- 博客(141)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 移动手机安全研究
Mobile phone securityContentsExecutive Summary. 2Introduction. 3Context Establishment. 5Risk Assessment. 8Privacy Analysis. 11References. 13Executive SummaryMobile phone security entails having a safety plan on a device that locks a..
2020-11-19 15:21:35
1250
原创 使用过的区块链资料汇总
1. 白皮书（1）比特币白皮书（2）以太坊白皮书（3）hyperledger fabric介绍（4）Fisco bcos（5）R3 Corda项目非技术白皮书2 共识算法（1）POS（2）BFT，PBFT（3）哈希图（4）DAG3加密算法代理重加密、谓词加密、同态加密4智能合约智能合约介绍5 实战课程Hyperledger FabricSolidity公众号：xylab欢迎关注...
2020-08-07 17:15:34
286
原创 Proximity Based IoT Device Authentication翻译与理解
文章来源： J. Zhang, Z. Wang, Z. Yang, and Q. Zhang, ‘‘Proximity based IoT device authentication,’’ in Proc. IEEE Conf. Comput. Commun. (INFOCOM), May 2017, pp. 1–9.摘要—物联网（IoT）设备在很大程度上是嵌入式设备，缺少复杂的用户界面，例如触摸屏，键盘等。因此，针对移动设备的基于传统预共享密钥（PSK）的身份验证变得难以应用。例如，根据我们对利用智能手
2020-08-02 22:45:14
320
原创 UMBRAL：阈值代理重加密方案
UMBRAL github linkOverviewUmbral是遵循密钥封装机制（KEM）方法的阈值代理重新加密方案。 它受到ECIES-KEM 和BBS98代理重新加密方案的启发。 使用Umbral，Alice（在NuCypher KMS中为数据所有者的通用名称）可以通过一组N个半受信任的代理执行的重新加密过程，将针对任何给她的密文的解密权委派给Bob。 当这些代理中的至少t个（共N个）通过执行重新加密参与时，Bob能够组合这些独立的重新加密并使用其私钥解密原始消息。 “ Umbral”这个名称源于
2020-06-03 17:19:15
914
原创 基于实数的椭圆曲线群介绍
群的定义基于实数的椭圆曲线的群定义在椭圆曲线的基础上，可以定义一个加法群：*所有椭圆曲线上的点，就是这个群里的元素*单位元就是 0*点 P 的逆元是点 P 相对 x 坐标的对称点*加法定义如下：在椭圆曲线上，和一条直线相交的 3 个点 P,Q 以及 R，三点相加满足零知识证明 - 椭圆曲线基础。也就说，椭圆曲线上的两点相加的结果，还在椭圆曲线上。结合群的定义，可以证明定义的这个加法群，就是阿贝尔群。具体来看就是：a.封闭性：因为椭圆曲线上的点相加，还是椭圆曲线上的点。b.结合律：
2020-05-18 13:48:25
1678
原创 ensemble learning 2—— booasting and stacking
1 BoostingAdaBoost是英文“Adaptive Boosting”（自适应增强）的缩写，它的自适应在于：前一个基本分类器被错误分类的样本的权值会增大，而正确分类的样本的权值会减小，并再次用来训练下一个基本分类器。同时，在每一轮迭代中，加入一个新的弱分类器，直到达到某个预定的足够小的错误率或达到预先指定的最大迭代次数才确定最终的强分类器。Adaboost算法可以简述为三个步骤：...
2020-04-13 10:50:19
214
原创 ensemble learning 1—— bagging and Random Forset
当做重要决定时，大家可能都会考虑吸取多个专家而不只是一个人的意见。集成学习也是如此。集成学习就是组合多个学习器，最后可以得到一个更好的学习器。When making important decisions, everyone may consider drawing from multiple experts rather than just one person. The same is tr...
2020-04-09 13:02:14
231
原创 CART decision tree &Code
~~*Definition:* The generation of CART decision tree is the process of constructing binary decision tree recursively. CART uses Gini coefficient minimization criteria for feature selection and generat...
