- 博客(306)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 港中深「户外自重构蜗牛机器人集群」登Nature子刊！
展望未来，研究人员计划继续推进这一项目，重点研究提升机器人的感知能力、模块间的异构化以及自重构运动规划的算法，以进一步拓展其功能和应用范围。这种创新的连接器设计不仅提供了连接位置的灵活性，还维持了整个机器人群体的结构完整性，这对于在多变的户外环境中的有效操作至关重要。机器人主要依靠装有嵌入式磁铁的两条履带。借鉴蜗牛的爬行和附着行为，机器人装备了球形外壳和可移动的“足”，显著提高了它们的机动性。这种新型机器人系统不仅能适应复杂的户外环境，还具备极为稳固的连接机制，确保机器人在组合时能保持极高的稳定性。
2024-05-13 09:42:06
616
原创 网络空间地图测绘理论体系白皮书（2023年）02网络空间测绘研究背景(想法比较好，着重看)
01前言03 测绘体系框架概念定义3.1 网络空间3.2 网络空间地图测绘3.3 体系框架总体思路04 测绘体系框架应用实践4.1 网络空间地形图4.2 网络空间地志图4.3 网络空间战略图05 总结与展望参考资料。
2024-04-22 08:00:00
746
原创 网络空间地图测绘理论体系白皮书（2023年）01前言
地址和端口进行扫描，分析其硬件设备以及承载的协议、服务内容等信息，构建一个包含各种资源属性的网络资产数据库。攻击面管理被视为向主动安全转变的开始，可以实现尽早洞察安全威胁、采取适当措施来缓解威胁和降低风险的功能。随着互联网、移动通信、人工智能等技术的快速发展，网络空间已成为人们生活和工作中不可或缺的重要组成部分。、一个域名开始，逐步扩展深挖，发现攻击目标网络的突破口，完成攻击前置工作。最后总结并提出了后续研究展望，引导网络空间测绘未来研究发展方向。体系进行梳理，介绍了网络空间测绘相关研究进展；
2024-04-22 07:45:00
364
原创 ExGeo代码理解（四）layers.py（注意力机制的代码）
这是一个简单的注意力机制模块，用于计算注意力分数并将其应用于值（value）向量。该块代码实现与RIPGeo代码理解（三）layers.py一致该块代码实现与RIPGeo代码理解（三）layers.py一致'''q:[N1, d]k:[N2, d]v:[N2, d]'''这是一个简单的自注意力模块，实现了两个输入序列的注意力计算。这个模块的整体功能是接受三个输入张量 q、k 和 v，然后计算注意力权重，最后生成加权和的输出。该块代码实现与。
2024-04-21 08:00:00
645
原创 全球首份网络空间测绘报告发布(2022年)
在亚洲，除了印度，韩国、日本、印度尼西亚也位居前列，但中国根据不同的算法和指标，排名在第 11到 27 名之间，在参与排名的 50 个国家 / 地区中仅达到中等水平，与世界先进水平差距较大。在我国省会城市、直辖市、特区的网络安全大排名中，香港、天津、济南、长春、太原位居前 5 名，而互联网产业较为发达的北京、上海、广州则为倒数前三名。另一方面，北京、上海、广州虽然互联网产业较为发达，但是由于小企业众多，开源免费软件使用普及，各种互联网服务数量较大，因此导致安全投入相对不足。另外，美国、巴西、印度、土耳其。
2024-04-21 07:45:00
424
原创 A Geolocation Databases Study（2011年）第五部分：Evalution Model
我们的结果还表明，基于测量的地理定位可以获得公平的结果，至少在欧洲，可以与其他方法收集的地理位置信息竞争，使用这些工具实现的地理定位的精度可以相当高。然而，这种精度可能不够高，不能作为将IP地址映射到pop的唯一工具。我们可以更好地理解基于测量的地理定位服务的不准确性的根源，以改进它们。这一领域的未来研究应集中在在数据库之间存在分歧时决定地面真相的手段。
2024-04-20 08:00:00
896
1
原创 ExGeo代码理解（三）sublayers.py（layer.py的支持文件）
这段代码定义了一个 Scaled Dot-Product Attention 模块，这是 Transformer 模型中注意力机制的一部分。这个模块实现了 Scaled Dot-Product Attention 的计算，是 Transformer 模型中实现自注意力机制的关键组成部分。该部分实现与RIPGeo代码理解（二）sublayers.py一致。这是一个多头注意力（Multi-Head Attention）模块的实现，用于在Transformer等模型中执行自注意力机制。
2024-04-20 07:45:00
762
原创 A Geolocation Databases Study（2011年）第四部分：Evalution Model
人们可以利用这些信息来评估地理位置数据库的准确性：如果属于同一PoP的IP地址被分配了不同的地理位置，那么该信息的准确性应该受到质疑。这个语句是基于PoP算法是正确的假设，并且不将来自不同位置的IP地址分配给同一PoP。我们在这里的实验进一步支持了这一假设：在所有评估的PoP中，无一例外，总是有支持PoP附近需求的数据库。我们为每个数据库分别运行该算法。
