神经网络 神经 规则 机器
网络攻防技术——shellcode编写
实验5：shellcode编写实验 实验内容： shellcode广泛用于许多涉及代码注入的攻击中。编写shellcode是相当有挑战性的。虽然我们可以很容易地从互联网上找到现有的shellcode，但是能够从头开始编写我们自己的shellcode总是令人兴奋的。shellcode中涉及到几种有趣的 ......
机器学习-无监督机器学习-LDA线性判别分析-25
目录1. Linear Discriminant Analysis 线性判别分析 1. Linear Discriminant Analysis 线性判别分析 经常被用于分类问题的降维技术，相比于PCA，LDA可以作为一种有监督的降维算法，降维的时候用到了y的真实值，有监督的降维。 在PCA中，算法 ......
网络攻防技术——栈溢出
作业题目 本实验的学习目标是让学生将从课堂上学到的有关缓冲区溢出漏洞的知识进行实践，从而获得有关该漏洞的第一手经验。缓冲区溢出是指程序试图将数据写入预先分配的固定长度缓冲区边界之外的情况。恶意用户可利用此漏洞改变程序的流控制，甚至执行任意代码。此漏洞是由于数据存储（如缓冲区）和控件存储（如返回地址） ......
浅谈网络流
浅谈网络流 最近网络流做了一堆，感觉有微弱的进步！ 记录一些 好的套路，好的错误，以便以后再错 板子 根据地方法律法规，最大流 中 \(Dinic\) 以及 费用流 中 \(EK\) 不应当被卡，望周知 下面并没有出现 \(HLPP\) 的任何板子 因为这个东西 十分的难调 并 理论时间复杂度很对（ ......
Suricata+Arkime搭建网络流量分析系统
操作系统：openEuler 22.03 (LTS-SP2) Suricata版本：7.0.2 Arkime版本：4.6.0-1.el9 ElasticSearch版本：elasticsearch-oss-7.10.2 服务器配置：8vCPU，16G内存，1T硬盘（ens16镜像口，ens18管理口 ......
网络安全——SpringBoot配置文件明文加密
信铁寒胜：这边文章真的说得挺好的。 XTHS：第一步、XTHS：第二步、XTHS：第三步、XTHS：第四步 ！就可以实现了。（但是前提，你要先对你的文本进行加密，然后按照ENC(加密文本)，放到配置文件中） 一、前言 在日常开发中，项目中会有很多配置文件。比如SpringBoot项目核心的数据库配置 ......
【Python机器学习课程设计】基于卷积神经网络的动物图像分类+数据分析
一、选题背景 在现代社会中，图像分类是计算机视觉领域的一个重要任务。动物图像分类具有广泛的应用，例如生态学研究、动物保护、农业监测等。通过对动物图像进行自动分类，可以帮助人们更好地了解动物种类、数量和分布情况，从而支持相关领域的决策和研究。本研究的目标是使用卷积神经网络（CNN）对动物图像进行分类。 ......
网络摄像头漏洞扫描工具 Ingram
简介 主要针对网络摄像头的漏洞扫描框架，目前已集成海康、大华、宇视、dlink等常见设备 安装 请在 Linux 或 Mac 系统使用，确保安装了3.8及以上版本的Python，尽量不要使用3.11，因为对许多包的兼容不是很好 克隆该仓库: git clone https://github.com/ ......
【Python机器学习课程设计】基于卷积神经网络的动物图像分类
恢复内容开始 一、选题背景 在现代社会中，图像分类是计算机视觉领域的一个重要任务。动物图像分类具有广泛的应用，例如生态学研究、动物保护、农业监测等。通过对动物图像进行自动分类，可以帮助人们更好地了解动物种类、数量和分布情况，从而支持相关领域的决策和研究。本研究的目标是使用卷积神经网络（CNN）对动物 ......
经纬恒润轻量化网络自动化测试系统TestBase_DESKNAT重磅发布！
经纬恒润桌面式网络自动化测试系统TestBase_DESKNAT 2.0产品重磅发布！ ......