2020-04-09 12:42:22
192
原创 基于区块链的医疗数据共享系统
#个人的想法形成文章，借鉴或参考请注明出处，谢谢合作基于区块链的医疗数据共享系统I. Abstract随着大数据时代的到来，数据已经成为重要的资源，发挥数据价值的关键在于数据流通。但是，由于隐私泄漏等问题，各行业的数据共享发展缓慢，可以说，解决数据流通面临的问题迫在眉睫。本文提出了一种基于联盟区块链的以用户为中心的数据共享方案，以解决当前各参与方之间的数据孤岛问题，同时我们考虑了GDPR合规...
2020-04-06 22:52:07
5741
原创 knn代码实现
原理iris数据集# 导入算法包以及数据集import numpy as npfrom sklearn import datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import classification_report,confusion_matriximport o...
2020-04-05 14:40:51
216
原创 Windows 安装Hadoop和spark
1 安装hadoop下载hadoop下载地址下载之后解压，然后下载winutils对应hadoop版本替代hadoop/bin目录配置环境：在路径…\hadoop-2.8.3\etc\hadoop下修改文件(1) core-site.xml（配置默认hdfs的访问端口）<configuration> <property> <na...
2020-04-02 11:42:42
344
原创 逻辑回归代码实现
逻辑回归应用代价函数：核心代码实现：#sigmnd函数def sigmoid(x): return 1.0/(1+np.exp(-x))#代价函数def cost(xMat, yMat, ws): left = np.multiply(yMat, np.log(sigmoid(xMat*ws))) right = np.multiply(1 - yMa...
2020-03-31 10:59:07
177
原创 LASSO原理及代码实现
LASSO从这个对比图可以看出，LASSO算法使得某个点的特征参数为0，例如横坐标原点对应的的值，而岭回归很难实现。sklearn实现：# 创建模型model = linear_model.LassoCV()model.fit(x_data, y_data)# lasso系数print(model.alpha_)# 相关系数print(model.coef_)model...
2020-03-26 14:25:36
5949
1
原创 岭回归原理及代码实现
岭回归特征数量比样本数量多的情况???????????? + ???????? 主要做了这部分修改，加上了特征值乘以单位矩阵，使得原始矩阵变成可逆矩阵。求导过程：使用Longley数据集实现岭回归import numpy as npfrom numpy import genfromtxtfrom sklearn import linear_modelimport matplotlib.pyplot as p...
2020-03-26 14:08:19
3332
原创 多项式回归及标准方程法python实现
多项式回归线性回归模型尽管是最简单的模型，但它却有不少假设前提，其中最重要的一条就是响应变量和解释变量之间的确存在着线性关系，否则建立线性模型就是白搭。然而现实中的数据往往线性关系比较弱，甚至本来就不存在着线性关系，机器学习中有不少非线性模型，这里主要讲由线性模型扩展至非线性模型的多项式回归。多项式回归就是把一次特征转换成高次特征的线性组合多项式。import numpy as npimp...
2020-03-25 14:18:05
1145
原创 线性回归代码实现
最小二乘法的理解线性回归的原理import numpy as npimport matplotlib.pyplot as pltdata = np.genfromtxt("data.csv",delimiter=",")x_data = data[:,0]y_data = data[:,1]print(x_data.shape)print(y_data.shape)plt.s...
2020-03-22 17:50:17
218
原创 GraphSense介绍
GraphSense是一个跨账本加密货币分析平台它的介绍在这里代码也是开源的graphsense-dashboard用于交互式加密货币分析的Web仪表板。可以看导进数据的情况graphsense-transformation基于spark/cassandra/java服务运行GraphSense转换管道,用于将加密货币的区块/交易/标签等数据导入，可以看它指定的json格式：t...
2020-03-18 17:49:11
793
原创 Pandas基本教程
Pandas 是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。Pandas 的目标是成为 Python 数据分析实践与实战的必备高级工具，其长远目标是成为最强大、最灵活、可以支持任何语言的开源数据分析工具。经过多年不懈的努力，Pandas 离这个目标已经越来越近了。Pandas 适用于处理以下类型的数据：与 SQL 或 ...
2020-02-28 23:03:29
354
原创 Numpy基本教程
Numpy基本知识NumPy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。NumPy包的核心是 ndarray 对象。它封装了python原生的同数据类型的 n 维数组，为了保证其性能优良，其...
2020-02-27 17:05:05
299
原创 CNN及LeNet介绍
从神经网络到卷积神经网络（CNN）我们知道神经网络的结构是这样的：那卷积神经网络跟它是什么关系呢？其实卷积神经网络依旧是层级网络，只是层的功能和形式做了变化，可以说是传统神经网络的一个改进。比如下图中就多了许多传统神经网络没有的层次。定义简而言之，卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层...
