永远在奔跑的学习者

使用清华源临时pip下载更新tensorflowpip install --upgrade tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple太强了，不需要换元，只用加-i https://pypi.tuna.tsinghua.edu.cn/simple

如何训练一个简单的卷积神经网络（CNN）来对CIFAR图像进行分类# 本教程演示如何训练一个简单的卷积神经网络（CNN）来对CIFAR图像进行分类。# 因为本教程使用Keras顺序API，所以创建和训练我们的模型只需要几行代码。import tensorflow as tffrom tensorflow.keras import datasets, layers, modelsimport matplotlib.pyplot as plt # Matplotlib 是一个 Python

一、研究背景应用机器学习的方法识别加密流量中的恶意行为在网络安全方面是必要的，高效、准确、实时地对互联网流量的精确分类与识别是用户行为分析、流量管理、应用安全监测、 内容计费等应用的前提和基础。随着电商、搜索和社交应用的快速发展，这些应用在流量中的比重也越来越大。众所周知，这些应用均采用应用层加密，因此加密流量在网络传输中的比重越来越大，这给流量识别和分类带来了巨大的挑战。 因加密流...

利用上下文流数据识别加密恶意软件流量blake anderson思科[email protected]摘要识别加密网络流量中包含的威胁是一组独特的挑战。监视此通信量以防威胁和恶意软件非常重要，但这样做的方式必须保持加密的完整性。由于pat-tern匹配不能对加密数据进行操作，因此以前的方法利用了从流中收集的可观测元数据，例如...

混淆矩阵混淆矩阵就是把模型对样本的预测结果统计成如下表格的形式混淆矩阵一般都是针对二分类问题，如果是多分类问题，则可以把需要关注的那个类别作为正类，其他类别作为负类，就可转化为二分类问题https://blog.csdn.net/u012386878/article/details/88884762评价分类模型的性能指标https://blog.csdn.net/sinat_299574...

Identifying Encrypted Malware Traffic with Contextual Flow Data使用上下文流数据（背景流量数据）识别加密的恶意软件流量 AISec '16Proceedings of the 2016 ACM Workshop on Artificial Intelligence and Security ...

摘要：本文总结提出了一种主流的机器学习加密流量分析的方法如何在不侵犯个人隐私的前提下，在加密流量中检测恶意攻击行为，为了找到一种切实可行的“在加密流量中检测恶意攻击行为”的方法，Infosec团队借鉴了Cisco公司高级安全研究小组（Cisco Advanced Security Research）的一个研究项目：基于NetFlows的恶意行为检测技术。研究人员用了两年的时间找到了问题的解决方...

Tensorflow快餐教程Tensorflow快餐教程(1) - 30行代码搞定手写识别https://blog.csdn.net/lusing/article/details/79965160

本文转载链接：https://blog.csdn.net/sfM06sqVW55DFt1/article/details/78728724如果你一直关注数据科学/机器学习，你就不能错过深度学习和神经网络的热潮。互联网公司正在寻找这方面的人，而且从竞赛到开源项目，都有巨额奖金。如果你对深度学习所提供的前景感到兴奋，但是还没有开始，在这里或许是你开始的第一步。在这篇文章中，我将介绍TensorF...

一、需要准备的材料1.笔记本电脑（带有摄像头的电脑）2.python3.7，pycharm第三方包的安装准备二，本文采用pip进行安装在开始菜单栏搜索dos，然后回车启动命令提示符。在python3.7的Scripts文件夹中可以找到pip.exe。在命令提示符中输入Scripts文件夹的绝对路径例：cd C:\python3.7\Scripts注：cd为Change direc...

点这里：https://blog.csdn.net/yuanlulu/article/details/92735324