《水獭大模型安全卫士：为大模型安全保驾护航》 摘要：随着大模型技术广泛应用，AI安全风险日益凸显。水獭大模型安全卫士(Otter LLM Guard)应运而生，提供七大核心防护能力：1）精准识别提示词注入攻击；2）阻断海绵样本的资源消耗攻击；3）AI框架流量检测；4）PII数据脱敏；5）内容合规检测；6）MCP协议异常监测；7）未知链接防护。产品采用轻量设计，支持100毫秒级实时检测，兼容多种部署

论文研究学习总体介绍和概括SQL注入的背景为什么会产生SQL注入SQL影响攻击类型传统的漏洞注入技术传统的注入技术的缺陷基于SVM的SQL注入漏洞挖掘技术数据集处理模型选择模型的建立总体介绍和概括这篇文章，首先从介绍SQL注入的背景入手，这里点到了产生原因、影响、攻击类型和传统的漏洞注入技术。然后提出基于机器学习的 SQL 注入漏洞挖掘方法，这里的指的是利用SVM来对数据集进行分类回收。最后用实验

人工神经网络ANN的算法总结前言卷积神经网络后续前言人工神经网络（Artificial Neural Network，ANN），也简称神经网络，是众多机器学 习算法中比较接近生物神经网络特性的数学模型。人工神经网络通过模拟生物神经网络 （大脑）的结构和功能，由大量的节点（或称“神经元”，或“单元”）和之间相互联接构 成，可以用来对数据之间的复杂关系进行建模。深度学习（deep neural netw

测试Sigmod、 relu 和tanh函数的表达式及取值范围什么是精确率、准确率、召回率、f1值为什么要将数据归一化/标准化？为什么Dropout可以解决过拟合？特征选择的方法Sigmod、 relu 和tanh函数的表达式及取值范围引入激活函数是为了增加神经网络模型的非线性。如果不用激励函数，每一层输出都是上层输入的线性函数，无论神经网络有多少层，输出都是输入的线性组合，这种情况就是最原始的感

本文，处于对一次测试地总结，深感自己对自己专业的名词，特别是一些不常见的名词，感觉比较吃力，为了方便自己学习，也为了给大家提供便利，遂写本文。

人工神经网络ANN的算法总结前言卷积神经网络后续前言人工神经网络（Artificial Neural Network，ANN），也简称神经网络，是众多机器学 习算法中比较接近生物神经网络特性的数学模型。人工神经网络通过模拟生物神经网络 （大脑）的结构和功能，由大量的节点（或称“神经元”，或“单元”）和之间相互联接构 成，可以用来对数据之间的复杂关系进行建模。深度学习（deep neural netw

数据结构：逻辑结构：线性表，树形结构，图形结构，集合物理结构：顺序存储，链接存储，散列存储，索引存储。数组和链表的区别：数组是从栈中分配空间的，具有固定的长度，方便读取记录，不易增删；链表是从堆中分配空间的，不定长，方便对数据元素的增删，不易读取。快速排序：选取一个基准元素，通过排序将待排序的元素划分为独立的...