成大数据平台的搭建、维护及故障的处理。
电子书
本书深度剖析了API安全漏洞、API安全设计以及API生命周期安全管理等内容。