2024-04-19 10:00:00
592
原创 A Geolocation Databases Study（2011年）第三部分：Evalution Model
在原始算法[7]中，实现了一个额外的步骤，称为单点处理(Singleton Treatment)，即仅具有1或2条链路的节点根据其中位数距离被分配给持久性有机污染物。这一步可能会添加到PoP IP地址，而这些IP地址不一定是它的一部分。因此，在这项工作中，生成了两个PoP级地图：一个没有任何单例的地图，这被认为是只准确地查看PoP IP地址，以及另一个包含单例的地图。第二张地图的目的是改进仅基于第一张地图不确定PoP位置时的位置估计。由于单例必然在PoP附近，因此使用它们不会损害位置估计。
2024-04-19 09:30:00
804
原创 A Geolocation Databases Study（2011年）第二部分：Geolocation Services
地理定位服务的范围从免费服务，到花费几百美元的服务，再到每年花费数万美元的服务。本节调查了这些服务中的大多数，主要关注主要参与者。
2024-04-18 08:00:00
1006
原创 A Geolocation Databases Study（2011年）第一部分
互联网IP地址的地理位置对于学术研究、商业和国土安全应用非常重要。因此，商业和学术数据库和工具都可用于将IP地址映射到地理位置。评估这些地图服务的准确性是复杂的，因为获得不同的大规模的真是地理位置是非常困难的。在这项工作中，我们使用一个算法评估映射服务，将IP地址分组到PoPs，基于结构和延迟。通过这种方式，我们能够将全球范围内的近10万个IP地址分组为已知的高度自信地共享地理位置的组。我们提供了对IP地理定位数据库的优缺点的见解，并讨论了它们的准确性和遇到的异常。
2024-04-18 07:45:00
902
原创 ExGeo代码理解（二）preprocess.py（预处理数据集并为模型运行执行IP聚类）
├── datasets # 包含3个大规模的真实街道IP地理位置数据集。│ |── New_York # 从纽约市收集的街道级IP地理定位数据集，包括91,808个IP地址。│ |── Los_Angeles # 从洛杉矶收集的街道级IP地理定位数据集，包括92,804个IP地址。│ |── Shanghai # 收集自上海的街道级IP地理定位数据集，包括126,258个IP地址。├── lib # 包含模型（model）实现文件。
2024-04-17 08:15:00
881
原创 RIPGeo代码理解（一）preprocess.py（预处理数据集并为模型运行执行IP聚类）
中选择包含四个特定列（'aiwen_ping_delay_time'，'vp806_ping_delay_time'，'vp808_ping_delay_time'，'vp813_ping_delay_time'）的子集，将其存储在。中选择指定的列，包括 'vp900_ping_delay_time', 'vp901_ping_delay_time','vp902_ping_delay_time', 'vp903_ping_delay_time'。解析后，这些参数将在脚本中被引用，从而影响程序的行为。
2024-04-17 08:00:00
917
原创 ExGeo框架代码构成
该存储库提供了ExGeo框架的原始PyTorch实现。1.更新日志(23.10.19):补充了main.py中打印mask_matrix的代码，该代码可以通过改变epoch的数量来显示矩阵的变化。2.更新日志(23.10.27):修改了Aib的先验概率参数p=0.1。如果想重现可解释性实验，使用较小的概率参数会更明显。值得注意的是，不同的权重'beta'最终将使学习到的Q(Aib/A)收敛到先验分布P(A)。然而，通过我们对收敛过程的仔细观察，我们可以看到，
2024-04-16 16:09:42
591
原创 An Investigation of Geographic Mapping Techniques for Internet Hosts（2001年）第二部分
如果通过一组代理（IP地址包含在prefix AP内连接的客户端集）在地理上集群（例如在位置L），然后给定足够的IP-to-location的数据点，子集群算法将（正确地）推断出地址prefix AP和位置L之间的关联。让IPLoclist是按IP地址排序的IP定位映射数据点的列表，BGPAPlist是从E-BGP信息中获得的AP的列表，IPLocAPlist是排序列表中获得的排序列表，新APLoclist是将AP映射到位置的新列表，排序是细分中IP到位置的映射数据点数量的最小阈值。然而，我们认为（5；
2024-04-15 17:10:07
1337
原创 An Investigation of Geographic Mapping Techniques for Internet Hosts（2001年）第一部分