2020-02-18 22:37:44
1322
原创 bitcoin-to-beo4j的介绍和安装
来源于项目https://learnmeabitcoin.com/中的https://github.com/in3rsha/bitcoin-to-neo4jbitcoin-to-beo4j思路：整个过程就是从一种格式（区块链数据）中获取数据，然后将其转换为另一种格式（图形数据库）。使得此转换比典型的数据转换稍微棘手的唯一事情是，在开始之前了解比特币数据的结构将很有帮助。一旦将区块链导...
2020-02-16 22:45:58
636
1
原创 Transformer介绍
Transformer在之前的章节中，我们已经介绍了主流的神经网络架构如卷积神经网络（CNNs）和循环神经网络（RNNs）。让我们进行一些回顾：CNNs 易于并行化，却不适合捕捉变长序列内的依赖关系。RNNs 适合捕捉长距离变长序列的依赖，但是却难以实现并行化处理序列。为了整合CNN和RNN的优势，[Vaswani et al., 2017] 创新性地使用注意力机制设计了Transfo...
2020-02-16 15:22:43
1039
原创 机器翻译/注意力机制
机器翻译（machine translation, MT）是用计算机来实现不同语言之间翻译的技术。被翻译的语言通常称为源语言（source language），翻译成的结果语言称为目标语言（target language）。机器翻译即实现从源语言到目标语言转换的过程，是自然语言处理的重要研究领域之一。早期机器翻译系统多为基于规则的翻译系统，需要由语言学家编写两种语言之间的转换规则，再将这些规则录...
2020-02-16 15:08:55
2107
原创 GRU及双向RNN介绍
GRU假设我们已经熟知循环神经网络（RNN）及长短时间记忆网络（LSTM）。相比于简单的RNN，LSTM增加了记忆单元（memory cell）、输入门（input gate）、遗忘门（forget gate）及输出门（output gate），这些门及记忆单元组合起来大大提升了RNN处理远距离依赖问题的能力。RNN:Ht=ϕ(XtWxh+Ht−1Whh+bh)H_{t} = ϕ(X_{...
2020-02-15 17:49:26
14687
1
原创 协变量偏移/标签偏移/概念偏移
协变量偏移这里我们假设，虽然输入的分布可能随时间而改变，但是标记函数，即条件分布P（y∣x）不会改变。虽然这个问题容易理解，但在实践中也容易忽视。想想区分猫和狗的一个例子。我们的训练数据使用的是猫和狗的真实的照片，但是在测试时，我们被要求对猫和狗的卡通图片进行分类。catcatdogdog测试数据：catcatdogdog...
2020-02-15 17:34:58
6998
1
原创 梯度消失、梯度爆炸
梯度消失、梯度爆炸深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。当神经网络的层数较多时，模型的数值稳定性容易变差。假设一个层数为LLL的多层感知机的第lll层H(l)\boldsymbol{H}^{(l)}H(l)的权重参数为W(l)\boldsymbol{W}^{(l)}W(l)，输出层H(L)\boldsymbol{H}^{(L)}H(L)的权...
2020-02-15 17:24:19
141
原创 模型选择、过拟合和欠拟合
模型选择、过拟合和欠拟合训练误差和泛化误差在解释上述现象之前，我们需要区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，例如线性回归用到的平方损失函数和so...
2020-02-15 16:55:25
372
原创 语言模型及RNN模型
语言模型一段自然语言文本可以看作是一个离散时间序列，给定一个长度为TTT的词的序列w1,w2,…,wTw_1, w_2, \ldots, w_Tw1,w2,…,wT，语言模型的目标就是评估该序列是否合理，即计算该序列的概率：P(w1,w2,…,wT).P(w_1, w_2, \ldots, w_T).P(w1,w2,…,wT).语言模型假设序列w1,w2,…,wTw_1, ...
2020-02-14 22:36:43
354
原创 理解多层感知机
多层感知机的基本知识深度学习主要关注多层模型。在这里，我们将以多层感知机（multilayer perceptron，MLP）为例，介绍多层神经网络的概念。隐藏层下图展示了一个多层感知机的神经网络图，它含有一个隐藏层，该层中有5个隐藏单元。表达公式具体来说，给定一个小批量样本X∈Rn×d\boldsymbol{X} \in \mathbb{R}^{n \times d}X∈Rn×d，其...
