- 博客(239)
- 收藏
- 关注
RSS订阅原创 ACGAN
既然这两种思路都可以提高生成数据的质量，于是ACGAN综合了以上两种思路，既使用标签信息进行训练，同时也重建标签信息，结合CGAN和SGAN的优点，从而进一步提升生成样本的质量，并且还能根据指定的标签相应的样本。为两部分，一部分是源数据真假的判断，形状为：（batch_size, 1），一部分是输入数据的分类结果，形状为：（batch_size, class_num）。因此判别器的最后一层有两个并列的全连接层，分别得到这两部分的输出结果，即判别器的输出有两个张量（真假判断张量和分类结果张量）。
2023-09-26 13:21:59
619
原创 python+snort 入侵检测
Snort 是一款开源的入侵检测系统（IDS），其主要功能是监控网络流量，通过规则匹配来检测网络中的异常行为和攻击。然后，我们可以使用 Matplotlib 绘制出柱状图，展示不同种类的数据包在流量中的占比。总之，结合 Snort 和 Python，我们可以快速而方便地进行网络流量分析，检测网络中的异常行为和攻击。使用更多的 Python 库，我们还可以进行更多的数据分析和可视化。最后，我们可以使用 Python 的其他库对流量进行分析和可视化，比如使用 Matplotlib 绘制流量流量统计图。
2023-09-26 10:49:48
794
原创 网络安全高级攻击
正如预料的那样，从我们的异常检测系统仪表板上直接获取的上图中可以看出，当实例开始挖掘时，它们的时间行为发生了巨大的变化，因为关联的资源使用与未妥协的云实例所显示的传统资源使用有着根本的不同。在过去的几年里，我们看到地下服务爆炸式增长，这种服务旨在帮助网络犯罪分子制造不可探测的有效载荷，在秘密世界中最有名的是 FUD(完全不可探测的) 有效载荷。这种攻击是一个关键问题，因为模型代表了有价值的知识产权资产，这些资产是根据公司的一些最有价值的数据进行训练的，例如金融交易、医疗信息或用户交易。
2023-02-20 21:00:52
10412
8
原创 linux下故障硬盘点灯操作
硬盘点灯这个操作其实不难，稍微学习一下就能掌握。关键是如果把这个功能做成自动化的，减少人为干预，减少劳动力，这就需要动动脑子了。例如可以写成一个脚本，做成定时任务，有故障后自动点灯，故障消除后自动关灯。再关联一下监控报警，再关联一下流程，做到自动报修等等。
2022-12-12 12:17:09
6001
原创 dell 720 安装系统
Dell r720远程控制设置与系统安装首先开机，出现可以选择F2 Bios的画面，按下F2，等待进入Bios设置界面进入Bios后选择iDRAC Setting打开Network选项往下拉，打开IPv4功能，关闭DHCP功能，并且设置静态IP。（可以根据同网段下的笔记本获取的信息进行分配，如果不会可以看附录）接着上一步的操作，往下拉，打开开启IPMI Over Lan功能。设置为enable。修改远程控制端口的登录密码，进入user configuration....
2022-11-16 10:31:17
2816
原创 cicids2017数据集训练
这是因为数据不平衡，total.csv 数据集中，正常数据（也就是标签为 begin）的数据太多了，占据了几乎 99%的比例，只要它预测正确，那么整个数据集的准确率就会很高，至于其他标签的准确率哪怕再低，也不会有多大影响。由上图可以看到，整个数据集相当不平衡，正常数据非常大，而攻击流量却相当少，可以说整个数据集是相当不平衡的，怎么解决这个问题，下一节来说一说。根据分布产生更多数据，因为数据太少了（只有几十个），而且特征太多，估计出来的分布会十分不准确，而由此分布产生的数据则更加不准确了。
2022-11-15 13:53:15
4905
4
原创 医学分割-分类指标
又称预测阳性结果的正确率，是指待评价的诊断试验结果判为阳性例数中，真正患某病的例数所占的比例，即从阳性结果中能预测真正患病的百分数，这也是临床医生最关心的诊断指标。一般情况下（患病率）敏感性越高的实验诊断项目，其阴性预测值越高，相反，特异性越高的临床实验诊断阳性预测值越好。受试者工作特征曲线就是以假阳性概率（False positive rate）为横轴，真阳性（True positive rate）为纵轴所组成的坐标图，和受试者在特定刺激条件下由于采用不同的判断标准得出的不同结果画出的曲线。
