- 博客(95)
- 收藏
- 关注
RSS订阅原创 yolov5模型结构与构建原理
修改模型结构，全部在models文件夹下面（加入新增网络细节）（设定网络结构传参细节）（修改模型结构配置文件）上一篇博客用的自己标注的火影的数据集，修改的是data然后把数据集datasets放进项目里面没有修改模型本身。
2024-06-04 18:59:18
856
原创 Pycharm的基础设置+Pycharm与AutoDL服务器连接
我们再创建一个测试python文件：terninal_test.py虽然上面安装成功了包，但是运行时仍然会报错：没有这个包所以我们来把终端由powershell改为cmd改完终端后，再次输入：pip install jieba成功安装这个包，不会再报错！
2024-06-02 02:32:37
907
原创 使用autodl服务器进行模型训练
注意：这个yolov5s.pt放的位置肯定是在yolov5-master这个项目里面，而不是在根目录里面！然后把压缩数据集上传到服务器-yolov5-master这个项目里面。终端解压：unzip "streach zhen.zip"可以看到最终保存到了runs/train/exp2里面。本机上只有cpu的痛缓解了！成功配置requirements.txt。(7)运行：python detect.py。右键下载 ，把里面的exp2重命名为exp3。
2024-06-02 00:24:39
233
原创 使用pycharm+opencv进行视频抽帧(可以用来扩充数据集）+ labelimg的使用（数据标准）
注：然后要做一个前期工作 创建opencv环境。
2024-06-01 19:34:35
897
原创 论文阅读-Multiple Targets Directed Greybox Fuzzing (Hongliang Liang,2024)
标题: Multiple Targets Directed Greybox Fuzzing (Hongliang Liang,2024)作者: Hongliang Liang, Xinglin Yu, Xianglin Cheng, Jie Liu, Jin Li期刊: IEEE Transactions on Dependable and Secure Computing。
2024-04-19 21:24:01
912
原创 论文阅读-自动程序修复-Automated Program Repair in the Era of Large Pre-trained Language Models（2023）
1、单向语言模型即Transformer的Decoder模块。就是正向预测，即已知前面的文本信息预测下一个字。更适合生成任务，而现在主流的大模型例如ChatGPT、LLAMa所执行的所有任务均可以被归类为生成任务。这种模型通常用于诸如序列标注、命名实体识别和文本分类等任务。2、双向语言模型就是可以利用上下文信息来预测。最主流的双向语言模型BERT，是最主流的掩码语言模型或自编码语言模型，主要基于Transformer的Encoder模块实现。
2024-04-12 16:01:54
1148
原创 论文阅读-自动程序修复-Keep the Conversation Going:Fixing 162 out of 337 bugs for $0.42 each using ChatGPT-2023
step1:首先告诉ChatGPT，它的定位就是“You are an Automated Program Repair tool”step2:在对ChatGPT进行提问时，必须要告诉ta所遇到的bug导致的报错信息（这种报错信息一般是代码无法通过已有的标准测试用例产生的），这样ChatGPT就会变得更聪明。·用填充的位置指示器替换函数中有错误的代码完全≪INFILL≫·提供原始的bug行·失败的测试1)它的名称，2)触发测试失败的相关代码行，以及3)产生的错误信息。
2024-04-08 17:34:20
299
原创 论文阅读-自动程序修复-DEAR: A Novel Deep Learning-based Approach for Automated Program Repair
在现实情况下存在下面的问题：图1所示代码的缺陷体现在：（1）开发人员没有处理UID为空的情况，（2）没有对UID进行大小写转换，（3）没有对password进行hash运算。：图1中的bug需要在同一个程序中对多条具有依赖关系的语句进行修改，即：（1）对于line 4的if分支，添加else分支，以处理UID为空的情况；（2）在line 6对UID进行大写转换；（3）在line 11添加hash操作。。一般来说，。：对该bug的修复涉及多个AST子树的调整，如对line 4 if语句的修改，就涉及到在i。
2024-03-26 09:35:45
954
原创 论文阅读-自动程序修复-Is Your Code Generated by ChatGPT Really Correct?Rigorous Evaluation of Large Language
本文关注大型语言模型在代码生成中的应用，旨在评估ChatGPT生成的代码的正确性。(评估生成式代码的正确性）
2024-03-20 23:16:00
1091
