数据增强的作用/为啥要进行数据增强避免过拟合。当数据集具有某种明显的特征，例如数据集中图片基本在同一个场景中拍 摄，使用 Cutout 方法和风格迁移变化等相关方法可避免模型学到跟目标无关的信息。提升模型鲁棒性，降低模型对图像的敏感度。当训练数据都属于比较理想的状态，碰到 一些特殊情况，如遮挡，亮度，模糊等情况容易识别错误，对训练数据加上噪声，掩码等方 法可提升模型鲁棒性。增加训练数据，提高模型泛

Log4j高危漏洞原理及复现漏洞检测||复现环境查看JDK版本，发现版本小于1.8u121图3-7 查看JDK版本查看log4j2版本，发现版本在2.x <= 2.14.1内图3-8 查看log4j2版本查看代码，发现存在log4j2相关的lookup语句[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-w9LtKVys-1639577266999)(C:\Use

数据增强的作用/为啥要进行数据增强避免过拟合。当数据集具有某种明显的特征，例如数据集中图片基本在同一个场景中拍 摄，使用 Cutout 方法和风格迁移变化等相关方法可避免模型学到跟目标无关的信息。提升模型鲁棒性，降低模型对图像的敏感度。当训练数据都属于比较理想的状态，碰到 一些特殊情况，如遮挡，亮度，模糊等情况容易识别错误，对训练数据加上噪声，掩码等方 法可提升模型鲁棒性。增加训练数据，提高模型泛

计算机网络王道计算机：https://www.bilibili.com/video/BV19E411D78Q?from=search&seid=1257420731070945435定义计算机网络是一个将分散的、具有独立功能的计算机系统，通过通信设备与线路连接起来，有功能完善的软件实现资源共享和信息传递的系统。计算机系统：Win，macOS通信设备：路由线路：双绞线，电缆，电波，无线微波等

§摘要我们提出了一种高效、高质量的目标和场景图像分割新方法。通过类比经典的计算机图形学方法高效渲染像素标记任务中面临的过采样和欠采样挑战，我们发展了一个独特的视角，将图像分割作为一个渲染问题。从这个优势出发，我们提出了PointRend(基于点的渲染)神经网络模块:该模块基于迭代细分算法，在自适应选择的位置执行基于点的分割预测。PointRend可以通过在现有的最先进的模型之上构建，灵活地应用于实

网络扫描与网络侦察实验目的理解网络扫描、网络侦察的作用；通过搭建网络渗透测试平台，了解并熟悉常用搜索引擎、扫描工具的应用，通过信息收集为下一步渗透工作打下基础。系统环境：Kali Linux 2、Windows网络环境：交换网络结构实验工具： Metasploitable2（需自行下载虚拟机镜像）；Nmap（Kali）；WinHex、数据恢复软件等。实验内容、原理实验过程1、用搜索引擎Google

虚拟机VMware || 安装Kali Linux一、下载系统镜像文件1.首先下载系统镜像，进入kali官网，如下图所示。法一（推荐）：下载完成后，我们按官方文档的教程（傻瓜式安装，问题不大）来：https://www.kali.org/docs/virtualization/install-vmware-guest-vm/或者点这里image-20211004221716564法二：由于没有用法

网络嗅探与身份认证实验目的1、通过使用Wireshark软件掌握Sniffer（嗅探器）工具的使用方法，实现捕捉HTTP等协议的数据包，以理解TCP/IP协议中多种协议的数据结构、通过实验了解HTTP等协议明文传输的特性。2、研究交换环境下的网络嗅探实现及防范方法，研究并利用ARP协议的安全漏洞，通过Arpspoof实现ARP欺骗以捕获内网其他用户数据。3、能利用BrupSuite实现网站登录暴力

注意力机制注意力，很明显就是一个与人的视觉及神经有关的东西。我们看电脑的时候，总是全身心的投入其中，即是妹妹从旁边走过，你也不会注意，因为电脑屏幕里是更好看的jk妹妹。而注意力机制，就是模仿我们的大脑对图片的重点进行加权处理。注意力分为空间注意力与通道注意力空间注意力是获得H，W维度上的权值（输出是B×1×W×H），然后与feature map相乘。通道注意力则是获得C 维度上的权值（输出为B×C

入坑——机器学习CaiXiang 软件部一级保护动物这真是一个艰难迷茫的过程。。。。。相信查过一点相关资料的小伙伴，肯定知道，新人小白入坑机器学习，就是要装包，numpy , pandas等等，那我们先从装包开始入坑吧。以装numpy为例子吧！首先，打开cmd命令，输入conda env list然后就可查看有哪些虚拟环境，用conda activate xxx(虚拟环境的名字)来进入你所想要进入