Dedication_的博客

注：用C++遍历文件夹参考https://www.youkuaiyun.com/gather_26/NtTaIg3sODctYmxvZwO0O0OO0O0O.html#include"pch.h"#include <iostream>#include <fstream>#include <io.h>#include <string>#inclu...

注意问题：1.智能合约注释有三种 //， /…/， *2.保存文件要加上你想要变成文件的后缀，eg: “.txt”#include"pch.h"#include <fstream> #include <iostream>using namespace std;void trans(const char *,const char *);int mai...

DISK提取网络的鲁棒性分析1.对少量图片作均值滤波处理import cv2import osdata_path = '/home/julia/test_images'save_path = '/home/julia/images_gauss'if not os.path.exists(save_path): os.mkdir(save_path)img_list = os.listdir(data_path)for i in range(len(img_list)):

代码：import numpy as npimport cv2from matplotlib import pyplot as plt# 建立sift模型sift = cv2.xfeatures2d.SIFT_create()# 读入图片img = cv2.imread('1.jpg')# 灰度处理图像gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# kp是关键点 des是描述子kp, des = sift.detectAndCompute(

小论文大数据安全与隐私保护关键词： 数据安全 隐私保护 密码学摘要：本篇论文讲述了上课所学习到的大数据的机遇和网络安全的挑战、大数据带来的网络安全和用户隐私问题以及大数据带来的网络安全和用户隐私问题的对策。另外，课程还讲到了一些关于密码学的知识，我就参考了上课笔记和网上的知识进行了总结。概述：本篇论文第一部分第一节讲述了大数据分析挖掘的价值与机遇，同时提及了大数据安全的现状与挑战...

摘要1.由于特征点的提取和匹配的离散化，提取局部特征的框架很难进行端到端的学习。2.作者提出了一种基于强化学习的策略梯度的提取局部特征的框架，其通过端到端优化实现了很高的特征匹配度。3.该简单却强有力的概率模型使得训练和推理更加接近，特征提取更加密集，挑战了“什么是好的关键点”的传统假设。4.本文提供了在三个公共基准场景下进行图像匹配的先进实验结果。上图为SIFT和DISK在SFM下的特征提取图（右）和三维重建图（左）。其中，SIFT模型为图像匹配中基础的模型，而SFM算法是一种三维重建算法。可

查阅心得：现在大多都是对强化学习进行攻击的论文，很少能找到用强化学习进行攻击的论文，利用强化学习对图像领域进行攻击的论文更是少之又少。强化学习本身是为了让机器人学习得更好，若利用强化学习进行攻击，实际可能是将“强化”部分的算法用在对抗之上。但是查阅过程中发现了三篇用强化学习处理图像的论文，它们主要是利用RL处理图像实现1)图像失真复原2）自动实现图像增强 3）让机器人自动合成图像。论文题目：Crafting a Toolchain for Image Restoration by Deep Reinf

综述：算法首先把源代码按照其自身的结构进行分段提取，然后对各个分段进行部分代码变换，再以带权重的编辑距离为相似度量标准对这些符号进行序列聚类，得到相似的程序代码片段，以达到对源程序进行相似功能检测的目的。本文提取的是源代码中的功能段，也就是功能函数。定义：1.序列1和序列2的编辑距离：序列S1经过插入，删除，替代等操作变换成序列S2所需要的最少操作次数2.S1与S2的签名距离：取某字母在...