- 博客(89)
- 收藏
- 关注
RSS订阅原创 阿里云内推
👍八大职类，50+岗位，海内外Base地20+，HC多多多多!☁️阿里云2025届实习生招聘正式启动！🔗扫描二维码即可内推，快来投递吧～
2024-03-12 13:46:26
325
原创 《我与地坛》读书笔记
谁又能把这世界想个明白呢？世上的很多事是不堪说的。你可以抱怨上帝何以要降诸多苦难给这人间，你也可以为消灭种种苦难而奋斗，并为此享有崇高与骄傲，但只要你再多想一步你就会坠入深深的迷茫了：假如世界上没有了苦难，世界还能够存在么？要是没有愚钝，机智还有什么光荣呢？要是没了丑陋，漂亮又怎么维系自己的幸运？要是没有了恶劣和卑下，善良与高尚又将如何界定自己又如何成为美德呢？要是没有了残疾，健全会否因其司空见惯而变得腻烦和乏味呢？我常梦想着在人间彻底消灭残疾，但可以相信，那时将由患病者代替残疾人去承担同样的苦难。
2023-12-20 16:13:26
419
原创 MorDIFF: Recognition Vulnerability and Attack Detectability of Face Morphing Attacks Created by Diff
研究创建面部变形攻击的新方法对于预见新的攻击并帮助减轻攻击至关重要。创建变形攻击通常是在图像级或表示级执行的。到目前为止，基于生成对抗网络(GAN)的表示级变形已经完成，其中编码图像在潜在空间中插值，以产生基于插值向量的变形图像。这一过程受到GAN结构重构保真度有限的限制。扩散自编码器模型的最新进展已经克服了GAN的限制，导致高重建保真度。从理论上讲，这使它们成为执行表征级面部变形的完美候选者。这项工作研究了使用扩散自动编码器来创建面部变形攻击，将它们与广泛的图像级和表示级变形进行比较。
2023-11-21 16:05:13
109
原创 AdvFaces: Adversarial Face Synthesis
我们提出了AdvFaces，一种自动对抗人脸合成方法，通过生成对抗网络学习在显著面部区域产生最小的扰动。一旦AdvFaces经过训练，它就可以自动产生难以察觉的扰动，从而避开最先进的人脸匹配器，攻击成功率分别高达97:22%和24:30%，用于混淆和模拟攻击。我们提出了一种新的对抗人脸合成方法，即AdvFaces，该方法可以自动生成具有不可察觉扰动的对抗人脸图像，从而避开最先进的人脸匹配器。
2023-11-03 16:16:51
328
原创 gcc编译出现undefined reference to ‘pthread_create‘
gcc编译出现undefined reference to ’pthread_create‘和 undefined reference to ‘pthread_join’代码中已经有#include
2023-06-15 11:28:08
189
原创 Package libelf was not found in the pkg-config search path解决方法
Package libelf was not found in the pkg-config search path解决方法。
2023-05-30 09:36:51
1200
原创 Aha! Adaptive History-driven Attack for Decision-based Black-box Models
基于决策的黑盒攻击指的是只使用受害者模型的前1个标签来制作对抗示例。一种常见的做法是从一个大的扰动开始，然后用一个确定的方向和一个随机的方向迭代地减少它，同时保持它的对抗性。从每个查询中获得的有限信息和低效的方向采样阻碍了攻击效率，使得在有限的查询数量中很难获得足够小的扰动。为了解决这一问题，我们提出了一种新的攻击方法，称为自适应历史驱动攻击(AHA)，它从所有历史查询中收集信息作为当前采样的先验。此外，为了平衡确定性方向和随机方向，我们根据实际减幅与预期减幅的比值动态调整系数。
2023-05-08 13:33:50
500
原创 排列组合问题
2.选择物品有n个物品可供选择，必须选择其中m个物品，请按字典序顺序输出所有选取方案的物品编号123与312与321等被认为是同一种方案，输出字典序最小的123即可数据范围：1≤m≤n≤10进阶：时间复杂度O(n!) ，空见复杂度O(n)时间限制：C/C++ 1秒，其他语言2秒空间限制：C/C++ 256M，其他语言512M输入描述：对于每一组测试数据， 每行输入个数和。输出描述：对于每组输入样例，按字典序输出所有方案选择物品的编号，每种方案占一行示例1。
2023-03-15 16:12:54
119
原创 单调栈及部分题目
单调栈，顾名思义就是栈内元素单调按照递增(递减)顺序排列的栈。单调递增栈：①在一个队列中针对每一个元素从它右边寻找第一个比它小的元素②在一个队列中针对每一个元素从它左边寻找第一个比它小的元素单调递减栈：①在一个队列中针对每一个元素从它右边寻找第一个比它大的元素②在一个队列中针对每一个元素从它左边寻找第一个比它大的元素单调栈何时用：为任意一个元素找左边和右边第一个比自己大/小的位置用单调栈.由于每个元素最多各自进出栈一次,复杂度是O(n).