《计算机科学导论》课后习题 第6章 计算机网络和因特网
我对这一章节比较陌生，如果回答中有错误，或者您有什么不同观点，请不吝指教。 一、复习题 Q6-1 本章讨论的需要遵循达成双向通信的协议分层的首要原则是什么？ A： 一、保证每一个协议层都可以进行两个对立且方向相反的工作。 二、两个站点中每一层的两个对象必须完全相同。 Q6-2 在TCP/IP协议族中 ......
机器学习（1）概述
机器学习是人工智能的一个实现途径 深度学习是机器学习的一个方法发展而来的 人工智能的起点——达特茅斯会议，用机器来模仿人类学习 机器学习的应用场景非常多，涉及各个领域，如传统预测，图像识别，自然语言处理 机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测 那么用来分析的数据，从历史数据 ......
图像识别的技术前沿：人工智能与机器学习的融合
图像识别的技术前沿在于人工智能（AI）与机器学习（ML）的融合。这种融合使得图像识别系统能够从大量数据中自动学习并识别出各种模式，从而在复杂和动态的环境中实现更高的准确性和鲁棒性。 机器学习在图像识别中发挥着越来越重要的作用。传统的图像识别方法通常依赖于手工制作的特征提取和特征匹配，而机器学习则通过 ......
计算机网络期末复习大纲
《计算机网络》复习大纲 第1章 计算机网络概述 1、网络拓扑的定义。 网络拓扑结构是通过网上的通信线路及网络设备之间的互相连接的几何关系来表示网络结构，反映网络中各实体之间的结构关系。 网络的基本拓扑结构有星型结构、环状结构、总线型结构、树状结构、网状结构等。 2、熟悉计算机网络的定义。P4 计算机 ......
机器学习Machine Learning
附件5：课程教学大纲参考模板 （注：各学院可采用该模板，也可自设模板，但每个学院需使用统一模板） 《机器学习》教学大纲 Teaching（Course）Outline of Machine Learning 第一部分 大纲说明（宋体，四号加粗，居中） 1．课程代码：329021003 2．课程类型： ......
机器人运行学逆解常用三角函数方程求解
\(sin\left(\theta\right)=a\), 求 \(\theta\) \[\Longrightarrow\theta=atan2\left(a,\pm\sqrt{1-{a}^{2}}\right) \] \(cos\left(\theta\right) = a\),求 \(\thet ......
机器学习-无监督机器学习-SVD奇异值分解-24
[POC] 1. 奇异值分解的本质 特征值分解只能够对于方阵提取重要特征， Ax=λx λ为特征值 x为对应的特征向量 奇异值分解可以对于任意矩阵； 注意看中间的矩阵是一个对角矩阵，颜色越深越起作用-值越大 颜色越浅越接近0 U是左奇异矩阵，V是右奇异矩阵，均是正交矩阵， 中间的Σ是对角阵，除对角线 ......
机器学习-无监督机器学习-主成分分析PCA-23
目录1. 降维的方式2. PCA的一般步骤3. 思想2 最小化投影距离4. Kernelized PCA 1. 降维的方式 对于维度灾难、数据冗余，这些在数据处理中常见的场景，我们不得不进一步处理，得到更精简更有价值的特征信息，所用的的各种方法的统称就是降维 特征抽取：叫做特征映射更合适。因为它的思 ......
排球体育规则
print("05")from random import randomdef printInfo(): # 打印程序介绍信息 print('这个程序模拟两个选手A和B的某种竞技比赛') print('程序运行需要A和B的能力值(以0到1之间的小数表示)')def getInputs(): # 获得 ......
羽毛球比赛规则
from random import random print('学号后两位：47') print('22信计1晁丽 ，2022310143047') def first(): print("这个程序模拟两个选手A和B的羽毛球竞技比赛") print("程序运行需要A和B的能力值（以0到1之间的小数 ......
【专题】2023康复机器人行业研究报告PDF合集分享（附原数据表）
原文链接：https://tecdat.cn/?p=34706 原文出处：拓端数据部落公众号 未来，康复趋势将会拓展至院外，特别是社区、居家等场景，数字化也将成为康复机器人发展的重要趋势。政策不断加码，支持康复医疗行业的发展和创新，同时催生了康复机器人市场的迅速增长和投资回暖。阅读原文，获取专题报告 ......
