sca1p31的博客

作者：机构：期刊：计算机学报发表时间：2023 年 11 月 28 日解决问题：对目前现有的联邦忘却学习工作进行了综述。代码：综述无代码文章：http://cjc.ict.ac.cn/online/onlinepaper/wpf-202431151459.pdf数据已经成为与土地、劳动力、资本、技术等并列的重要生产要素之一. 利用数据分析挖掘数据的潜在 价值，有助于推动产业创新、技术升级和区域经济发展. 然而，在数据使用过程中，隐私泄露等风险限制了数据的 流通和共享. 因此，如何在数据流通和共享过程中保护数

XAI 旨在解释已经做了什么、正在做什么以及下一步要做什么，并揭示这些行动基于哪些信息。XAI 算法三个原则：transparency，interpretability，explainability。Transparency（透明性）——如果方法设计者能够描述和激励从训练数据中提取模型参数和从测试数据生成标签的过程，则模型是透明的。Interpretability（可解释性）——侧重于理解模型的内部工作原理，即可以理解当更改系统的输入/参数时，会发生什么 [1]。

摘要部分文章主要说明了个性化联邦学习在解决客户端异构性的重要作用，但是在联邦学习中使用 transformer 模型的工作还不完善，没有讨论联邦学习的聚合算法对 self attention 的影响。在研究 transformer 在联邦学习中的效果的过程中，本文发现 fedavg 对 self attention 有负面影响。所以提出了基于 transformer 的联邦学习框架 FedTP，该框架在学习每个客户端的自注意力的同时，聚合客户端之间的其它参数。

车联网环境下，多台车辆采集的数据通常是非独立同分布数据（non-IID），传统的联邦学习算法在non-IID数据中效果不够好。所以本文提出了FedWO，一种面向non-IID数据的车联网多阶段联邦学习机制。第1阶段采用联邦平均算法，使得全局模型快速达到一个基本的模型准确度。第2阶段采用联邦加权多方计算，依据各车辆的数据特性计算其在全局模型中的权重，聚合后得到性能更优的全局模型，同时使用传输控制策略，减少模型传输带来的通信开销。

广泛使用的Transformer架构存在一个二次复杂度问题，对资源要求较高。Transformer丢弃了重要的字节信息而保留了不必要的偏置为了解决这些问题，文章提出了NetMamba，一个高效的线性时间状态空间模型（an efficient linear-time state space model），并且还设计了一个配套的流量表示方案，用于从数据中提取有效信息并去除有偏差的信息。最后文章在6个数据集进行了评估，将推理速度提高了60倍。

最近还是在做流量分类的项目，之前试过一些CV的方法，现在想结合NLP来做一些实验。于是准备从embedding开始学习，需要了解onehot编码，同时学习一些相关的编码方式以及NLP发展过程中经典的模型和结构，在这里对整个学习过程做一个记录。

这篇论文核心也是联邦学习与区块链技术的结合，应用场景放在了CTI共享中。文章将深度学习的恶意流量检测模型的参数视为CTI，使用联邦学习进行共享，从情报共享的角度来进行文章的书写。那么在introduction与related work中就可以对CTI领域的研究进行概括总结，介绍自己的工作并进行对比，突出自己工作的创新与优点，并且形成一个表格进行清晰地对比。（从中我们可以学习到，我们如果做类似的工作可以放在其他的场景中，比如车联网CTI共享、IoT中的CTI共享等等。

论文Communication-Efficient Learning of Deep Networks from Decentralized Data是联邦学习的经典文章，提出了联邦学习经典聚合算法FedAvg，本文基于开源代码进行复现以及对代码的详细解释，适合没有相关基础的同学进行代码理解和复现

这是因为windows的文件系统会先帮你统计项目个数，然后给你可视化的进度条，也就导致项目数量太大时文件系统就会卡死，向上面那样。最后我根据一些博客并且自己试了一下，发现了一个不安装三方软件情况下最快的方法，就是在要删除文件的目录下创建批处理文件.bat执行。然后将后缀txt改为bat，然后双击运行就可以将文件夹中所有的后缀为pcap文件删掉，如果你想删其他类型的文件就修改一下就可以了。因为在做恶意流量检测的一些工作，今天遇到了一个非常难受的事情，就是如何删除数据集。先创建一个txt，输入。

这篇文章主要介绍一些关于车辆网的概念、名词以及结构，具体的每一部分都会在之后进行详细的介绍以及学习车联网系统：telematics是内置在汽车、航空、船舶、火车等运输工具上的计算机系统、无线通信技术、卫星导航装置等信息的互联网技术而提供信息的服务系统。简单地说就是通过无线网络将车接入互联网，为车主提供驾驶所必需的何种信息。通常说的telematics就是指应用无线通信技术的车载电脑系统。telematics是无线通信技术、卫星导航技术、网络通信技术和车载电脑的综合产物。T-BOX就是telematics