在本文中，我们问是否有可能为互联网主机建立一个IP地址到地理位置映射服务。这样的服务将启用一类大型而有趣的位置感知应用程序。这是一个具有挑战性的问题，因为IP地址本身并不包含位置的指示。我们提出并评估了三种不同的技术，统称为。
2024-04-15 15:54:47
1340
原创 目标检测与图像分类的区别（概念）
图像分类：图像分类的任务是将输入的图像分为不同的类别，通常是预定义的类别集合。目标检测：目标检测的任务是在图像中识别和定位一个或多个不同对象，通常是在图像中的特定区域标出对象的边界框，并为每个对象分配一个类别标签。图像分类：图像分类通常用于确定整个图像的内容，例如识别猫、狗、汽车等，适用于图像检索、图像标记和图像分类任务。图像分类：相对来说，图像分类任务通常比目标检测任务更简单，因为它只需要确定图像中的主要对象。图像分类：输出结果是一个类别标签，指示图像中包含的主要对象属于哪个类别。
2024-04-14 21:00:56
569
原创 Towards Street-Level Client-Independent IP Geolocation（2011年）（第二部分）
例如，我们通常在最后一英里看到的5 ms [13]的延迟可以放置一个依赖于距离目标700公里的绝对延迟测量的方案。我们的方法有效地解决了这个问题，并将目标地理定位在几公里内。图12：不同IPs中的误差距离的比较IMC, ’07。
2024-04-13 16:47:18
687
原创 Towards Street-Level Client-Independent IP Geolocation（2011年）（第一部分）
一个高度精确的客户端独立的地理定位服务将是互联网的一个重要目标。尽管在这一领域进行了广泛的研究和重大进展，但这一目标尚未实现。
2024-04-13 16:45:17
893
原创 CDF与PDF（描述随机变量的分布情况）
此外，在纽约市，超过60%的地理定位结果在地面真实位置1公里以内（可以看图中纵坐标0.6以内的对应的横坐标都低于1，GraphGeo中是三个城市）），超过80%的上海定位在10公里以内（可以看图中横坐标10以内的对应的纵坐标都超过了0.8），而在纽约市和洛杉矶，这一比例超过95%。- 在深度学习中，CDF可以用于评估模型输出的分布情况。例如，在生成对抗网络（GAN）中，生成器的输出可以被看作是一个随机变量的样本，通过对生成器输出的样本进行统计分析，可以得到其CDF，从而了解生成样本的分布特性。
2024-04-12 16:59:42
1536
原创 A complete evaluation of the Chinese IP geolocation databases（2015年）
直接查询IP地理定位数据库是确定具有相应IP地址的主机所在的地理位置的一种方便而广泛的方法。然而，互联网上的许多数据库可能不能像他们所声称的那样提供准确的数据。本文主要分析了中国流行的IP地理定位数据库中记录的中国大陆的IP地址。首先，分析了中国大陆在不同地理粒度下的IP地址和块的分布和特征。其次，实现数据库之间的条目一致性比较，推荐性能较好的条目的一致性比较；我们还使用少量的真实数据来验证推荐的数据库。最后，对不同位置的IP块进行聚类和分类分析，并得出初步结论。Keywords。
2024-04-12 15:09:35
1013
原创 Towards Geolocation of Millions of IP Addresses（2012年）
我们的实验结果表明，在我们的大学中心的VPs和目标集的范围内，我们的算法选择的少数最近的VPs几乎和许多VPs一样精确。的VPs，他们的连接可能比一般的互联网连接更好，所以我们的准确性可能对一般的互联网（今天）很乐观，随着未来互联网连接的改善，预测会减少。理想情况下，未来的工作将使用一套更多样化的目标或VPs，，但不幸的是，如今具有真实值的目标的公共来源非常有限，而越来越多的远程托管的使用使得开发新的真实值成为一项非常劳动密集型的工作。我们不考虑更多的VPs，因为我们的结果是100 VPs的。
2024-04-11 13:09:11
1369
原创 Dude, where’s that IP? Circumventing measurement-based IP geolocation（2010年）
IP地理定位的许多应用程序都可以从对抗性的客户机非常健壮的地理定位中获益。这些应用程序包括将对在线内容的访问限制在特定地理区域的应用程序和云计算，其中一些组织必须确保其虚拟机停留在适当的地理区域。本文研究了当前的IP地理定位技术对一个试图颠覆这些技术以返回伪造结果的对手的适用性。我们提出并评估了对基于延迟的IP地理定位技术和更先进的拓扑感知技术的攻击。针对基于延迟的技术，我们发现对手在攻击的准确性和可检测性之间有一个明显的权衡。相比之下，我们观察到，
2024-04-11 08:00:00
582
原创 IP Geolocation Databases: Unreliable?（2011年）
