企业安全防护与大数据实践.pdf 广告业务域攻击手法剖析.pdf 模板注入与_FLASK.pdf 甲方的代码审计系统建设.pdf
2022-02-06 13:00:18 12.34MB 安全 安全架构 风险评估 安全对抗
生成对抗神经网络matlab代码表征签名验证的对抗性示例 该存储库包含用于评估对基于 CNN 和基于 LBP 的模型的攻击的代码 [1],以及用于评估 CNN 训练的两种防御机制(Madry 防御 [2] 和 Ensemble 对抗性训练 [3])的脚本。 [1] Hafemann、Luiz G.、Robert Sabourin 和 Luiz S. Oliveira。 “表征和评估离线手写签名验证的对抗性示例”() [2] Madry, A.、Makelov, A.、Schmidt, L.、Tsipras, D. 和 Vladu, A.,2017 年。走向能够抵抗对抗性攻击的深度学习模型。 [3] Tramèr, F.、Kurakin, A.、Papernot, N.、Goodfellow, I.、Boneh, D. 和 McDaniel, P.,2017 年。整体对抗训练:攻击和防御。 安装 首先安装包如下: pip install git+https://github.com/luizgh/sigver.git --process-dependency-links 下载(或克隆)此
2022-02-04 10:53:17 171KB 系统开源
1
深度学习-对抗生成网络实战(GAN)课程,全程实战解读各大经典GAN模型构建与应用方法,通俗讲解论文中核心知识点与整体网络模型架构,从数据预处理与环境配置开始详细解读项目源码及其应用方法。提供课程所需全部数据,代码,PPT。 第1章 对抗生成网络架构原理与实战解析 第2章 基于CycleGan开源项目实战图像合成 第3章 stargan论文架构解析 第4章 stargan项目实战及其源码解读 第5章 基于starganvc2的变声器论文原理解读 第6章 starganvc2变声器项目实战及其源码解读 第7章 图像超分辨率重构实战 第8章 基于GAN的图像补全实战 第9章 基础补充-PyTorch卷积模型实例
2022-01-29 20:42:28 742B 深度学习 GAN PyTorch
1
模仿学习就是希望机器能够通过观察模仿专家的行为来进行学习。OpenAI,DeepMind,Google Brain目前都在向这方面发展。
2022-01-27 11:38:00 21.53MB 深度学习 GAN 生成对抗网络 模仿学习
1
非常适合雷达对抗着学,希望能帮助到广大雷达对抗专业爱好者。这里面详细讲述了雷达电子战系统建模过程,及相关公式推导。
2022-01-22 20:58:10 7.2MB 雷达对抗
1
入门到实践应用的生成对抗网络GANs的文档,代码资源整合
2022-01-22 15:09:48 177.21MB GANs资源
1
GJB 5394-2005 电子对抗装备电源设备通用要求:本标准规定了通用电子对抗装备电源设备的分类、基本要求和电站、稳压电源、蓄电池及不间断电源的要求。
2022-01-21 09:03:03 2.71MB 电子对抗 电源设备 通用要求
1
Matlab的耳语反向交叉熵训练 反向交叉熵训练(RCE)是一种新颖的训练方法,它可以学习更多区分特征的表示形式以检测对抗性示例。 技术细节在以下内容中指定: (NeurIPS 2018) 庞天宇,杜超,董银鹏和朱俊 训练 我们提供有关MNIST和CIFAR-10的培训代码。 我们的代码基于。 先决条件: 安装TensorFlow 1.9.0(Python 2.7)。 下载/数据集。 如何运行: 使用RCE在MNIST上训练ResNet-32的示例: python train.py --train_data_path= ' mnist_dataset/data_train.bin ' \ --log_root=models_mnist/resnet32 \ --train_dir=models_mnist/resnet32/train \ --dataset= ' mnist ' \ --num_gpus=1 \ --num_residual_units=5 \ --mode=train \ --Optimizer= ' mom ' \ --total_steps=20000 \ --
2022-01-20 21:36:33 55KB 系统开源
1
石墨烯能带matlab代码GAN_石墨烯 信息: 作者 吴楚汉 董元 建林城 健林 电子邮件 介绍: 此Repo包含Deep Learning Bandgaps of topologically Doped Graphene -- Graphene GAN part Chuhan Wu论文防御项目Deep Learning Bandgaps of topologically Doped Graphene -- Graphene GAN part的源代码,其中包含用于预测石墨烯超单元结构的算法(GrapeheneGAN GAN [GraGAN])。 同时,它包含石墨烯超级电池的最新数据(4by4:13018,5by5:79647,6by6:6382)。 数据分发(4by4和5by5数据): DeepGraphene是一项跨学科研究,针对带隙值预测问题实施了机器学习方法。 它将不同类型的石墨烯超级电池结构描述为二维矩阵,他们利用这些数据来训练GraGAN。 因此,我们可以基于其带隙值预测石墨烯超级电池的结构。 GraGAN目的: 根据我们要创建的带隙值,我们可以创建各种高质量的石墨烯超级单
2022-01-20 11:50:42 4.06MB 系统开源
1
描述整个情节发生在“某处”。大城市和村庄被吓坏了,吸血鬼和狼人,发动袭击,奴役世界。站起来站在一边,并表明谁是谁。 落实: 1)登记、入境、出境。 2)种族统计。 (3)人员、统计、统计、培训、参考系统 (4)狩猎。 5)报告制度。 (6)名列前茅。 要求:PHP,MySQL,HTML
2022-01-19 19:05:56 61KB 对抗V1wap游戏源码