原创 论文阅读-- UNIFUZZ: A Holistic and Pragmatic Metrics-Driven Platform for Evaluating Fuzzers （2020）
本文介绍了一个名为UNI FUZZ的开源平台，用于全面、定量地评估软件漏洞检测工具（模糊测试）（fuzzer）。该平台整合了35个可用的fuzzer、20个真实世界程序的基准测试和六类性能指标。作者通过对现有fuzzer的系统研究，发现并修复了一些缺陷，并将它们整合到UNI FUZZ中。作者提出了一组实用的性能指标，从六个互补的角度评估fuzzer的性能。作者使用UNI FUZZ对几个著名的fuzzer进行了深入评估，发现没有一个fuzzer在所有目标程序上表现最佳。
2024-02-25 23:04:15
907
2
原创 论文阅读-EMS: History-Driven Mutation for Coverage-based Fuzzing（2022）模糊测试
本文研究了基于覆盖率的模糊测试中的历史驱动变异技术。之前的研究主要采用或来探索触发独特路径和崩溃的测试用例，但它们缺乏对模糊测试历史的细粒度重用，即它们在不同的模糊测试试验之间很大程度上未能正确利用模糊测试历史。本文提出了一种轻量级且高效的 概 率 字 节 定 向 模 型（PBOM），以捕获来自试验历史的字节级变异策略，并因此有效地触发独特路径和崩溃。本文还提出了一种新的历史驱动变异框架EMS，用于加速基于覆盖率的模糊测试中的路径和漏洞发现。它将PBOM作为变异算子之一（包括。
2024-02-18 18:59:35
1193
1
原创 Mopt: Optimized Mutation Scheduling For Fuzzers（2019）
论文阅读：Mopt: Optimized Mutation Scheduling For Fuzzers（2019）
2024-02-14 18:56:28
1056
原创 论文阅读-Large Language Models are Zero-Shot Fuzzers: Fuzzing Deep-Learning Libraries via Large Language
主旨主旨。
2024-02-11 18:39:32
640
原创 论文阅读-自动程序修复-Automated Repair of Programs from Large Language Models
但是生成的代码正确率很低，文章以GPT-3模型的后代-Codex模型，为例，试图利用自动化程序修复（APR）技术来修复Codex产生的代码错误。- 在适当的指令（来自故障定位的信息）下，Codex-e在代码编辑生成方面显示出初步的潜力，通过修复45%更多的错误程序，其表现优于TBar和Recoder。文章主旨：研究了Codex自动生成的程序中的错误，并探讨了现有的程序修复（APR）工具以及新发布的Codex-e是否能够修复自动生成的有缺陷的程序。- 建议APR研究的未来方向（例如，灵活的故障定位形式）。
2024-02-06 22:56:12
1575
原创 论文阅读-Transformer-based language models for software vulnerability detection
例如，将用户自定义的函数名称替换为"FUNC"（或者使用连续的自然数作为后缀，如"FUNC_1"、"FUNC_2"等，以区分多个函数）；Group 1 包含BE及其非易受攻击的代码gadgets，Group 2 包含RME及其非易受攻击的代码gadgets，Group 3 包含BE、RME及其非易受攻击的代码gadgets。通过这个框架，可以利用Transformer-based语言模型来自动检测软件漏洞，并且相比传统的基于RNN的模型，语言模型在漏洞检测方面具有更好的性能表现。
2024-02-06 13:05:52
984
原创 从CNN ,LSTM 到Transformer的综述
我们直接用下面的例子简单最粗暴的理解：从形式上看，每个向量之间的内积为0，也就是每个向量是互相正交的，除了当前单词位置的值为1之外，其余位置的值都为0，。假设⽤ one-hot对句⼦进⾏表示，对句⼦分词之后，我们可以得到['我‘ ， ’爱‘ ， ’北京‘ ， ’天安⻔‘]，可以⽤one hot（独热编码）对单词进⾏编码。具体为：“我”可以表示为[1,0,0,0]"爱"可以表示为[0,1,0,0]'北京'可以表示为[0,0,1,0]'天安⻔'可以表示为[0,0,0,1]缺点。
2024-01-22 23:47:19
2900
原创 挑战杯参赛总结-时间序列预测
因为可以选择性忘记一些特征，过滤掉不需要的参数，这一点优化改进了循环神经网络（RNN）的缺点：因为记录所有时序输入，越近的输入对输出结果影响越大，离得远的被稀释，记得太多了可能反而就不准确了。它包含三个部分：自回归（AR）部分、差分（I）部分和移动平均（MA）部分，用于建模数据的长期依赖、趋势和季节性。LSTM在训练时需要大量的数据，对于ARIMA，相对较少的历史数据样本也能提供可行的建模和预测结果，它不需要大量的样本数据来构建模型。LSTM可用于处理各种类型的数据，包括单变量时间序列和多变量时间序列。
2024-01-19 17:21:52
405
原创 论文阅读- 人工智能安全 TEXTBUGGER: Generating Adversarial Text Against Real-world Applications（2018）