这一次比赛是我第一次接触AI安全甚至是第一次接触AI，所以基础很差，DNN的基本结构都不清楚，所以比赛中也只是单纯地对开源代码的使用，在算法层面完全空白，日后如果继续AI安全的学习还是要从头开始学起，把基础打牢才能更好地解决实际的安全问题。一次接触AI安全甚至是第一次接触AI，所以基础很差，DNN的基本结构都不清楚，所以比赛中也只是单纯地对开源代码的使用，在算法层面完全空白，日后如果继续AI安全的学习还是要从头开始学起，把基础打牢才能更好地解决实际的安全问题。请添加图片描述。

然后去搜了一下原因，发现是splitcap文件的版本问题，所以要去官网下载一个最新的替换掉0_Tool目录下SplitCaP_2-1中的可执行程序，下载地址：https://www.netresec.com/index.ashx?我们在使用pcap文件作为训练集时，都需要进行预处理，比如在使用CNN模型的时候，需要将pcap转为灰度图像来作为输入，我这里使用USTC-TK2016开源工具来进行处理。然后将按照github文档上写的，将USTC-TFC2016数据集移动到1_Pcap\目录下。

根据上面conda的命令激活我们创建的虚拟环境d2l，然后再下面的链接中找到对应自己计算机CUDA版本的torch和torchvision版本，然后使用pip安装（注意，一定要带上后面的哈希值，在网页中可以邮件复制链接地址即可带上这个哈希值）第一次路径时tmp临时文件的路径，第二次的路径才是保存的路径，程序安装完成后会删除tmp路径，所以两次路径不能是同样的，否则最后会被删除。首先查看自己的GPU版本，找到对应的CUDA、CUDNN版本。安装完成后，cmd输入命令。下载完成后，双击打开。

近年来，政府和商业实体迅速采用面部识别(FR)技术，引发了对公民自由和隐私的担忧。作为回应，一套广泛的所谓“反面部识别”(AFR)工具已经开发出来，以帮助用户避免不必要的面部识别。过去几年提出的AFR工具集范围广泛且发展迅速，有必要退一步考虑AFR系统的更广泛的设计空间和长期挑战。本文旨在填补这一空白，并提供了AFR研究景观的第一个全面分析。以FR系统的运行阶段为起点，我们创建了一个系统框架，用于分析不同AFR方法的优点和权衡。然后，我们考虑了AFR工具面临的技术和社会挑战，并提出了该领域未来研究的方向。

因为刚刚分配过，就简单说一下，先删除一个交换分区，然后将所有调整之前也就是最左边的分区，将大小拉满，然后点击应用，也就是那个对钩，这里不应用还是不会分配。然后就可以了，分配后的空间就和上面的图一样，已经是从20G增加到100G。因为想在kali中装一个VScode用来写PWN的利用脚本方便一点，但是在安装VScode插件时发现内存不够安装失败，准备扩展磁盘，这里踩了几个大坑记录一下。因为我在扩展硬盘之前，硬盘已经满了，所以在扩展硬盘后，会增加一些系统文件，这样就会导致开机失败，如果清理出来的空间过小。

因为最近在写代码和做一些渗透的时候经常遇到乱码的情况，而且原因各不相同，所以准备系统地学习一下编码的问题，以及实际中的应用。这篇文章是总结了网上的一些博客的内容完成的。

我们之前都是用ds：[bx]这样的形式来表示一个地址，现在我们可以用更加灵活的方法来表示一个内存地址。[bx+idata] 首先可以用[bx+idata]来表示一个偏移地址，例如[200+bx]表示在[bx]的内容加上200的地址。mov ax,[bx+200] 这里的ax = ds*16+(bx)+200，这个指令也可以写作 mov ax， [bx+200] mov ax,200[bx] mov ax, [bx].200 我们用这个方法可以完成对段地址相同但是偏移地址不同...

alien_invasion:import pygameimport sysfrom time import sleepfrom settings import Settingsfrom game_stats import GameStatsfrom ship import Shipfrom bullet import Bulletfrom alien import Alienclass AlienInvasion:#管理游戏资源和行为的类 def __init__(sel

重定向：重定向可以简单的理解为一种快速辅助粘贴的手段，从而省去了一些鼠标键盘的输入，直接在终端中使用命令时就可以顺带完成。常用的输入重定向：命令 <文件 将文件作为命令的标准输入 命令 <<分界符 从标准输入中读入，直到遇见分界符才停止 命令 <文件1>文件2 将文件1作为命令的标准输入并将标准输出到文件2 常用的输出重定向：命令 >文件 将标准输出重定向到一个文件，清空原文件 命令 2>文件 ...