Публикации по теме 'information-security'
Анализ пакетов в цвете
Представьте себе сетевые пакеты , летающие по воздуху или бегущие по сетевому кабелю вашего компьютера — какого они цвета ?
Чтобы увидеть возможный спектр 256 цветов , доступных нам в наших пакетах, мы могли бы написать крошечный фрагмент кода Crystal , чтобы использовать LibPcap , чтобы захватить их в реальном времени и представить каждый байт (8 бит) в нем как отдельный блок цвета в командной строке .
Вам понадобится Packetz , библиотека захвата сетевых пакетов,..
Паран Чандрасекаран — Три удивительных применения искусственного интеллекта в кибербезопасности
Искусственный интеллект добавил так много удивительных функций практически в каждую отрасль, будь то электронная коммерция, банковское дело, кибербезопасность, здравоохранение и многое другое. Будь то распознавание объектов, помогающее врачам обнаруживать и диагностировать рак с большей точностью.
Нам посчастливилось узнать о различных чрезвычайно полезных для нас приложениях от Mr. Паран Чандрасекаран , который вносит свой вклад в отрасль с 1990-х годов, является основателем и..
Ограничения машинного обучения в кибербезопасности
Как методы машинного обучения (ML) в настоящее время используются в кибербезопасности?
По мере того, как количество данных, создаваемых ежедневно, увеличивается (уже предположительно составляет 2,5 квадриллиона байтов в день [1]), методы машинного обучения позволяют нам группировать, организовывать и превращать эти данные в полезную информацию. Это особенно верно в сфере кибербезопасности.
Не пугайтесь термина Машинное обучение . На самом деле он просто означает компьютер, который..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..