2023-03-15 15:32:10
244
原创 01背包问题
假设你有一个背包，最多能承重M千克，这里有N个物品，其重量分别为w1、w2、……、wN，其价值分别为v1、v2、……、vN，在背包所能承受的重量下，尽可能得使背包里的价值最大。（注意，该物品只能放或者不放，不能只放该物品的0.8这样子，非0即1，故称为01背包问题）
2023-03-14 17:07:08
286
原创 美团2021校招笔试-编程题(通用编程试题,第1场)3. 小美的外卖节省钱计划
如果使用一个二元组表示一张代金券，即需要满x元才能优惠y元，那么需要注意的是，并不是所有代金券的x都是大于等于y的，良心美团也会推出一些x
2023-03-11 16:14:48
505
原创 美团2021校招笔试-编程题(通用编程试题,第1场)2. 小美的评分计算器
美团对于商家的评价体系是1-5星评价体系，用户在完成订单之后可以对商家打1/2/3/4/5星，而在客户端上，商家的评级却不一定是整数，而是会显示小数点后的一位。这个评分的计算非常简单，就是对该商家的所有客户的星级评价做求一个平均，然后去尾法显示小数点后的一位即可，例如平均得分是3.55，则显示的是3.5。例如某商家获得了1-5星评价各一个，则显示的评分是(1+2+3+4+5)/5=3.0。输入包含5个整数，依次分别表示商家获得1星到5星的评价数量，每一种评价的数量都不大于1000。
2023-03-11 16:06:25
359
原创 美团2021校招笔试-编程题(通用编程试题,第1场)1. 小美的送花线路
小美是美团的一名鲜花快递员，鲜花是一种保质期非常短的商品，所以需要尽快送到客户手中，公司对于骑手的一个要求就是要规划送花的线路，使得骑手送完所有订单走的路程尽可能少。(骑手开始派送时带走了所有需要派送的花，不必每单后返回花店，路程结算是从花店出发，到送完最后一名客户为止，不计算从最后一名客户家回到花店的时间)公司对于骑手的绩效评价是取决于两个指标，一是从花店到所有客户地址的距离之和，另一个是骑手实际走的路程。输出包含两个整数，中间用空格隔开，分别表示花店到所有客户地址的距离之和和骑手实际走的路程。
2023-03-11 15:59:09
275
原创 982. 按位与为零的三元组
给你一个整数数组 nums ，返回其中 按位与三元组 的数目。按位与三元组 是由下标 (i, j, k) 组成的三元组，并满足下述全部条件：nums[i] & nums[j] & nums[k] == 0 ，其中 & 表示按位与运算符。
2023-03-04 10:59:57
270
原创 面试题 05.02. 二进制数转字符串
二进制数转字符串。给定一个介于0和1之间的实数（如0.72），类型为double，打印它的二进制表达式。如果该数字无法精确地用32位以内的二进制表示，则打印“ERROR”。示例1:输入：0.625输出：“0.101”示例2:输入：0.1输出：“ERROR”提示：0.1无法被二进制准确表示提示：32位包括输出中的 “0.” 这两位。题目保证输入用例的小数位数最多只有 6 位。
2023-03-02 09:49:52
176
原创 拓扑排序算法及例题
对一个有向无环图(Directed Acyclic Graph简称DAG)G进行拓扑排序，是将G中所有顶点排成一个线性序列，使得图中任意一对顶点u和v，若边∈E(G)，则u在线性序列中出现在v之前。通常，这样的线性序列称为满足拓扑次序(Topological Order)的序列，简称拓扑序列。简单的说，由某个集合上的一个偏序得到该集合上的一个全序，这个操作称之为拓扑排序。
2023-02-16 10:45:57
338
原创 Triangle Attack: A Query-efficient Decision-based Adversarial Attack
基于决策的攻击对实际应用程序构成了严重的威胁，因为它将目标模型视为一个黑箱，只访问硬预测标签。最近已经做出了很大的努力来减少查询的数量;然而，现有的基于决策的攻击仍然需要数千个查询才能生成高质量的对抗示例。在这项工作中，我们发现一个良性样本，当前和下一个对抗样本可以自然地在子空间中为任何迭代攻击构建一个三角形。基于正弦定律，我们提出了一种新的三角形攻击(TA)，利用任何三角形中较长的边总是与较大的角相对的几何信息来优化扰动。
