收集的常用的CTF学习资源网站

http://www.sec-wiki.com/skill/        安全技能学习路线(迷茫就看它)

https://wiki.x10sec.org/       介绍了CTF各个方向的基础知识

 

逆向

http://www.52pojie.cn/       吾爱破解

http://bbs.pediy.com/        看雪论坛

 

编程查阅手册

http://www.w3school.com.cn/           

http://www.runoob.com/   

 

Ctf练习

http://hackinglab.cn/       网络信息安全攻防学习平台

https://adworld.xctf.org.cn/  xctf

https://www.hetianlab.com/CTFrace.html    合天一百练

https://ctf.bugku.com/challenges       bugku

http://www.czlgjbbq.top/GJCTF/index.php     某平台

https://ctf.pediy.com/itembank.htm     看雪题库

https://www.ctftools.com/down/       含大部分工具

 

Ctf各类比赛writeup

https://www.anquanke.com/tag/CTF%E9%80%9A%E5%85%B3%E6%94%BB%E7%95%A5

 

逆向练习

http://reversing.kr/

http://pwnable.kr/

http://overthewire.org

 

SQL注入平台

http://redtiger.labs.overthewire.org/ 

 

XSS平台

https://alf.nu/alert1

http://prompt.ml/

http://xss-quiz.int21h.jp/

 

  • 10
    点赞
  • 61
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于深度学习的个性化学习资源自适应推荐系统的设计如下: 1. 数据集准备:收集用户的个人信息、历史行为数据、学习目标等信息,同时收集学习资源的描述、关键词、类别等信息,将其转化为向量表示。 2. 深度学习模型设计:设计深度学习模型,可以使用卷积神经网络(CNN)、循环神经网络(RNN)或者注意力机制(Attention)等模型,对用户和学习资源进行建模,同时考虑它们之间的交互。例如,可以设计一个基于RNN的模型,将用户的历史行为序列和学习资源的描述序列作为输入,输出用户对学习资源的兴趣程度。 3. 模型训练:使用训练集对深度学习模型进行训练,目标是最小化预测评分与真实评分之间的误差。可以使用交叉熵损失函数等常见的损失函数。 4. 模型推荐:对于每个用户,根据其历史行为和兴趣,选取与其兴趣最接近的学习资源进行推荐。推荐过程可以使用基于邻域的方法、基于矩阵分解的方法等。 5. 模型评估:使用评估指标,例如准确率、召回率、F1值等对模型进行评估,从而确定模型的性能和优化方向。 6. 模型优化:根据模型评估结果,对模型进行优化。可以考虑增加更多的特征、调整模型结构、调整超参数等方法。 以上是基于深度学习的个性化学习资源自适应推荐系统的设计,具体实现可以根据需求进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值