也可点击 博客主页上方>>右侧小熊猫海报 进行访问
也可通过顶部 菜单栏->歌单->近日最喜欢 进行访问.gif)
JSReverse-ASy0y0投稿
JSReverse Tool v1.0 是一个用于JS加密参数渗透测试的Python工具，包含JS模板选择、请求体加解密及HTTP请求收发等功能，帮助提升测试效率。项目架构涵盖核心功能模块、JS模板脚本、前端展示界面及网络请求处理模块。
动手学深度学习
本文系统介绍了深度学习的基础理论与核心技术，涵盖了从线性代数、微积分等预备知识到线性神经网络和多层感知机的基本原理。在卷积神经网络（CNN）部分，重点分析了卷积层、池化层及现代网络如AlexNet、VGG和ResNet的架构及其在计算机视觉中的应用。随后，文章讲述了循环神经网络（RNN）的序列模型，探讨了GRU和LSTM在文本处理中的优势。接着，介绍了注意力机制及其在Seq2Seq中的应用，并深入讲解了自注意力和位置编码的原理。最后，文章解析了Transformer架构和BERT模型的预训练方法，展示了它们在自然语言处理中的重要性和卓越表现。
机器学习
未读
《BCOLD（简称）》阅读笔记
《A Parallel Dual-Channel Chinese Offensive Language Detection Method Combining BERT and CTM Topic Information》提出了一种结合BERT和CTM主题信息的双通道并行中文攻击性语言检测模型（BCOLD）。通过融合BERT生成的上下文词向量和CTM生成的主题向量，模型增强了对文本深层语义的理解，并结合DPCNN和TextCNN两种模型捕捉不同特征。多头注意力机制进一步优化了特征表示，实验结果显示，BCOLD在检测中文攻击性语言方面具备高效性和准确性，并展示了在其他领域的广泛应用潜力。
机器学习
未读
《Meta-SNA（简称）》阅读笔记
《Sinkhorn Distance Minimization for Adaptive Semi-Supervised Social Network Alignment》的创新点在于引入Sinkhorn距离来替代Wasserstein距离，提升了计算效率和稳定性。文章还提出了个性化投影函数，结合元投影与个体特征，实现了更精确的社交网络对齐。通过元学习框架和正交投影矩阵，模型在保持全局同构信息的同时，提升了对齐效果，并在理论和实验中证明了其优越性。
机器学习
未读
《DLNA（简称）》论文阅读笔记
这篇笔记主要总结了《Distributional Learning for Network Alignment with Global Constraints》论文的核心内容。笔记内容涵盖了论文中提出的分布式学习方法及其在网络对齐问题中的应用，并重点讨论了全局约束如何提升对齐精度。还涉及了实验设计、结果分析以及与其他方法的对比，突出该方法在处理复杂网络对齐任务时的优势。
《RAPIER（简称）》论文阅读笔记
论文《Low-Quality Training Data Only? A Robust Framework for Detecting Encrypted Malicious Network Traffic》介绍了RAPIER，一个在低质量训练数据环境下检测加密恶意网络流量的框架。它利用深度生成模型进行数据分布估计，纠正错误标签，并通过集成学习提高检测精度。实验结果表明，RAPIER在多个公开数据集上表现出色，具备鲁棒性和高准确性。
《HyperVision（简称）》论文阅读笔记
《Flow Interaction Graph Analysis: Unknown Encrypted Malicious Traffic Detection》提出了HyperVision系统，通过流量交互图分析检测未知的加密恶意流量。该系统采用无监督的图学习方法，识别图中的异常交互模式，有效应对未知攻击。实验结果显示，HyperVision在检测准确性和实时性方面优于现有方法。
Python模块/包调用踩坑总结
在进行Python开发时，随着项目规模的扩大，模块和包的调用问题逐渐显现。Python在导入模块时，会按内置模块、当前目录、PYTHONPATH等路径依次查找，路径信息存储在sys.path中。如果自定义包找不到，可以将包路径手动添加到sys.path。此外，理解包和模块的关系、正确使用相对导入，以及管理好跨级目录的路径问题，能有效避免模块调用时的常见错误。
作品集
未读
基于时间图模型的横向移动攻击检测与预测系统
基于时间图模型的横向移动攻击检测与预测系统通过构建连续时间动态图表示来细粒度地刻画网络行为，并解决传统方法中存在的时间窥探、采样偏差和测试窥探问题。该系统采用网络日志收集模块全面捕获企业网络中的活动日志，通过广度优先搜索算法生成高质量的横向移动攻击路径样本集，丰富威胁行为表征能力。系统引入时间节点记忆和智能推理机制，实现对潜在横向移动攻击的高效检测和预测，具有良好的检测性能和泛化能力，适用于国家重要企业网络环境中APT活动的防护，展现出广阔的应用前景。
机器学习
未读
C与Python混编实战：效率提升20倍的神器
本文通过C与Python混合编程优化了随机游走算法的效率。DeepWalk是一种图嵌入算法，通过随机游走生成节点序列，并进行训练。然而，个性化随机游走计算复杂度较高，Python实现效率不高。本文将核心的随机游走函数用C语言重写，生成动态链接库，并在Python中调用该C库。实验结果显示，混合编程将计算时间从40分钟缩短至2分钟，提升了20倍，验证了C语言在计算效率上的优势。