2022-11-29 10:55:00
808
1
原创 Efficient Decision-based Black-box Adversarial Attacks on Face Recognition
近年来，由于深度卷积神经网络（CNN）的巨大改进，人脸识别取得了显着进展。然而，深度 CNN 容易受到对抗性示例的影响，这可能会在具有安全敏感目的的现实世界人脸识别应用程序中造成致命的后果。对抗性攻击被广泛研究，因为它们可以在部署之前识别模型的漏洞。在本文中，我们评估了最先进的人脸识别模型在基于决策的黑盒攻击设置中的鲁棒性，其中攻击者无法访问模型参数和梯度，而只能获取硬标签通过向目标模型发送查询来进行预测。这种攻击设置在现实世界的人脸识别系统中更实用。
2022-11-17 19:10:30
1413
原创 Geometrically Adaptive Dictionary Attack on Face Recognition
基于cnn的人脸识别模型虽然有了显著的性能提高，但容易受到对抗性扰动的影响。最近的研究表明，对手可以欺骗模型，即使他们只能访问模型的硬标签输出。然而，由于需要许多查询来查找难以察觉的对抗噪声，因此减少查询的数量对于这些攻击是至关重要的。在本文中，我们指出了现有的基于决策的黑箱攻击的两个局限性。我们观察到它们浪费了对背景噪声优化的查询，而且它们没有利用为其他图像生成的对抗性扰动。我们利用3D人脸对齐来克服这些限制，并提出了一种针对人脸识别的查询高效黑箱攻击的通用策略，称为几何自适应字典攻击(GADA)。
2022-10-27 15:53:22
570
原创 CIAGAN: Conditional Identity Anonymization Generative Adversarial Networks
我们在图2中展示了CIAGAN的完整示意图。Pose preservation and temporal consistency姿势保持和时间一致。我们建议使用基于地标的输入面部(或身体)表示。这有两个优点:它确保了姿势保存，这在跟踪等方面特别有用;在处理视频时，它提供了一种简单但有效的方法来保持时间一致性。Conditional GAN有条件的GAN。我们利用GANs的生成能力来产生逼真的结果。标准的检测和跟踪系统能够应用于生成的图像而不损失精度是很重要的。自然，这些逼真的人脸很容易被检测出来。
2022-10-15 18:31:58
1316
原创 Simulating Unknown Target Models for Query-Efficient Black-box Attacks
为了研究深度神经网络的安全问题，已经提出了许多对抗性攻击方法。在黑箱设置下，当前模型窃取攻击训练一个替代模型来伪造目标模型的功能。然而，训练需要查询目标模型。因此，查询的复杂性仍然很高，这类攻击很容易防御。本研究旨在训练一个称为“模拟器”的广义替代模型，它可以模拟任何未知目标模型的功能。为此，我们通过收集现有各种网络攻击时产生的查询序列，构建多任务形式的训练数据。该学习过程在元学习中使用了基于均方误差的知识蒸馏损失，以最小化模拟器和采样网络之间的差异。
2022-09-28 16:00:33
825
原创 unity2d转微信小程序报错
Building Library\Bee\artifacts\WebGL\build\debug_WebGL_wasm\build.js failed with output:报错处理
2022-09-27 14:55:12
5867
1
原创 LOWKEY: LEVERAGING ADVERSARIAL ATTACKS TO PROTECT SOCIAL MEDIA USERS FROM FACIAL RECOGNITION
可以绕过人脸识别系统的对抗扰动已经被提出了，然而，现有的（对抗）方法在全面系统和商业api上失败了。我们开发了我们自己的对抗性滤波器，它包括整个图像处理流程，并且对包括人脸检测和大规模数据库在内的工业级流程非常有效。此外，我们发布了一个易于使用的网络工具，显著降低了Amazon Rekognition和Microsoft Azure人脸识别API的准确性，将它们的准确性降低到1%以下。......
