- 博客(25)
- 收藏
- 关注
RSS订阅原创 风控要略-互联网业务反欺诈之路（一）
当前中国互联网安全产业答题可以分为基础安全和业务安全两个领域。从互联网诞生至2014年，互联网安全行业关注的热点基本都聚焦在网络安全、系统安全和应用安全这个三大基础安全领域上，“DDOS“（分布式拒绝服务攻击）1、“漏洞“、“拖库“2和“挂马“3等大家耳熟能详的术语也是从这些领域中衍生出来的。2014年前后，随着互联网业务的爆炸式发展，黑产团伙开始从“攻击渗透系统“的传统套路进化到“利用业务风控确实进行大规模牟利“的模式，并且逐渐形成规模庞大、分工明确的黑色产业链。
2023-09-19 23:56:28
361
转载 Netty源码之Reactor
本文目录为什么是Reactor模式Reactor模式简介多线程IO的致命缺陷单线程Reactor模型4.1. 什么是单线程Reactor呢？4.2. 单线程Reactor的参考代码4.3. 单线程模式的缺点:多线程的Reactor5.1. 基于线程池的改进5.2. 改进后的完整示意图5.3. 多线程Reactor的参考代码Reactor持续改进Reactor编程的优点和缺点7.1. 优点7.2. 缺点1. 为什么是Reactor模式写多了代码的兄弟们都知道，JAVA代码
2021-09-04 22:12:06
323
转载 Spring Security
Spring Security案例实现和执行流程分析Spring Security 应用级别的安全主要包含两个主要部分，即登录认证（Authentication）和访问授权（Authorization），首先用户登录的时候传入登录信息，登录验证器完成登录认证并将登录认证好的信息存储到请求上下文，然后在进行其他操作，如接口访问、方法调用时，权限认证器从上下文中获取登录认证信息，然后根据认证信息获取权限信息，通过权限信息和特定的授权策略决定是否授权。登录认证登录认证过滤器如果在继承 WebSecurit
2021-08-15 16:17:46
177
转载 认识docker的世界
Docker 简介：Docker 是一种运行于 Linux 和 Windows 上的软件，用于创建、管理和编排容器。Docker 是在 GitHub 上开发的 Moby 开源项目的一部分。Docker 公司，位于旧金山，是整个 Moby 开源项目的维护者。Docker 公司还提供商业版和社区版。 Docker 运行时与编排引擎： Docker 引擎是用于运行和编排容器的基础设施工具。有 VMware 管理经验的读者可以将其类比为 ESXi。ESXi 是
2021-07-02 14:31:10
313
原创 《剑指Offer》leetcode刷题笔记(一)
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2020-12-23 09:59:20
392
2
原创 目标检测（二）
目标检测中的锚框在目标检测任务中，锚框也称为先验框。它主要是用来解决如何定义哪些位置是候选目标框的问题，总共分为三个部分：设置不同尺度的先验框；先验框与特征图的对应；先验框类别信息的确定。设置不同尺度的先验框为了覆盖更多的情况，在图中的同一个位置，通常会设置几个不同尺度的先验框。通过设置不同尺度的先验框，就有更高的概率出现对于目标物体有良好匹配读的先验框。先验框与特征图的对应除了不同尺度，需要将先验框尽量铺洒在图片中不同位置上面。但是遍历每个像素设置先验框的话，那么需要的先验框就太多了
2020-12-19 22:13:56
296
2
原创 目标检测（理论+实践）（一）
目标检测的基本概念 目标检测是计算机视觉中的一个重要任务，和通常的图像分类问题具有一定的差异性，相比于基于深度学习的图像分类任务，目标检测任务更具难度。 在图像分类任务里，假设图像里只有一个主体目标，我们重点关注的是如何识别该目标的类别。然而，很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别，还想知道它们在图像中的具体位置。此类任务称之为目标检测(object detection)或物体检测。 在目标检测中，通常使用边界框(bounding box）来描述目标的位置。边界框是一个
2020-12-15 18:55:27
1118
原创 Mybatis基础（一）
Mybatis配置文件元素在MyBatis框架的核心配置文件中，<configuration>元素是配置文件的根元素，其他元素都要在<configuration>元素内配置。元素是一个配置属性的元素，通过外部配置来动态替换内部定义的属性：如首先需创建一个jdbc.properties配置文件：jdbc.driver=com.mysql.jdbc.Driverjdbc.url=jdbc:mysql://localhost:3306/db_mybatisjdbc.user
2020-12-02 18:26:28
404
原创 Spring基础（一）
Spring的容器机制容器是Spring框架实现功能的基础，Spring容器类似一家超级工厂，当Spring启动时，所有被配置过的类都会被纳入Spring容器的管理之中。Spring把它管理的类称为Bean，Spring可以通过XML文件或注解获取配置信息，进而通过容器对象来管理Bean。Spring对Bean的管理体现在它负责创建Bean并管理Bean的生命周期。Bean运行在Spring容器中，它只需发挥自己功能，而无须过多关注Spring容器的情况。BeanFactory接口BeanFact