2022-11-08 20:34:15
1327
原创 【无标题】
背景介绍：自2015年以来，在生物医学图像分割领域，U-Net得到了广泛的应用，目前已达到四千多次引用。至今，U-Net已经有了很多变体。目前已有许多新的卷积神经网络设计方式，但很多仍延续了U-Net的核心思想，加入了新的模块或者融入其他设计理念。
2022-11-07 11:21:52
375
原创 dell 720 服务器错误代码提示
PCI parity error on bus device function . Power cycle system.（总线 设备 功能 上的 PCI 奇偶校验错误。Bus fatal error on bus device function . Power cycle system.（总线 设备 功能 上的总线严重错误。
2022-11-05 14:12:02
4204
原创 华为imana命令行
91）通过管理网口登陆SSh，设置BMC的IP为DHCP模式。96）通过管理网口登陆SSH，打开或者关闭SSH端口。100）通过管理网口登陆SSH，查询BMC版本信息。89）通过管理网口登陆SSh，设置Vlan端口。90）通过管理网口登陆SSh，设置BMC的IP。92）通过管理网口登陆SSH，查询管理IP信息。93）通过管理网口登陆SSH，擦写升级BMC。98）通过管理网口登陆SSH，强制重启服务器。93）通过管理网口登陆SSH，重启BMC。95）通过管理网口登陆SSH，给单板下电。
2022-09-27 09:40:39
878
原创 dell 720 开启来电自启
下图的AC Power recovery 设置为on 然后点击右下角的back。下图选system security。下图点击yes（照的不清楚，抱歉）出现下图 选system BIOS。下图点击右下角的finish。下图点击右下角的finish。
2022-09-16 11:24:17
1984
原创 Dell H310配置no-raid直通模式
正常情况下dell服务器有PERC H310 RAID卡的服务器是需要创建RAID才能识别到硬盘正常使用的，但是有时客户需要不创建RAID，下面就是怎么设置RAID才能不创建RAID识别到硬盘。2、ctrl+N，切换到PD Ｍｇｍｔ页面，选中你想操作得盘，F2.，执行convert to no-raid。按Ctrl+N选择到第二项，就可以看到硬盘处于Non-RAID状态，然后这是安装系统就可以识别到硬盘了。根据提示按ctrl+R 进入RAID配置界面。方法二：1、把已经创建得raid都删除掉。
2022-09-10 21:30:21
9237
原创 dell 720 服务器错误代码提示
一、开启IPMI控制iDRAC 71.进入System Setup界面开机的时候猛戳 F2 ,进入System Setup界面2.进入iDRAC Settings3.设置 IPMI 为 enabled选择Network后往下拉，设置 IPMI 为 enablediDRAC 6可以参考这篇文章的 3.2步Dell服务器 iDRAC(IPMI) 如何连接管理服务器二、风扇调速CentOS 8 用户1.安装IPMI安装IPMI工具：yum install epel-re
2022-08-28 09:52:17
523
原创 NC检测udp
使用NC命令检测TCP/UDP端口是否可通Linux下 Netstat工具 简称NC，号称是网络工具中的“瑞士军刀”。我们都知道检测TCP端口是否可通的命令是telnet，在Windows和Linux都可以用，但telnet不能检测udp端口，今天给大家介绍的是Linux下 NC命令用于检测UDP端口是否可通。Telnet 检测TCP端口[root@free ~]# telnet 127.0.0.1 8080Trying 127.0.0.1...Connected to 127.0.0.1.
