- 博客(5)
- 收藏
- 关注
RSS订阅原创 开源情报分析及情报源质量评估
这段代码展示了从生成模拟数据集开始，计算每个源的hub值和authority值，最后基于它们的authority值可视化前20个源的整个过程。：将评估结果进行可视化展示，特别是展示最权威的情报源，以便于理解哪些情报源在网络中具有较高的信誉度和引用度。：完成实验后，需要撰写一份报告，总结实验过程、方法、结果和分析，展示实验的发现和学习成果。）的基本概念和方法，特别是在网络安全领域内对威胁情报的识别、提取和评估。算法）来评估情报源的质量，计算每个情报源的权威值（# 为每个边简化处理，设置权重为1。
2024-03-28 20:52:16
427
原创 话题检测、话题跟踪实验
可以使用时间序列分析方法进一步分析keywords_trend。探索不同的特征提取方法，例如TF-IDF、Word2Vec。使用TextRank算法从文本中提取关键词作为话题标识。对提取的关键词进行追踪，分析其在时间序列上的变化。# 假设df有两列：'text'和'label'# 这里使用简单的计数来追踪关键词出现的频率变化。# 示例：使用简单的滑动平均来观察关键词的趋势。使用不同的机器学习模型进行训练，并进行比较。# 假设df中包含一个日期字段'date'基于关键词的时间序列分析其演变趋势。
2024-03-28 18:35:08
621
1
原创 使用selenium实现对exploit-db网站的动态抓取
exploits = crawl_exploits(driver, url, pages=2) # 仅示例抓取2页数据。# options.add_argument('--headless') # 无头模式。time.sleep(5) # 等待下一页加载。"""设置Selenium WebDriver."""time.sleep(5) # 等待页面加载。# 获取当前页面的漏洞标题和链接。，后者可以自动管理WebDriver的版本。如果你还没有安装，可以通过以下命令安装。"""抓取漏洞信息."""
2024-03-28 16:29:15
542
原创 通过分析恶意软件使用的API接口特征，使用LSTM算法和Keras框架搭建一个恶意软件识别系统。
X_train = np.reshape(X_train, (X_train.shape[0], X_train.shape[1], 1)) # 调整输入数据的形状以适应LSTM层。padded_sequences = np.zeros((len(encoded_sequences), 100)) # 假定序列长度不超过100。model.add(LSTM(50, input_shape=(100, 1))) # 假定输入序列长度为100，每个时间步的特征维度为1。# 对API调用序列进行简单的数字编码。
2024-03-26 18:50:56
684
原创 基于泰坦尼克号数据集的数据预处理实验
这个综合实验不仅帮助掌握数据预处理的理论和实践，还提升了他们解决实际数据问题的能力。通过处理真实的、大型数据集，可以更好地理解数据预处理在数据分析和机器学习中的重要性。
2024-03-26 11:20:04
1741
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人