SPSS modeler用关联规则Apriori模型对笔记本电脑购买事务销量数据研究
全文链接：https://tecdat.cn/?p=34709 原文出处：拓端数据部落公众号 自2011年全球PC出货量达到历史最高的3.64亿台后，全球PC市场出货量已经连续四年下滑。市场调研公司Gartner最新数据显示，2015年Q3全球PC销量同比降低7.7%，至7370万台。IDC数据更加 ......
网络层路由技术
网络层路由技术 1、移动承载网络中的网络层协议 2G/3G的业务模式更多的是点到点的模式，直接实现基站和基站控制器之间的数据传递。 在4G LTE业务中， 第一，核心网侧的服务器集中化部署，基站允许在某个业务服务器出现故障之后同另外的服务器进行通信。第二，基站和基站之间的业务转发需求出现，出现一对多 ......
四川大学网络空间安全学院暑期实训总结
实习目的、要求： 本次实训以网络与信息安全实用化人才培养体系为指导，以学生在校实际学习课程为理论基础，主要通过对各个网络安全漏洞原理的实际训练，使学生掌握基于云计算、WEB服务等方面的漏洞原理和利用方法。培养学生实际动手操作能力以及理论转化运用能力，除了基础理论验证外，还加强了学员面对逐级递增防御手 ......
金蝶云星空反写规则表结构同步另一个数据库
一、在BOS找到《反写规则》的表 二、反写规则相关表主表：T_BF_WRITEBACKRULE多语言表：T_BF_WRITEBACKRULE_L 三、创建反写规则，或者已经创建好的反写规则 四、定位反写规则数据 通过反写规则的名字在多语言表找到反写规则的唯一标识，两个表的通过唯一标识关联。 SELE ......
网络攻防技术——子域名收集
作业题目 本次实验主要考察大家的编程能力及子域名的信息收集方法，在文件夹"Lab1_code"提供了使用 Bing 搜索引擎的域名收集功能。请对该代码进行扩展，使其可支持百度搜索引擎的域名收集功能。 需要实现如下功能： a) 支持百度搜索引擎的域名提取，其中从百度搜索引擎提取的域名需为真实域名，而非 ......
网络攻防技术——端口扫描
作业题目 本次实验主要对主机扫描和端口扫描原理的理解。使用python（scapy库）编写端口扫描程序，对目标IP（报含IP地址段）进行扫描，完成以下功能： 1）使用icmp协议探测主机是否开启； 2）对本机（关闭防火墙）的开放端口和非开放端口完成半连接、ACK、FIN、Null、Xmas、wind ......
【python机器学习课程设计】驾驶员睡意检测——机器模型训练
一.选题背景 驾驶员的疲劳和睡意是道路交通安全的重要隐患之一。据统计，疲劳驾驶导致的交通事故占比较高，甚至可能造成生命和财产的巨大损失。因此，开发一种有效的驾驶员睡意检测系统对于提高交通安全具有重要意义。 通过监测驾驶员的眼部数据等，可以建立一个机器学习模型来判断驾驶员是否处于疲劳或睡意状态。这样的 ......
网络攻防技术——SQL注入
实验8：Sql注入实验 实验内容： SQL注入是一种代码注入技术，它利用web应用程序和数据库服务器之间接口中的漏洞。当用户的输入在发送到后端数据库服务器之前未在web应用程序中正确检查时，就会出现此漏洞。许多web应用程序从用户处获取输入，然后使用这些输入构造SQL查询，这样web应用程序就可以从 ......
网络攻防技术——XSS攻击
实验7：XSS攻击实验（Elgg） 实验内容： 跨站点脚本（XSS）是一种常见于web应用程序中的计算机安全漏洞。此漏洞使攻击者有可能将恶意代码（如JavaScripts）注入受害者的web浏览器。 为了演示攻击者可以做什么，我们在预先构建的Ubuntu VM映像中设置了一个名为Elgg的web应用 ......