2022-05-23 21:26:58
2883
原创 网卡限速tc命令
Linux下限制网卡的带宽，可用来模拟服务器带宽耗尽，从而测试服务器在此时的访问效果。 1、安装iprouteyum -y install iproute 2、限制eth0网卡的带宽为50kbit：/sbin/tc qdisc add dev eth0 root tbf rate 50kbit latency 50ms burst 1000 3、限制带宽为50kbit后，在百兆局域网中wget下载一个大文件：[root@localhost ~]# wget http://192.168.1
2022-01-22 09:58:48
2775
原创 dell 设置更改bios启动为legcy
开机按F2进入系统启动设置，也可以按F11进入快速启动配置这里选择BIOS，不要选择uefi这里可以只保留C盘启动项，红框下面两个可以都取消掉。
2021-12-18 14:24:22
4002
原创 入侵检测1
概念：入侵检测 入侵检测通用框架（IDWG CIDF CVE）理解：入侵检测原理、入侵检测系统分类、误用检测和异常检测的区别及特点运用举例：能够依据具体的应用场景，选择恰当的入侵检测系统部署方法，满足应用需求。一、概述1.概念入侵：绕过系统安全机制的非授权行为。入侵检测：是一种对计算机系统或者网络事件进行监测并分析这些入侵事件特征的过程。入侵检测系统：自动进行这种监测和分析过程的软件或硬件产品。误报：检测系统在系统在检测时把系统的正常行为判为入侵行为的错误被称为误报。
2021-12-03 22:08:21
617
转载 时间序列异常检测- 基于KDD99数据集的实战
一. 介绍异常检测（Anomaly detection）是目前时序数据分析最成熟的应用之一，定义是从正常的时间序列中识别不正常的事件或行为的过程。有效的异常检测被广泛用于现实世界的很多领域，例如量化交易，网络安全检测、自动驾驶汽车和大型工业设备的日常维护。基础上，将会呈现之前提及的一些深度/传统机器学习算法模型基于KDD99以及NSL_KDD数据集的性能表现，并结合具体数据情况给出各个模型的评估结果，并做一个总结。二. KDD数据集KDDCup99介绍：https://blog.c
2021-08-28 09:20:21
4648
1
原创 dell R720 单盘raid0配置
RAID各个级别最少需要的硬盘数量为：RAID0=1, RAID1=2, RAID5=3, RAID10=4, RAID50=6。1、重启机器依据提示：键入Ctrl + R 进入raid界面。2、raid界面详情由上图可知一块盘都未配置，需进行配置。Ctrl + N 或Ctrl + P进行菜单栏切换。3、移到第一个菜单的第一行，键入：F2，新建raid。键入F2选择第一项，创建新的虚拟磁盘。做raid时各注意选项。每次选中一块盘，即单盘raid04、Tab键切
2021-08-19 12:00:17
4215
原创 华为交换机忘记密码怎么办
1.华为交换机Console密码重置1、通过Console口连接交换机，并重启交换机。2、当界面出现以下打印信息时，及时按下快捷键“Ctrl+B”并输入BootROM/BootLoad密码，进入BootROM/BootLoad主菜单3、密码：[email protected] A必须大写。（这个不一定对）4、选着7 Clear password for console user（选择清除console用户密码模式）。5、选择1 Boot with default mode（键入1启动默认模式...
2021-08-06 10:44:28
26088
1
原创 敏捷开发-预见-团队设计
一.团队设计创新成功的新产品是从零到一的过程，是人生的巨大成就之一，也是风险最大的挑战之一。把创意转化成有形产品的过程就是创新。创新绝对不是碰运气，二十一种经过深思熟虑的、结构化的开发活动。它更多的依赖于战略与执行，而不是最初的创意。产品开发的关键不是创意，而是创新。在企业中，执行不力的最大原因是缺乏知识和相关专业技能。所以以下三点是新产品开发的基础：1、创新是新产品能否在市场上获得成功的主要决定因素。（营销和创新）2、为了有效的推进创新，开发策略必须以小...
2021-07-13 17:39:49
139
原创 bond4配置
网卡数据链路层负载均衡是使用mode4，且可以实现物理链路间互备，提供给用户的是一个逻辑上的链路，该逻辑链路的有效网络带宽为全部物理链路带宽之和。Bonding mode4的一些特性：最多支持绑定8个主机的网卡端口；LACP控制协议数据包每秒发送一次，检测主机网卡是否存活的检测包每30秒（fast）或每秒（slow）发送一次；LACP mode：active或passive，默认为passive模式，即只有当探测到有支持LACP功能的设备时自己才启用LACP功能；对Bonding mode4的理解
2021-07-01 16:36:25
11071
原创 时间序列基本方法
时间序列基本规则法-周期因子法提取时间序列的周期性特征进行预测，参考：时间序列规则法快速入门 计算周期因子factors 计算base 预测=base*factors 观察序列，当序列存在周期性时，可以用周期因子法做为baseline 在天池竞赛-资金流入流出预测-挑战Baseline-天池大赛-阿里云天池，周期因子可以取得110分+的成绩，排名进500妥妥的。(后面有机会再贴代码) 2. 线性回归-利用时间特征做线性回归提取时间的周期性特点做为特征，此时训练集每条样本为"时间
2021-06-30 14:16:55
2259
原创 LSTM+attention
数据集纳斯达克100模型原理模型代码class Attention(Layer): def __init__(self, step_dim, W_regularizer=None, b_regularizer=None, W_constraint=None, b_constraint=None, bias=True, **kwargs): self.suppor...