2020-11-29 15:29:34
365
原创 Go语言核心编程之文件操作及命令行参数获取
文件-基本介绍文件在程序中是以流的形式来操作的。流：数据在数据源（文件）和程序（内存）之间经历的路径输入流：数据从数据源（文件）到程序（内存）的路径输出流：数据从程序（内存）到数据源（文件）的路径注：os.File封装所有文件相关操作，File是一个结构体。常用的文件操作函数和方法1）打开一个文件进行读操作：os.Open(name string)(*File,error)2）关闭一个文件：File.Close()读文件操作应用案例1）读取文件的内容并显示在终端（带缓冲区的方式），使
2020-10-05 21:50:09
259
原创 Go语言编程之面向“对象”编程篇
Golang语言面向对象编程说明Golang也支持面向对象编程(OOP),但是和传统的面向对象有区别，并不是纯粹的面向对象语言，所以我们说Golang支持面向对象编程特性是比较准确的；Golang没有类(class)，Go语言的结构体(struct)和其它编程语言的类(class)有同等的地位，可以理解Golang是基于struct来实现OOP特性的；Golang面向对象编程非常简洁，去掉了传统的OOP语言的继承、方法重载、构造函数和析构函数、隐藏的this指针等等；Golang仍然有面向对象编程
2020-10-05 08:43:56
448
原创 Go语言核心编程(二)
指针基本介绍：基本数据类型，变量存的就是值，也叫值类型获取变量的地址，用&，比如：var num int,获取num的地址：&num指针类型，变量存的是一个地址，这个地址指向的空间存的才是值比如：var ptr *int=&num获取指针类型所指向的值，使用：*，比如 var *ptr int,使用 *ptr获取ptr指向的值指针细节说明：值类型，都有对应的指针类型，形式为 *数据类型，比如int的对应的指针就是 *int,float32对应的指针类型就是 *
2020-09-24 16:02:56
404
原创 Go语言核心编程(一)
Golang学习方向Golang核心编程：区块链（去中心化，让人人都可以参与数据库的记录）研发工程师Go服务器端（美团）/游戏软件工程师Golang分布式/云计算软件工程师（京东）Go语言，我们可以简单的写成Golanguage，简写为Golang。Golang的应用领域区块链应用开发后端服务器应用云计算/云服务后台应用...
2020-09-19 16:09:28
424
原创 Pytorch系列之——模型保存与加载、finetune
模型保存与加载序列化与反序列化模型保存与加载的两种方式模型断点续训练按理来说我们训练好一个模型是为了以后可以更方便的去使用它，当我们训练模型是模型是被存储在内存当中的，而内存中数据一般不具有这种长久性的存储的功能，但硬盘可以长期的存储数据，所以在我们训练好模型之后，我们需要将模型从内存中转移到硬盘上进行长期存储。这就是模型的保存与加载，也可以称之为序列化与反序列化，下面介绍为什么模型的保存与加载可以被称为序列化与反序列化呢？序列化与反序列化主要描述的是内存与硬盘之间的一个转换关系，训练好的模型
2020-09-09 22:14:58
815
原创 Pytorch系列之——正则化
正则化之weight decay正则化与偏差-方差分解pytorch中的L2正则化——weight decay在机器学习、深度学习当中我们经常会听到regularization正则化这个概念，正则化这三个字到底是什么意思呢？如果直接从字面的意思来理解正则化是非常抽象的，但正则化的概念非常简单，就是减少方差的策略。那么什么是方差，什么是偏差呢？误差可分解为：偏差、方差与噪声之和。即误差=偏差+方差+噪声之和，偏差度量了学习算法的期望预测与真实结果的偏离程度，即刻画了学习算法本身的拟合能力；方差度
2020-09-08 21:49:16
2232
2
原创 Pytorch系列之——损失函数、优化器
权值初始化前面我们介绍了如何搭建网络模型，在模型搭建好之后一个非常重要的步骤就是对模型当中的权值进行初始化。正确的权值初始化可以加快模型的收敛，而不恰当的权值初始化可能会引发梯度的消失或爆炸，最终导致模型无法训练。梯度消失与爆炸Xavier方法与Kaiming方法常用初始化方法梯度消失与爆炸首先观察模型是怎么对W2进行求导的，我们有：H2=H1∗W2 H_{2} = H_{1} * W_{2}H2=H1∗W2ΔW2=∂Loss∂out∗∂out∂H2∗∂H2∂w2=∂Loss∂o
2020-09-06 18:38:24
1059
原创 Pytorch系列之——数据读取机制&Transforms
DataLoader与DataSet人民币二分类DataLoader与DataSet根据pytorch张量部分中提到的机器学习模型训练的五大步骤：数据、模型、损失函数、优化器和迭代训练。我们这部分主要介绍模型训练的第一个步骤：数据模块。其中，数据模块通常进一步划分为四个子模块，分别为：数据收集、数据划分、数据读取和数据预处理。这次主要介绍的部分是数据模块中的数据读取子模块DataLoader，其中DataLoader还可以划分为Sampler和DataSet，Sampler是用来生成索引，而Da
2020-09-05 21:55:12
760
原创 Pytorch系列之——nn网络层