(4) substitution - c (SubC):用视觉上相似的字符替换(例如，用‘0 ‘替换‘o ‘，用‘1‘替换‘l ‘，用‘@ ‘替换‘a ‘)或键盘上相邻的字符(例如，用‘n‘替换‘m ‘)。文本领域的对抗攻击会更加复杂，在文本领域，微小的扰动通常是清晰可见的，替换单个单词可能会彻底改变句子的语义。·下面的白盒和黑盒攻击最大的不同是因为黑盒攻击，我们无法得知分类器的内部结构，在计算单词重要性的时候，在不知道分类模型参数和结构，我们要克服这个困难，所以在白盒的算法上我们的黑盒算法做了变化。
2024-01-18 16:27:54
1166
原创 论文阅读-代码相似度检测 Neural Network-based Graph Embedding for Cross-Platform Binary Code SimilarityD
在了解什么是跨平台二进制代码相似度检测的背景下（定义，应用），本文目标是改进算法（近似图匹配算法），提出一种新的基于神经网络的算法（对⼆进制函数的控制流图(Control-Flow Graph,CFG)提出了⼀种新的基于神经⽹络的图嵌⼊⽅法，通过衡量 embedding 之间的距离来计算两个函数的相似度。相 反， 我们提出了一 种用 于相似性检测的计算图嵌入的新方法，通过将图嵌入网络组合成一个Siamese （暹罗）网络，该网络自然地捕获了两个相似函数的图嵌入应该彼此接近的目标。
2024-01-18 00:53:25
479
原创 JAVA IO流
1、编写一个程序，读入一个文本文件，显示文件中包含的字符数和行数。因为要求求行数，所以用缓冲流2.从标准输入端输入多行文本，并写入文件a.txt中。
2023-11-03 11:40:54
94
原创 神经网络气温预测
#引用所需要的库import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport torchimport torch.optim as optim#优化器#过滤警告import warningswarnings.filterwarnings(“ignore”)%matplotlib inlinefeatures=pd.read_csv(‘temps.csv’)features.head()0 2016
2023-11-01 14:03:32
2487
2
原创 在安装和配置DVWA渗透测试环境遇到的报错问题
我的修改的文件路径是： E:\phpstudy_pro\WWW\DVWA\config，开始我没有设置db_password,里面是空的密码，加上root就好了。注意：这几个参数设置一定要一样。这里提示一下，我使用的是PHPstudy集成环境（mysql,Apache),博主提到的php.in文件。踩了这么多坑，终于成功啦！位置在设置里面，点击php.ini。其他的错误按照博主的改。
2023-10-30 17:00:44
715
原创 pytorch代码复现1（基础知识）
创建矩阵全零矩阵In[4]:import torchtorch.__version__x=torch.empty(5,3)xOut[4]:tensor([[0.0000e+00, 0.0000e+00, 4.6430e-23], [1.4013e-45, 1.2612e-44, 0.0000e+00], [3.5733e-43, 0.0000e+00, 0.0000e+00], [0.0000e+00, 0
2023-10-26 17:36:49
488
原创 中国矿业大学-JAVA期末备考
抽象方法：访问权限修饰符 abstract 返回值类型 方法名(形参列表);1,抽象方法没有方法体2,有抽象方法的类一定是抽象类抽象类：访问权限修饰 abstract class 类名{属性方法构造函数1,子类继承于抽象类,要么重写所有抽象方法,要么自己也是抽象类，抽象方法在子类中必须被实 现，否则子类仍是抽象的2,抽象类无法直接创建对象，抽象类必须产生其子类，由子类创建对象。3,抽象类中不一定有抽象方法4,抽象方法一定在抽象类中[例4-17] 抽象类举例。
2023-10-16 09:40:30
246
1
原创 JAVA- Acwing -求 1+2+...+n
求 1+2+…+n，要求不能使用乘除法、for、while、if、else、switch、case 等关键字及条件判断语句 (A?B:C)。
2023-09-08 11:53:38
122
原创 JAVA-中国矿业大学作业-编写程序，将字符串“你好，欢迎来到JAVA世界”对其中的“java“进行截取，输出截取字母和它在字符串中的位置
【代码】JAVA-中国矿业大学作业-编写程序，将字符串“你好，欢迎来到JAVA世界”对其中的“java“进行截取，输出截取字母和它在字符串中的位置。
2023-09-07 23:17:24
264
原创 JAVA-Rectangle-类例题
是整个类的共享属性，可以将它们声明为静态变量。时都有可能不同，可以将它们作为参数传递给方法。是一个非静态变量，无法从静态方法中直接访问。只能直接访问同样被声明为静态的成员变量。选择哪种方法取决于你的需求。在Java中，使用关键字。将方法或变量声明为静态。和变量属于类本身，而。不是属于类的实例对象。
2023-09-04 21:42:53
155
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人