Autonomous Cyber Deception: Reasoning, Adaptive Planning, and Evaluation of HoneyThings By 作者: Ehab Al-Shaer – Jinpeng Wei – Kevin W. Hamlen – Cliff Wang ISBN-10 书号: 3030021092 ISBN-13 书号: 9783030021092 Edition 版本: 1st ed. 2019 出版日期: 2019-01-02 pages 页数: (235 ) $84.99 This textbook surveys the knowledge base in automated and resilient cyber deception. It features four major parts: cyber deception reasoning frameworks, dynamic decision-making for cyber deception, network-based deception, and malware deception. An important distinguishing characteristic of this book is its inclusion of student exercises at the end of each chapter. Exercises include technical problems, short-answer discussion questions, or hands-on lab exercises, organized at a range of difficulties from easy to advanced,. This is a useful textbook for a wide range of classes and degree levels within the security arena and other related topics. It’s also suitable for researchers and practitioners with a variety of cyber security backgrounds from novice to experienced. Cover Front Matter Part I. Cyber Deception Reasoning Frameworks 1. Using Deep Learning to Generate Relational HoneyData 2. Towards Intelligent Cyber Deception Systems 3. Honeypot Deception Tactics Part II. Dynamic Decision-Making for Cyber Deception 4. Modeling and Analysis of Deception Games Based on Hypergame Theory 5. Dynamic Bayesian Games for Adversarial and Defensive Cyber Deception Part III. Network-Based Deception 6. CONCEAL:A Strategy Composition for Resilient Cyber Deception: Framework, Metrics, and Deployment 7. WetShifter:A Comprehensive Multi-Dimensional Network Obfuscation and Deception Solution 8. Deception-Enhanced Threat Sensing for Resilient Intrusion Detection 9. HONEYSCOPE: IoT Device Protection with Deceptive Network Views Part IV. Malware Deception 10. gExtractor: Automated Extraction of Malware Deception Parameters for Autononous Cyber Deception 11. Malware Deception with Automatic Analysis and Generation of HoneyResource

Davide Scaramuzza大牛写的 Introduction to Autonomous Mobile Robots (2nd) 英文版 第二版 清晰 带目录

Introduction to Autonomous Mobile Robots，英文清晰版，经典的机器人学习书籍

matlab仿真，椋鸟飞行模拟，无人机控制

自动驾驶车辆的 预测、感知、决策、控制

（点击图片观看视频） 启动 Roomba 代码的主要类是 au.com.rsutton.entryPoint.Main

自主无人机进行对象跟踪 任务是创建一种自动驾驶无人机，该无人机能够将目标对象保持在其视线中央的某种受限运动下，从而有效地对其进行跟踪。 通过使用模拟器获取被跟踪对象的实时位置（在AirSim中为Car），可以完成对象跟踪。 这种情况可能不切实际，因为在大多数情况下都不可能获得被跟踪对象的精确位置，但是足以验证受约束运动中的自动跟踪的假设。 但是，使用计算机视觉和基本几何形状的技术，可以在已知高度，标高和焦距的情况下从捕获的帧中估计对象的位置。 依存关系 张量流 OpenCV（可选） AirSim（定制货叉） 安装说明 运行git clone --recursive https://github.com/kshitiz38/autonomous_drone_for_tracking.git 注意：如果未使用--recursive标志进行克隆，请手动运行以下代码git submodule

数据融合matlab代码导航和状态估计 018827-。 教学大纲：导航过滤器，用于IMU初始化的精确方法，卫星系统和惯性导航系统集成，可测量和外部数据的信息融合，行人导航和无陀螺仪导航。 该课程的最后一个项目展示了一个完整的导航解决方案，该解决方案由EKF估计并带有带噪声的IMU和GPS传感器，并在该场景的一系列运动状态和全局状态中被声明为： 与观测值本身正在纠正的位置（z̃_GPS）不同，这里的误差会随着时间的推移而恶化，因为它们会随机行走： IMU漂移的最终和最重要的表示形式是总体轨迹，其估计路线随时间呈指数级偏离，从GT到GT： 086761-。 教学大纲：惯性和航位推算导航，概率信息融合，视觉辅助导航，同时定位和制图，Imu预集成，视觉惯性束调整，协作导航和猛击（集中式和分布式），活动状态估计和信念空间规划。 作业示范： 086759-。 教学大纲：方向参数化，导航系统中的主要坐标系，不同坐标系之间的3D刚性转换，动力学，惯性传感器，惯性导航方程式，地球模型，传感器误差特性，惯性误差表示，GNSS，Ins-GPS Ekf概述。 了解惯性导航系统的工作原理和基本方程式。 学习对

This book is the result of inspirations and contributions from many researchers and students at the Swiss Federal Institute of Technology Lausanne (EPFL), Carnegie Mellon University’s Robotics Institute, Pittsburgh (CMU), and many others around the globe.

matlab浅黄色代码自动驾驶汽车 -->Autonomous Car 专为自动驾驶而设计，始终具有先进的驾驶感应控制，可感应不同的黑白车后灯和交通灯（红色）。它还可以感应所有类型的标志牌指示和车道检测。 它仍在进行中！ 目录 一般信息 在这个项目中，MATLAB 被用作图像处理工具来检测道路上的车道。 以下技术用于车道检测。 • 颜色掩蔽 • Canny 边缘检测 • Gamma 校正 • 感兴趣区域选择 • 霍夫变换线检测 软件 --> Matlab RA 2018 设置_使用 --> 图像预处理第一步是导入视频文件并初始化代码中要使用的变量。 一些变量也从 .mat 文件中导入以在代码中使用。 --> 一帧一帧 首先读取帧并使用高斯滤波器对其进行过滤。 --> 用白色和黄色遮蔽图像 框架用黄色和白色遮蔽以完美检测车道线。 黄色面具 白色面具 --> 边缘检测 在本节中，边缘是从蒙版图像中获得的，而忽略了面积较小的封闭边缘。 --> 感兴趣区域的提取 按照项目 1 实施流程中的指导，使用 'roipoly' 函数并从帧中选择点来提取感兴趣区域。 --> 霍夫变换 在本节中，我使用了