![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
网安
Facico
生命是闪耀的此刻,不是过程,就像芳香不需要道路一样。
展开
-
联邦学习(Federated Learning)学习小记
联邦学习设计目标与框架在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器学习例如两公司要联合训练一个AI框架,但是又无法直接进行数据交换,可以使用联邦学习来建立模型。更广泛的模型就是通过众多的用户端得到的**“非平衡且非独立同分布”**的数据来训练。更形象点:正常的机器学习模型是把数据收集到服务器端,将数据带到代码面前来;而联邦学习则是把代码发送到数据端,从而使用户的数据无需上传就可以参与模型的训练。不过在用户端需要上传训原创 2020-09-25 14:55:40 · 6436 阅读 · 12 评论 -
PassGAN论文学习
PassGAN用于对于泄漏的密码库中还原真实的密码分布传统密码爆破工具HashCat和John the Ripper(JTR)可以每秒对密码hash值检测数十亿的密码来破译hash值,还能根据一些规则生成新密码缺点:1、这些规则只要当前的数据集中表现良好,创造一个适应新数据集的规则很麻烦,还需要相关的专业知识2、这些规则基于用户的直觉,而不是大数据PassGAN的优点1、通过密码数据分析,而不是手动分析2、能生成高质量的密码,且能和老湿规则媲美,也能补充密码规则3、能生成无原创 2020-09-23 14:31:23 · 940 阅读 · 0 评论