摘要: 1.目标URL: 第一步判断是否存在SQL注入漏洞。 构造 ?id=1 and 1=1 ,回车 这里 %20 代表空格的意思。 页面正常,继续构造 ?id=1 and 1=2 页面不正常,则可以推断该页面存在SQL注入漏洞。 第二步判断字段数 构造?id=1 and 1=1 order by 1 , 阅读全文
posted @ 2020-01-03 14:58 GC_AIDM 阅读(5428) 评论(1) 推荐(0) 编辑
摘要: 1.Hydra 简介 安全性和人们被骇客入侵的首要问题师密码。Hydra是并行的登陆破解程序,他支持多种攻击协议,新模块易于添加,并且他非常的灵活且快速。 There are already several login hacker tools available,however,none does 阅读全文
posted @ 2020-01-03 14:51 GC_AIDM 阅读(4114) 评论(0) 推荐(0) 编辑
摘要: 1、源码下载与依赖安装 (1)安装git,git安装过程可自行百度。 (2)下载一个由tensorflow搭建的训练框架,该框架封装了google inceptionV4算法及其他一些图像分类算法。下载命令如下: git clone 2、安装参数配置、算法安装与demo验证 (1)进入train_a 阅读全文
posted @ 2020-01-03 14:48 GC_AIDM 阅读(1663) 评论(0) 推荐(0) 编辑
摘要: 鱼和熊掌兼得的Mask RCNN 1、MaskRCNN简介 MaskRCNN是何凯明基于以往的FasterRCNN架构提出的新的卷积网络,一举完成了对象实物分割(object instance segmentation),该方法在现有的目标检测的同时完成了高质量的语义分割,可称为鱼和熊掌兼得。其主要 阅读全文
posted @ 2020-01-03 14:45 GC_AIDM 阅读(1300) 评论(0) 推荐(1) 编辑
摘要: MaskRCNN环境部署及训练自己数据 MaskRCNN是属于实物分割算法,进行多任务深度学习的算法,能够完成目标分类、目标检测、实例分割等多种任务,是一石多鸟的多任务网络模型的典型代表。接下来简单描述如何在windows/linux环境中部署和利用MaskRCNN完成自己数据集的训练。 1、环境 阅读全文
posted @ 2020-01-03 14:44 GC_AIDM 阅读(4366) 评论(0) 推荐(1) 编辑
摘要: 一、背景 在日常生产中最常用使用zookeeper作为dubbo注册中心使用,但是经常在使用过程中,由于安全扫描,出现zookeeper未授权访问漏洞,需要对zookeeper节点添加权限,但是dubbo至今没有增加zookeeper权限控制功能,所以需要自己改造源码实现。 二、zookeeper简 阅读全文
posted @ 2020-01-03 14:11 GC_AIDM 阅读(3050) 评论(0) 推荐(0) 编辑
摘要: 做过数据分析的孩子一般都知道:数据预处理很重要,大概会占用整个分析过程50%到80%的时间,良好的数据预处理会让建模结果达到事半功倍的效果。本文简单介绍python中一些常见的数据预处理,包括 数据加载 、 缺失值处理 、 异常值处理 、 描述性变量转换为数值型 、 训练集测试集划分 、 数据规范化 阅读全文
posted @ 2020-01-02 15:37 GC_AIDM 阅读(9141) 评论(0) 推荐(4) 编辑
摘要: 最近接触到为客户的客服排班的需求,之前根据客户的需求,同事已经完成了自动排班系统,需要我继续支撑的是做一些优化即可。当我接触到这个项目之后,我便联想到以前所学的CSP最小冲突法或许可以解决排班问题。在这里,想要介绍一下这种方法。 CSP最小冲突法 CSP最小冲突法的主要思想是,找到满足约束条件的情况 阅读全文
posted @ 2020-01-02 15:36 GC_AIDM 阅读(752) 评论(0) 推荐(0) 编辑
摘要: 我们的目标是书写强化学习 Q learning的代码,然后利用代码解决 "汉诺塔问题" 强化学习简介 基础的详细定义之类的,就不再这里赘述了。下面直接说一些有用的东西。 强化学习的步骤: 对于每个状态,对这个状态下,所有的动作,计算这个状态 动作的潜在奖励。 一般记录在Q表格中,可以表示为 $Q[( 阅读全文
posted @ 2020-01-02 15:35 GC_AIDM 阅读(523) 评论(0) 推荐(1) 编辑
摘要: 一. 模型泛化能力 1. 模型泛化能力 指模型对于未知数据的预测能力, 是模型最重要的性质,泛化误差越小,模型预测效果越好; 2. 利用最小化训练误差来训练模型,但是真正关心的是测试误差。因此通过测试误差来评估模型的泛化能力。 训练误差是模型在训练集的平均损失,其大小虽然有意义,但是本质上不重要。 阅读全文
posted @ 2020-01-02 15:33 GC_AIDM 阅读(1940) 评论(0) 推荐(0) 编辑