2020-02-14 22:17:09
791
原创 深入学习深度学习——softmax概念
softmax的基本概念分类问题一个简单的图像分类问题，输入图像的高和宽均为2像素，色彩为灰度。图像中的4像素分别记为x1,x2,x3,x4x_1, x_2, x_3, x_4x1,x2,x3,x4。假设真实标签为狗、猫或者鸡，这些标签对应的离散值为y1,y2,y3y_1, y_2, y_3y1,y2,y3。我们通常使用离散的数值来表示类别，例如y1=1,y2=2,y3...
2020-02-14 21:46:17
185
原创 深入学习深度学习——线性回归
线性回归主要内容包括：线性回归的基本要素线性回归模型从零开始的实现线性回归模型使用pytorch的简洁实现1 线性回归的基本要素模型为了简单起见，这里我们假设价格只取决于房屋状况的两个因素，即面积（平方米）和房龄（年）。接下来我们希望探索价格与这两个因素的具体关系。线性回归假设输出与各个输入之间是线性关系:price=warea⋅area+wage⋅age+b\mathrm{...
2020-02-14 17:28:14
268
1
原创 区块链性能评价工具Hyperledger Caliper
Hyperledger Caliperhttps://github.com/hyperledger/caliperhttps://github.com/cao0507/Hyperledger-caliperCaliper 是一个区块链性能基准测试框架，它允许用户使用预定义的用例测试不同的区块链解决方案，并获得一组性能测试结果。目前支持的性能指标：成功率 事务吞吐量 事务延迟...
2020-02-06 11:15:28
1203
原创 布隆过滤器原理及python实现
1 原理布隆过滤器的原理及数学推导可以参考：https://www.cnblogs.com/xiaohuiduan/p/11488020.html2 python demo实现from bitarray import bitarray# 3rd partyimport mmh3class BloomFilter(set): def __init__(self,...
2019-12-19 16:11:44
929
原创 python定时任务
1.定时任务代码#!/user/bin/env python#定时执行任务命令import time,os,schedschedule = sched.scheduler(time.time,time.sleep)def perform_command(cmd,inc):os.system(cmd)print('task')def timming_exe(...
2019-11-28 21:30:09
390
原创 ubuntu 安装GraphLab
GraphLab Create 支持 Anaconda2 v4.0.0.你可以通过 Anaconda环境去安装：Step 1:Download Anaconda2 v4.0.0Step 2: Install Anaconda# Run Anaconda2 v4.0.0 installer.bash /path to download file/Anaconda2-4.0.0...
2019-11-23 21:36:28
299
原创 启动jupyter notebook错误
1 . 当创建新的notebook的时候出现一个错误. Permission denied: Untitled.ipynb问题分析：应该是设置的工作目录权限不够所致解决办法：chmod 777 ./或者更改目录 ２ UnicodeDecodeError: 'ascii' codec can't decode byte 0xe5 in position 4: ordina...
2019-11-23 16:09:34
2111
原创 python 操作kafka
首先需要安装 PyKafka：$ pip install pykafka连接kafka,默认端口9092>>> from pykafka import KafkaClient>>> client = KafkaClient(hosts="127.0.0.1:9092")查看主题：client.topics选择一个自定义top...
2019-11-16 20:56:51
226
原创 bash Shell 简单介绍
Shell 简单介绍Shell 是一个用 C 语言编写的程序，它是用户使用 Linux 的桥梁。Shell 既是一种命令语言，又是一种程序设计语言。Shell 是指一种应用程序，这个应用程序提供了一个界面，用户通过这个界面访问操作系统内核的服务。Ken Thompson 的 sh 是第一种 Unix Shell，Windows Explorer 是一个典型的图形界面 Shell。S...
2019-09-25 12:18:15
195
原创 solidity简单众筹合约
pragma solidity ^0.4.19;contract Fund{ //定义出资人 struct Funder{ address addr; //出资人地址 uint amout; //出资人金额 } //定义受益人 struct Gainer{ address gai...
2019-09-09 20:47:03
746
FloodDefender系统在针对SDN的DoS攻击下保护数据和控制平面资源
2019-10-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人