不错的资源哦！

攻击树教学工具 通过用户之间的实时协作，创建用于构建攻击树威胁模型的Web工具。 使用的技术： 查看实时服务器

rsa-wiener-attack Wiener 针对小密钥的 RSA 攻击

matlab设置图片分辨率代码 Image attack recognition system based on watermark and convolutional neural networks 0x00 项目相关 项目名称 基于数字水印与卷积神经网络的图像攻击识别系统 项目背景 相关机构公布某些重要信息之后，难免会有一些不法分子别有用心，通过技术手段恶意篡改、攻击一些特殊意义的信息。如果相关人员没有识别出伪造的信息，选择信任了这些虚假的信息，就会造成难以估量的损失。 密码学手段是一种保护信息的方法，但密码学更适合端对端通讯，不适合作为一种面向大众的公开信息真实性的验证方式。而数字水印作为信息发布者认证信息的一种方式，提取数字水印更加适合让公众去检验信息来源的可靠性。 假设信息发布机构将水印嵌入在面向公众的信息中，公开的信息在人们拿到之后，如果需要对信息的真实性验证，就可以使用本产品的水印提取验证功能，了解信息是否真实是原机构发布的。根据提取水印的形变情况，消息的可靠性就可以辨识。获取到真实有效的信息，才能切实为生活带来便利，提高信息传播的水平。 项目简介 本项目结合数字水印技术

卡方攻击是隐写分析中最常见和最常用的统计攻击。 LSB 增强攻击也是该领域最广为人知的视觉攻击。 这个项目包括在java中实现这两个方法。

脸活体验证是人脸识别过程中重要的一环，主要区分真实的人脸与假脸图像，能够识别通过纸张打印，屏幕翻拍，3D模型等场景的欺骗行为。我们在算法设计阶段，尝试了不同的方法，包括SVM，LBP，深度学习等，针对单一场景或者摄像头，能够获得不错的效果，但是没有得到一个能够兼容多种摄像头的活体算法，我们将我们训练的其中一个模型开放出来，逆光等情况下效果不是很好，可以作为参考。 依赖 基于mobilenet-0.5 OpenCV 3.4.3以上 MTCNN人脸检测 凯拉斯，TF Python3 运行 python src / demo.py

Heart_Attack-EDA-预测 欢迎来到有关心脏病发作分析和预测的项目。 客观的： 问题简介 探索性数据分析（EDA）和预处理 建筑模型 描述 执行EDA并预测一个人是否容易心脏病发作。 心脏病是大多数种族和民族的主要死亡原因。 仅在美国，就有人每37秒死于心血管疾病。 从视觉和统计角度对心脏病UCI数据集进行完整分析，以获得可用于推理的重要观察结果。 根据身体的各种生物学和物理参数预测一个人是否患有心脏病使模型具有较高的准确性和精度，并可以更有把握地预测结果。 随时随地使用户和患者可以访问这些预测，以便他们可以完整了解其健康状况\ 依存关系 Python kaggle-心脏病发作分析和预测数据集pandas sklearn 数据集 用于训练和测试的数据是从Kaggle下载的“心脏病UCI”。 该数据库包含14个属性。 探索性数据分析 这是一组干净，易于理解的数据。 但是，某些

arp attack tools 关于ARP原理和理论的叙述的资源很多，大家可以在网上的搜一搜查看，本文主要是从ARP实战出发介绍一个叫“WinArpAttacker”的工具。

arp攻击源码及使用说明 arp攻击源码及使用说明 arp攻击源码及使用说明 arp攻击源码及使用说明 arp攻击源码及使用说明

该存储库包含ICML 2019论文的代码： 郭川，Jacob R. Gardner，尤荣友，Andrew G. Wilson，Kilian Q. Weinberger。 简单的黑匣子对抗攻击。 我们的代码使用CUDA 9.0和Python 3.5的PyTorch（pytorch> = 0.4.1，torchvision> = 0.2.1）。 脚本run_simba.py包含用于使用各种选项运行SimBA和SimBA-DCT的代码。 要运行SimBA（像素攻击）： python run_simba.py --data_root --num_iters 10000 --pixel_attack --freq_dims 224 要运行SimBA-DCT（低频攻击）： python run_simba.py --data_root <imagenet_