IP地理定位最广泛使用的技术是建立一个数据库，以保持IP块和地理位置之间的映射。有一些数据库是可用的，并且经常被互联网上的许多服务和网站所使用。与人们普遍认为的相反，地理定位数据库还远没有像他们所声称的那样可靠。在本文中，我们对几个当前的地理位置数据库进行了比较——包括商业的和免费的——以深入了解它们的可用性的局限性。首先，数据库中的绝大多数条目只指少数受欢迎的国家（如美国）。这造成了数据库IP块中国家代表的不平衡。其次，这些条目不会重新影响IP块的原始分配，也不会影响BGP公告。
2024-04-10 15:08:28
1006
原创 Towards IP Geolocation Using Delay and TopologyMeasurements（TBG）（2006年）
我们提出了基于拓扑的地理定位（Topology-based Geolocation，TBG），一种新的估计任意互联网主机的地理位置的方法。我们激励我们的工作表明1)现有的方法，基于端到端延迟测量从一组地标，未能超越简单的技术，和2)这些方法的误差强烈由距离最近的地标，即使三角测量用于结合估计从不同的地标。我们的方法改进了这些早期的技术，利用网络拓扑，以及网络延迟的测量，来约束主机的位置。我们将拓扑数据和延迟数据转换为一组约束条件，然后同时求解路由器和主机的位置。
2024-04-10 14:00:24
564
原创 A Learning-Based Approach for IP Geolocation（2010年）
定位IP主机地理位置的能力对于在线广告和网络攻击诊断等应用程序是非常吸引力的。虽然先前的方法可以准确地识别主机在互联网的某些区域的位置，但当它们所基于的延迟或拓扑测量有限时，它们会产生错误的结果。我们工作的假设是，可以通过创建一个能够适应不同类型的地理位置信息的灵活的分析框架来提高IP地理位置的准确性。在本文中，我们描述了一个新的IP地理定位框架，它简化为一个机器学习分类问题。我们的方法考虑了从一组已知监视器到目标的轻量级测量，然后根据从训练集中学习到的概率密度的最可能的地理区域对目标的位置进行分类。
2024-04-09 22:12:36
1310
1
原创 TrustGeo参文22：Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions
与正态-逆伽马分布混合的可信多模态回归 [22] Huan Ma, Zongbo Han, Changqing Zhang, Huazhu Fu, Joey Tianyi Zhou, and Qinghua Hu. 2021. Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions. Advances in Neural Information Processing Systems 34 (20
2024-04-09 08:00:00
1057
原创 TrustGeo参文2：Deep evidential regression（深度证据回归）补充材料
到目前为止，这是我必须审查的所有代码中唯一能运行的代码。R3: 作者真的花了很大的精力来提供可运行的代码，这是值得赞扬的。我们相信这项工作通过其广泛的适用性和可访问、易于使用的代码支持新的研究。
2024-04-08 15:06:06
724
原创 TrustGeo参文2：Deep evidential regression（深度证据回归）正文部分
确定性神经网络（NNs）越来越多地部署在安全关键领域，在这些领域中，校准（calibrated）、鲁棒（robust）和有效的不确定性度量（）是至关重要的。在本文中，我们提出了一种新的方法来训练非贝叶斯神经网络（来估计连续目标及其相关证据（），以学习任意和认知的不确定性（。我们通过在原始高斯似然函数（上放置证据先验（，然后训练NN来推断证据分布）的超参数来实现这一点。我们在训练过程中增加先验，当预测证据与正确输出不对齐时，模型被正则化。我们的方法不依赖于推理过程中的抽样，也不依赖于分布外（
2024-04-08 13:41:33
979
1
原创 RIPGeo代码理解（七）test.py（加载检查点，然后测试）
预处理数据集并为模型运行执行IP聚类main.py # 运行模型进行训练和测试#加载检查点，然后测试。
2024-03-23 21:53:58
810
原创 RIPGeo代码理解（六）main.py（运行模型进行训练和测试）
预处理数据集并为模型运行执行IP聚类# 运行模型进行训练和测试test.py #加载检查点，然后测试模型的名称。
2024-03-23 20:32:13
907
原创 RIPGeo代码理解（五）utils.py（ 辅助函数）第二部分
这是一个最大最小归一化和对数变换的类，用于对输入数据进行预处理。这个类的实例可以用于对RTT（Round-Trip Time）等数据进行预处理，使其适用于某些需要输入在固定范围内的模型。这是一个用于进行最大-最小缩放（Max-Min Scaling）的类。这种缩放方法用于将数据缩放到指定的范围，通常是[0, 1]。相比于第五部分（MaxMinLogRTTScaler类定义，缺少对数化操作，其他的一样。data[data!