卷积层1d/2d/3d卷积卷积-nn.Conv2d()转置卷积-nn.ConvTranspose1d/2d/3d Convolution卷积运算：卷积核在输入信号（图像）上滑动，相应位置上进行乘加卷积核：又称为滤波器，过滤器，可认为是某种模式，某种特征卷积过程类似于用一个模板去图像上寻找与它相似的区域，与卷积核模式越相似，激活值越高，从而实现特征提取。AlexNet卷积核可视化，发现卷积核学习到的是边缘、条纹、色彩这一些细节模式：卷积维度：一般情况下，卷积核在几个维度上滑动，就是几维卷
2020-09-05 09:16:19
657
原创 Pytorch系列之——模型容器与AlexNet构建
模型容器与AlexNet构建之前介绍了在模型构建过程中有两个非常重要的步骤：构建子模块和拼接子模块，在搭建模型过程中还有一个比较重要的概念——模型容器，这次就主要介绍一下模型容器和AlexNet的构建。模型容器(Containers)AlexNet构建在pytorch提供的模型容器中有三个常用的子模块：第一个是nn.Sequential，它的作用是将多个网络层按顺序包装起来；第二个是nn.ModuleList，它会像python的list一样包装多个网络层，可以像python的list一样进
2020-09-04 20:15:35
269
原创 Pytorch系列之——模型创建与nn.Module
模型创建与nn.Module网络模型创建步骤nn.Module属性在学习模型创建步骤之前，回顾一下前面提到的机器学习模型训练的五大步骤，即：数据、模型、损失函数、优化器和迭代训练。这次我们主要谈论模型模块这部分。对于模型模块，首先分为两大部分分别是模型的创建和模型权值的初始化。其中在模型创建模块，有分为构建网络层和拼接网络层这两个子模块，我们通过构建类似卷积层、池化层和激活函数层等子模块，再根据一定的顺序或拓扑结构将这些子模块拼接起来，最后就可以构建成类似LeNet、AlexNet和ResNet
2020-09-04 17:54:06
417
原创 Pytorch系列之——Pytorch的Tensor（张量）
张量的构建Tensor概念Tensor创建一：直接创建Tensor创建二：依据数值创建Tensor创建三：依据概率创建张量是什么？张量其实就是一个多维数组，它是标量、向量、矩阵的高维拓展：#### Tensor与VariableVariable是torch.autograd中的数据类型，主要用于封装Tensor，进行自动求导，接下来先来看下torch.autograd.Variable这个数据类型，理解了Variable其实对于理解张量是有帮助的：可以看到，Variable中包含了5个
2020-09-02 21:58:55
607
原创 Docker基础篇
Docker简介参考：（java开发/docker开发）JavaEE java Springmvc/springboot/mybatis…Docker Go Swarm/Compose/Machine/mesos/k8s…为什么会出现Docker?一款产品从开发到上线，从操作系统，到运行环境，再到应用配置。作为开发+运维之间的协作我们需要关心很多东西，这也是很多互联网公司都不得不面对的问题，特别是各种版本的迭代之后，不同版本环境的兼容，对运维人员都是考验。Docker之
2020-08-30 07:29:35
212
原创 时间序列预测中的特征处理
特征处理特征工程通常会提取大量的特征，而好的特征将会对模型的预测功能产生好的影响，是一个事半功倍的过程；差的特征会对模型最终的预测功能产生不利的影响，其实在数据挖掘或数据分析领域，80%的主要工作都集中于对数据的特征处理上，而关于模型的选择和融合仅占20%左右，由此可见特征处理的重要性。劣汰：去除几乎无关的特征，保留大量特征优胜：挑选出良好的特征，组成最优特征子集在对数据分析并进行特征选择的过程中，主要分为如下三个步骤：数据分析与探索、观察数据特点以去除无用特征、基于相关性分析和独立性分析去除弱
2020-08-24 14:21:09
1780
原创 时间序列预测模型
时间序列预测模型1.时间序列分解2.ARIMA模型时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。一个时间序列往往是以下几类变化形式的叠加或耦合：长期趋势(Secular trend,T):长期趋势指现象在较长时期内持续发展变化的一种趋向或状态；季节变动(Seasonal Variation,S):季节变动是由于季节的变化引起的现象发展水平的规则变动；循环波动(Cyclical Variation
2020-08-22 18:02:55
4130
转载 集成学习
通俗讲解集成学习算法（原文来自Datawhale团队）集成学习集成学习，即分类器集成，通过构建并结合多个学习器来完成学习任务。一般结构是：先产生一组“个体学习器”，也称为“弱学习器”，再用某种策略将它们结合起来。结合策略主要有平均法、投票法和学习法等。集成学习(ensemble learning)通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统(multi-classifier system)、基于委员会的学习(committee-based learning)。集成学习是这样一个过程
2020-08-21 10:48:21
477
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