本书全面介绍了计算机安全相关的知识，主要内容包括计算机安全基础，网络跟踪、欺诈和滥用，拒绝服务攻击以及如何阻止这类攻击，恶意软件及防御方法，黑客使用的技术及其心理，网络世界的工业间谍及防范，加密技术及加密方案的选择，计算机安全技术，安全策略的制定，网络扫描和漏洞扫描，网络恐怖主义和信息战及应对方法，如何利用网络侦查，网络犯罪的取证工具和方法等。

本书系统介绍领域驱动设计的理论知识与实践方法，不仅讲解领域驱动设计的战术设计（如实体、值对象、聚合、聚合根、领域服务、领域事件等）、战略设计（如限界上下文、上下文映射、子域等）、领域建模等理论知识，还探讨领域驱动设计的应用架构、类型变化链、一致性、CQRS、事件溯源、编码指南、架构可视化（基于C4模型）等工程实践，探索如何将领域驱动设计与当前业界流行的开发方法（如低代码、敏捷开发、测试驱动开发等）融合，使领域驱动设计成为真正可落地的开发方法。本书在介绍概念时，为概念提供了代码层面的讲解，这样可以

本书的主要内容有：了解Kotlin基础知识和Kotlin集合框架。探索Android基础：操作系统和应用容器及其组件。了解线程安全以及如何处理并发。编写低开销顺序异步工作。使用协程检查结构化并发性，并了解通道如何支持协程通信。了解如何使用流完成异步数据处理。使用Android性能分析工具了解性能问题。使用性能优化减少资源消耗。

本书针对多视图信息可视化中存在的注意管理困难和迷航问题，以提升用户可视分析和决策效率为导向，将语言学、人因工程学、实验心理学中的研究思维和研究范式融合至信息可视化设计和可用性评估中。在理论研究部分，本书首先基于概念隐喻理论建立了实体空间与信息可视化空间之间的概念映射，提出了信息可视化空间中要素层次概念模型、决策任务分层体系，构建了人与多视图信息可视化空间交互认知概念模型；随后从多视图信息可视化空间中的认知流程以及注意管理和心智地图构建这两个核心认知要素出发，提出了信息可视化空间中的视场

本书阐述数据驱动的工业过程监控与故障诊断的理论与应用方法，主要内容包括：过程监控必要的基础知识、常见测量方法、检测指标、控制限设计和仿真平台；面向间歇过程的故障检测方法，包括软过渡PCA监控、基于核费希尔包络分析的故障识别、基于局部特征相关性的故障诊断；面向质量监控的全局与局部特征融合的故障诊断方法，包括基于全局加局部偏最小二乘模型、局部保持偏最小二乘模型、局部线性嵌入潜结构偏最小二乘的投影模型和鲁棒L1偏最小二乘模型的多种质量监控方法；面向故障溯源的数据与机理融合诊断方法，包括基于贝叶斯因果模

在人工智能飞速发展的今天，大众对于这一前沿技术仍感神秘且难以窥探其深。为此，本书针对人工智能的核心问题进行了深入剖析，旨在帮助读者揭开其神秘面纱。
　　本书的主要内容围绕以下问题展开：什么是人工智能？人工智能能否解释其决策？它能否承担法律责任？它是否具有代理权？人类应该保留对这类系统的何种控制权，是否取决于所做决策的类型？如今数据共享比10年前更容易也更普遍，我们是否需要对隐私法进行根本性的反思？我们如何应对通过针对性政治广告进行操纵的潜在可能？政府在使用决策工具方面与产业界是否有所不同？

本书结合小波变换和深度学习这两种先进的技术手段，系统地设计多种小波域上的依赖关系，对小波变换域联合建模进行深入的研究，从而显著地提高小波对图像特征的表示能力，并推动小波分析在理论和应用方面的发展。本书首先介绍小波变换的基本原理和相关的数学知识，以及小波变换在图像处理中的应用；其次详细地讲解深度学习相关的理论知识和常用的图像处理方法；然后详细地介绍深度神经网络的基础理论和网络组件，以案例形式介绍PyTorch深度学习框架；最后，详细地介绍深度神经网络常用网络组件和模型，重点介绍和分析ResNet模

本书深入浅出地介绍后摩尔时代的并行计算核心技术，读者能较轻松地在短时间内学懂主要内容。全书理论与实践并重，兼顾数学模型、结构模型、编程模型，与通常的并行计算图书相比具有以下特色：①从概念上明确算势与算力的联系与区别，强调在后摩尔时代背景下从潜在能力(算势)到实际能力(算力)的充分转化的重要性；②注重量化分析和理论推导，单列一章对计算性能模型和存储性能模型进行了介绍；③注重并行应用程序的设计，单列一章介绍并对比分析了共享存储编程和非共享存储编程的基本原理；④注重融会贯通，培养整体观念，分

这是一本讲解如何基于三项核心技能(编写和编辑HTML、使用CSS控制页面设计、创建高效的Web布局)设计、构建和部署现代网站的实战性手册。通过阅读本书，你将学习：为网站添加高级样式CSS Flexbox和CSS Grid。安装和配置静态站点生成器Jekyll。模板系统和编程语言入门。掌握网页设计的关键布局原则。使用自定义URL、电子邮件地址注册和配置自定义域。将简单但实用的网站部署到实时网络上。

内容简介这是一部从技术安全、监管框架、合规要求、伦理道德等角度全面讲解生成式人工智能安全问题的实战性著作。本书在坚实的理论基础之上，通过丰富的案例和翔实的数据，系统梳理了企业当下在生成式人工智能实践中面临的各种安全挑战，并给出了应对策略。本书的目标是为读者提供全面且实用的行动框架和实操指南，以促进生成式人工智能行业的健康发展。本书融合了跨学科专家的技术和经验，作者团队包括安全领域的资深技术精英、微软创新教育专家（MIEE）、生成式人工智能技术专家，以及在大数据企业、法律界深耕多年的知识产权