security-hyacinth

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 受试者工作特征曲线（ROC曲线）和曲线下面积（AUC）是机器学习中常用的评估指标，用于衡量模型的分类能力。然而，在安全攻防场景下，ROC-AUC的有效性却受到了广泛质疑。本文深入分析ROC-AUC的数学原理、适用 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 在安全攻防场景下，精确率（Precision）、召回率（Recall）和F1分数（F1-Score）是最常用的评估指标，它们之间的权衡取舍直接影响模型的实际效果。本文深入分析这三个指标的数学关系、内在联系及其在不 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 准确率（Accuracy）作为机器学习中最常用的评估指标，在安全攻防场景下却隐藏着巨大的风险。本文深入分析准确率的局限性，特别是在处理安全领域常见的不平衡数据、时间依赖数据和对抗环境时的致命缺陷。结合最新的Git 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 半监督学习作为连接监督与无监督的桥梁，在安全领域标签稀缺场景下展现出独特价值。本文深入探讨半监督学习的工程落地方式，包括伪标签生成、协同训练、半监督自编码器等核心技术，并结合最新的GitHub开源项目和安全攻防实 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 本文深入剖析无监督学习结果的评估方法，揭示其在安全攻防场景中的核心挑战和解决方案。通过对比监督学习与无监督学习评估的本质差异，结合安全领域的实际应用案例，展示如何构建有效的无监督模型评价体系。文章包含3个完整代码 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 本文深入剖析表示学习在安全领域的核心价值，揭示其为何比传统分类方法更重要的根本原因。通过对比表示学习与分类模型的本质差异，结合安全攻防场景的实际应用案例，展示表示学习在未知威胁检测、跨任务迁移和自适应安全中的独特 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 本文深入追溯自编码器思想在深度学习时代之前的发展历程，揭示其核心概念并非深度学习的产物，而是源于早期神经网络研究的智慧结晶。通过分析前深度学习时代自编码器的原理、实现方法和安全领域应用，展示其在异常检测、特征提取 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 本文深入剖析特征选择与特征提取的根本差异，揭示它们在安全攻防中的不同应用场景和价值。通过对比两者的核心原理、实现方法和适用范围，结合安全领域的实际应用案例，展示如何根据具体安全任务选择合适的特征工程策略。文章包含 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 本文从信息压缩视角深入剖析PCA（主成分分析）的核心本质，揭示其并非简单的降维工具，而是一种能够从高维数据中提取关键信息、压缩数据规模的强大技术。通过对比传统降维方法与PCA的本质差异，结合安全场景下的实际应用案 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 本文从密度视角深入剖析DBSCAN算法的核心本质，揭示其并非简单的聚类算法，而是一种能够从数据密度分布中发现异常和模式的强大工具。通过对比传统聚类算法与DBSCAN的本质差异，结合安全场景下的实际应用案例，展示D 阅读全文