logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

如何安装Claude code,并将其集成在pychram

下载CC-switch:这一步是让 Claude Code 使用国产大模型(Deepseek、Minimax、智谱等)的关键。输入指令:/context可以看到确实是100万上下文tokens。1.终端输入:claude code启动Claude code。下一步进行API key的配置与充值(deepseek)创建一个API key 复制创建好的key。输入:/effort 切换思考等级。输入:

#pycharm
cursor终端的配置+使用anaconda虚拟环境

1.点击这里显示终端2.找到配置终端设置3.点击图标,看到settings.json内容。,里面定义了终端和一些编辑器行为4.内容粘贴为以下内容:// 定义终端配置文件},},},"WSL": {},// 设置默认终端为 CMD// 可选:自动保存文件→ Windows 默认 CMD→ Git for Windows 自带的 Bash shell每个 terminal profile 都定义了路径

文章图片
Combining Graph Neural Networks with Expert Knowledge for Smart Contract Vulnerability Detection

步骤方法模块意义作用1安全模式提取引入领域知识让模型知道哪里是危险区域而不是盲目学习。2程序图构建将代码转化为3种语义关系图:控制流、数据流、回退。转变:代码文本——》程序性为构建图3图规范化普通GNN有一个致命问题:信息传播是平权的,所有节点被平等对待。这样不太合理,我们应给予重要节点更高的重视。通过移除普通节点和回退节点,并将其语义信息高效聚合至最近的核心节点,实现了合约图的规范化,从而提升图

文章图片
#神经网络#智能合约
Slither

现有智能合约分析工具虽然基于静态或动态分析技术,但普遍存在抽象层级不合理、鲁棒性不足、性能较低、误报率高以及缺乏开箱即用检测能力等问题;同时受限于 Solidity 编译生态支持不足,工具扩展性受限。Slither 的提出旨在构建一个具备合理抽象层级、高鲁棒性、高性能与高准确性,并内置常用分析与检测器的开源静态分析框架。 Slither是一个用Python 3编写的智能合约静态分析框架,提供如下功

#区块链
E: 无法下载 https://mirrors.aliyun.com/ubuntu/.../python3-setuptools_59.6.0-1.2ubuntu 错误 403 禁止访问

2.下载源 /etc/apt/sources.list。1.笔者所用Ubuntu版本如下,这里想安装pip3。3.开始安装pip3。

文章图片
#ubuntu#pip
cursor终端的配置+使用anaconda虚拟环境

1.点击这里显示终端2.找到配置终端设置3.点击图标,看到settings.json内容。,里面定义了终端和一些编辑器行为4.内容粘贴为以下内容:// 定义终端配置文件},},},"WSL": {},// 设置默认终端为 CMD// 可选:自动保存文件→ Windows 默认 CMD→ Git for Windows 自带的 Bash shell每个 terminal profile 都定义了路径

文章图片
Agent4Vul: multimodal LLM agents for smart contract vulnerability detection

在Web 3.0生态系统下,智能合约漏洞已成为区块链系统安全的一个重大威胁。根据近期研究,大型语言模型(LLMs)在智能合约安全审计方面已展现出巨大潜力,但在有效漏洞检测方面仍能力不足。因此,如何利用LLMs的能力来有效提升智能合约漏洞检测的性能,仍然是一个关键挑战。在本文中,我们提出了Agent4Vul,一个利用多模态LLM智能体来增强智能合约漏洞检测的新型框架。具体而言,我们设计了两个基于LL

文章图片
Ananconda的安装和使用,以及pytorch安装

指定路径安装:conda create --prefix E:\dev\anaconda\envs\my_env python=3.10。打开应用中的anaconda下的Anaconda Promot,查看拿到了conda 版本。1.下载地址:https://www.anaconda.com/download/conda create --name 名字 python=版本。在anaconda p

#pytorch#python
Agent4Vul: multimodal LLM agents for smart contract vulnerability detection

在Web 3.0生态系统下,智能合约漏洞已成为区块链系统安全的一个重大威胁。根据近期研究,大型语言模型(LLMs)在智能合约安全审计方面已展现出巨大潜力,但在有效漏洞检测方面仍能力不足。因此,如何利用LLMs的能力来有效提升智能合约漏洞检测的性能,仍然是一个关键挑战。在本文中,我们提出了Agent4Vul,一个利用多模态LLM智能体来增强智能合约漏洞检测的新型框架。具体而言,我们设计了两个基于LL

文章图片
到底了