2024-03-22 16:32:14
863
原创 RIPGeo代码理解（五）utils.py（ 辅助函数）第一部分
# 包含模型（model）实现文件│ |── layers.py # 注意力机制的代码。│ |── model.py # TrustGeo的核心源代码。│ |── sublayers.py # layer.py的支持文件。│ |── utils.py # 辅助函数。
2024-03-22 14:36:26
885
原创 RIPGeo代码理解（四）model.py（ RIPGeo的核心源代码）
RIPGeod_v_in=2,d_v_out=2,else:nn.ReLU(),""":return:"""'''star-GNN'''# feature'''predict'''else:这是一个 PyTorch 中神经网络模型的类定义，它继承自nn.Module类，表明这个类是一个 PyTorch 模型。
2024-03-21 19:53:56
804
原创 RIPGeo代码理解（三）layers.py（注意力机制的代码）
这是一个简单的注意力机制模块，用于计算注意力分数并将其应用于值（value）向量。和第二部分一样，唯一不同，在于返回自注意力机制的输出output和注意力分数att_score。'''q:[N1, d]k:[N2, d]v:[N2, d]'''这是一个简单的自注意力模块，实现了两个输入序列的注意力计算。这个模块的整体功能是接受三个输入张量qk和v，然后计算注意力权重，最后生成加权和的输出。
2024-03-21 19:04:44
562
原创 RIPGeo代码理解（二）sublayers.py（layer.py的支持文件）
这段代码定义了一个 Scaled Dot-Product Attention 模块，这是 Transformer 模型中注意力机制的一部分。这个模块实现了 Scaled Dot-Product Attention 的计算，是 Transformer 模型中实现自注意力机制的关键组成部分。这是一个多头注意力（Multi-Head Attention）模块的实现，用于在Transformer等模型中执行自注意力机制。
2024-03-19 21:47:31
759
原创 ExGeo代码理解（一）generateidx.py（生成target nodes和landmark nodes的idx）
1、from tqdm import tqdm：它导入了 tqdm 模块中的 tqdm 类。tqdm 是一个用于在循环中添加进度条的工具，方便用户实时查看代码的执行进度，以帮助在循环中可视化地显示代码的执行进度，从而更好地了解代码的运行情况。
2024-03-19 17:26:21
765
原创 RIPGeo参文44-47（扰动训练目标）：泛化和鲁棒性
本文研究了无监督域适应问题，旨在将在有标记的源域上训练的模型适应到完全无标记的目标域。近年来，聚类假设被应用于无监督的域适应中，并取得了较好的效果。成功训练聚类假设的一个关键因素是对模型施加locally-Lipschitz约束。现有方法仅对训练数据点周围施加locally-Lipschitz约束，而忽略了训练数据点之间等其他区域。本文通过鼓励模型在训练点之间表现成线性来解决这个问题。本文提出一种新的正则化方法，称为虚拟混合训练(VMT)，能够将locally-Lipschitz。
2024-03-18 08:15:00
1846
TrustGeo参文2：Deep evidential regression（网络不确定性测量）
2024-03-25
TrustGeo: Uncertainty-Aware Dynamic Graph Learning for Trustwort
2024-02-19
DETR(End-to-End Object Detection with Transformers （CVPR 20)相关代码
2023-10-24
Scene-Recognition-With-Bag-Of-Words-master.zip
2020-08-13
Local-Feature-Matching-master.zip
2020-08-13
Image_Filtering_and_Hybrid_Images.zip
2020-08-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人