2021-06-25 14:25:05
8571
18
原创 Attention+GRU
数据集纳斯达克100模型原理模型代码class Attention(Layer): def __init__(self, step_dim, W_regularizer=None, b_regularizer=None, W_constraint=None, b_constraint=None, bias=True, **kwargs): self.suppor...
2021-06-25 14:24:02
6868
3
原创 RNN-LSTM-GRU对比简析
♣RNNRecurrentNeuralNetwork：循环神经网络，每一时间步的网络结构一致，且当前的输出是下一时间的输入。Ian Googfellow Deep Learning最经典的多对多结构：1. 每一时间步，U、V、W参数共享2. 当前输入包括上一步的隐藏层输出，隐藏层包含了历史丰富的特征3. 输入x与label y 维度一致前向更新方程如下：可见，只有前面序列更新完成，才能更新之后的序列，也就是说，RNN在更新时，是串行的。梯度反向传播BPTT过程：U、V、W、b参数的...
2021-06-20 08:31:03
1325
原创 windows通过vnc远程桌面
有时需要在实际的电脑上安装Ubuntu的操作系统来搭建免费的网站平台。这就需要使用远程的客户端Windows系统来控制Ubuntu的电脑。除了使用webmin，VNC等方式来管理Ubuntu系统外，还可以使用Windows的远程桌面工具来控制管理Ubuntu系统。Windows的远程桌面使用的协议为RDP，接下来需要在Ubuntu的操作系统中安装xrdp。安装可以使用下面的命令来进行安装。打开Ubuntu的终端命令窗口。输入下面的指令进行安装。#sudo apt-get install tig
2021-06-02 12:10:23
2491
原创 ForecastNet: A Time-Variant Deep Feed-Forward Neural Network Architecture for Multi-Step-Ahead Time-
ForecastNet: A Time-Variant Deep Feed-Forward Neural Network Architecture for Multi-Step-Ahead Time-Series Forecasting一种用于多步超前时间序列预测的时变深度前馈神经网络结构International Conference on Machine Learning (ICML) 2020摘要递归和卷积神经网络是深度学习文献中最常用的时间序列预测结构。这些网络通过在时间或空间上使用固定
2021-05-26 20:59:21
301
原创 使用LSTM深度学习模型进行温度的时间序列单步和多步预测
本文的目的是提供代码示例，并解释使用python和TensorFlow建模时间序列数据的思路。本文展示了如何进行多步预测并在模型中使用多个特征。本文的简单版本是，使用过去48小时的数据和对未来1小时的预测(一步)，我获得了温度误差的平均绝对误差0.48(中值0.34)度。利用过去168小时的数据并提前24小时进行预测，平均绝对误差为摄氏温度1.69度(中值1.27)。所使用的特征是过去每小时的温度数据、每日及每年的循环信号、气压及风速。使用来自https://openweathermap
2021-05-25 16:51:33
1342
原创 时间序列中的异常检测&孤立森林&异常可视化-lstm-arivm
指标值的突然上升或下降是一种异常行为，这两种情况都需要注意。如果我们在建模之前就有异常行为的信息，那么异常检测可以通过监督学习算法来解决，但在没有反馈的情况下，最初很难识别这些点。因此，我们可以使用孤立森林（Isolation Forest）、支持向量机和LSTM等算法将其建模为一个无监督问题。下面使用孤立森林识别异常点。这里的数据是一个用例(如收益、流量等)，每天有12个指标。我们必须首先确定在用例级别上是否存在异常。然后，为了获得更好的可操作性，我们深入到单个指标，并识别其中的异常情况。现在
2021-05-24 22:40:11
4885
12
原创 边缘计算论文
调度：Data-intensive application scheduling on Mobile Edge Cloud Computing---2020提出了一种移动应用卸载算法来调度MECC环境中的数据密集型移动应用。该算法生成应用执行计划，该计划考虑应用大小、输入数据大小、可用网络带宽和移动设备能量。 Makespan-Minimization Workflow Scheduling fo...
2021-05-24 21:30:08
4042
原创 模型CNN-RNN-LSTM和GRU简介
深度学习自从2006年以后已经“火”了十多年了，目前大家看到的，最普遍的应用成果是在计算机视觉、语音识别和自然语言处理（NLP）。最近工业界也在努力地扩展它的应用场景，比如游戏、内容推荐和广告匹配等等。深度模型架构分三种：前向反馈网络：MLP，CNN； 后向反馈网络：stacked sparse coding, deconvolutional nets； 双向反馈网络：deep Boltzmann machines, stacked auto-encoders。卷积神经网络(Convoluti
2021-05-23 17:52:30
3755
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人