2022-08-29 17:50:46
773
原创 WIN11安装visual studio2019出现“无法下载安装文件，请检查Internet连接，然后重试”
WIN11安装visual studio2019出现“无法下载安装文件，请检查Internet连接，然后重试”
2022-07-18 10:25:35
2485
3
原创 ADVERSARIAL EXAMPLES IN THE PHYSICAL WORLD
ADVERSARIAL EXAMPLES IN THE PHYSICAL WORLD物理世界中的对抗性例子大多数现有的机器学习分类器极易受到敌对示例的攻击。一个敌对的例子是输入数据的样本，该样本经过了非常轻微的修改，旨在导致机器学习分类器对其进行错误分类。在许多情况下，这些修改可能非常细微，以至于人类观察者根本没有注意到修改，但分类器仍然会出错。对抗性示例会带来安全问题，因为它们可能被用来对机器学习系统进行攻击，即使对手无法访问底层模型。到目前为止，所有以前的工作都假设了一个威胁模型，在该模型中，对手可以
2022-06-13 18:13:11
1011
1
原创 Tensor Distance based Multilinear Multidimensional Scaling for Image and Video Analysis
Tensor Distance based Multilinear Multidimensional Scaling for Image and Video Analysis基于张量距离的多线性多维尺度图像和视频分析
2022-06-02 14:54:23
138
原创 Tensor Distance Based Multilinear Locality-Preserved Maximum Information Embedding
Tensor Distance based Multilinear Multidimensional Scaling for Image and Video Analysis基于张量距离的多线性局部保持最大信息嵌入摘要：本文提出了一种基于张量的降维（dimensionality reduction，DR）统一框架，该框架采用了一种新的张量距离（tensor distance，TD）度量和一种新的多线性局部保持最大信息嵌入（multilinear locality-preserved maximum
2022-06-01 11:12:27
240
原创 CRLBP： Completed robust local binary pattern for texture classification
CRLBP： Completed robust local binary pattern for texture classification用于纹理分类的完备鲁棒局部二值模式原文地址：https://www.sciencedirect.com/science/article/pii/S0925231212008545?via%3Dihub摘要原始的局部二进制模式（LBP）描述符有两个明显的缺点，即对噪声敏感，有时倾向于用相同的二进制码来描述不同的结构模式，这将不可避免地降低其可分辨性。为了克服这两
2022-05-25 17:47:21
454
原创 BRINT: A binary rotation invariant and noise tolerant texture descriptor
原文地址：https://ieeexplore.ieee.org/document/6738053BRINT：一种二进制旋转不变的抗噪声描述符
2022-05-22 17:13:39
610
原创 LBP算法及其改进算法
LBP指局部二值模式，英文全称：Local Binary Pattern，是一种用来描述图像局部特征的算子，LBP特征具有灰度不变性和旋转不变性等显著优点。本文介绍了LBP算法以及其部分扩展算法
2022-05-19 17:34:24
9956
1
原创 Ubuntu18.04升级cuda
起因nvidia-smi与nvcc --version版本不一致原因参考https://blog.csdn.net/weixin_39518984/article/details/111406728实验需要更高版本的cudatensorflow cuda cudnn版本对应参考 https://blog.csdn.net/weixin_45184581/article/details/124583991卸载旧的cudasudo /usr/local/cuda-9.0/bin/uninsta
2022-05-05 14:01:45
1804
原创 tensorflow cuda cudnn版本对应
参考https://tensorflow.google.cn/install/sourceLinuxCPUGPUmacOsCPUGPUWindowsCPUGPU
2022-05-05 10:44:07
1388
原创 Ubuntu18.04安装驱动后nvidia-smi仍然报错
起因安装了nvidia驱动后，用nvidia-smi命令仍然报错NVIDIA-SMI has failed because it couldn't communicate with the NIVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.尝试在软件和更新中修改驱动，如果找不到软件和更新，可以搜索 software&update之前使用的不是推荐的驱动，改一下，然后重启。然
2022-04-11 10:10:27
1671
3
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