如何使用计算机视觉检测钓鱼攻击?

沃尔玛成钓鱼攻击首选目标:高仿真品牌钓鱼的攻防解析与防范指南 网络钓鱼攻击是一种利用社会工程学手段,通过伪造合法实体(如知名品牌)来诱骗用户泄露敏感信息的网络犯罪形式。其核心原理在于攻击者利用品牌信任作为杠杆,通过克隆网站、伪造邮件等技术手段,低成本地获取用户凭证或财务信息。这类攻击的技术价值在于其高回报率和低技术门槛,使得它成为网络犯罪的主要手段之一。在应用场景上,零售、金融、科技等拥有庞大用户基数和品牌影响力的行业尤为常见,攻击者常利用促销季、系统升级等时机进行精准投放。本文以沃尔玛为例,深入剖析了高仿真钓鱼攻击的完整链条,包括攻击者的成本收益分析、技术实现细节( 阅读详情

无论你是喜欢、还是厌恶、亦或害怕,以ChatGPT为代表的新兴人工智能(AI)平台,目前正在更加深入地迈向公共领域。它们不仅表现为各种聪明的聊天机器人,而且能够在幕后以多种创新方式被广泛使用。其中,最为典型一种方式是,我们可以使用AI驱动的计算机视觉(computer vision,CV),作为单独的一个网络安全的层面,持续协助抵御网络钓鱼攻击。
在这里插入图片描述

什么是计算机视觉?

众所周知,ChatGPT和Bing Chat等工具会使用庞大的文本数据库,对用户的输入生成类似人类的响应。而计算机视觉虽然在概念上类似于GPT-4等大语言模型,但是它仅在大量的图像数据存储库中,使用到了相似的概念。同时,正如AI聊天机器人背后的大语言模型,能够通过使用深度学习,来理解上下文等因素那样,CV使用深度学习,来理解图像的相关上下文。因此,计算机视觉可以被描述为:具有“计算机速度”的人类视觉功能。

如何使用计算机视觉来检测网络钓鱼攻击

如今,网络钓鱼攻击已经成为了欺诈者采用的最为广泛的网络攻击策略之一。鉴于此类威胁正在变得越来越复杂,而传统检测方法的迭代与更新速度较为缓慢,计算机视觉旨在补足“传统的黑名单编录时间过长”这一短板。

通常情况下,钓鱼网站从启动到被列入黑名单,至少需要数小时的时间。而这段时间间隔,足以让它给网络环境造成大量的破坏。

就技术层面而言,计算机视觉既不单一依赖黑名单,也无需检测被嵌入的恶意代码。相反,它会使用多种技术,来标记出可疑的项目。其典型的检测流程为:

首先,它会从相关电子邮件、网页、以及其他可能包含威胁的来源处,收集各种图像。

然后,计算机视觉技术会进行四类主要的检测与处理,其中包括:Logo/商标检测、对象/场景检测、文本检测、以及视觉搜索。

最后,CV使用被称为“风险元素聚合”的检测对过程进行深入检查,并将相关检测结果标记为可疑项目。

下面,让我们来深入讨论CV是如何通过四类主要检测,来发现网络钓鱼的攻击线索。

Logo/商标检测

品牌欺骗(Brand spoofing)是诈骗者最常使用的技术手段。通过程序代码,计算机视觉可以将那些被诈骗者常用的logo、电子邮件的具体内容、以及它们的优先级结合起来。例如,一封被标记为紧急且带有某银行logo的电子邮件,更容易被判定为具有极强的欺诈性。在此基础上,计算机视觉会根据CV数据库中的相关记录,进一步检验logo的真实性。

对象检测
诈骗者通常也会通过图形与代码的混淆技术–“muddy the waters”,将按钮或表格等对象转换为图形,以便绕开安全防护系统对于文件和字符的检查。当然,此类加密脚本往往只能在电子邮件或网站显示之后,方可执行表单创建等操作。

而对象检测则会在呈现网站或电子邮件后,立即寻找视觉线索。它甚至可以检测诸如按钮或表单等图形格式的对象。同时,它也会在电子邮件或网站呈现之前,去检查各种已加密的元素。

文本检测
为了对文本进行相应地伪装,诈骗者还会用到一系列策略与技术,其中包括:

在页面或电子邮件被呈现时,将被删除的随机字母予以有针对性的单词填充。
通过拼写错误来掩饰特殊意义的单词。一个常见的例子是login一词,它可以很容易地被通过将L换成大写的I,来进行伪装,即:Iogin。直接将文本转换为图形。
对此,计算机视觉可以使用文本分析(类似光学字符识别,但比其更为强大),来检测密码、帐户详细信息、以及login等触发词。同样,由于它运行在呈现之后,因此可以有效地扫描和捕获到所有的文本。

视觉搜索
作为反网络钓鱼工具包的重要部分,视觉搜索主要依赖于已录入的数据参考。其工作原理是:在图像数据库中保存了已知合规图像(known good images,KGI)和已知不良图像(known bad images,KBI)的模板。然后,据此信息来执行比较,以检测并发现异常情况。

不过,类似于那些依赖黑名单进行比较分析的安全检测系统,视觉搜索的效果主要取决于给定的数据。

计算机视觉可以作为独立的网络钓鱼防护系统吗?

简单而言,答案是“不一定。”目前,计算机视觉虽然仅能作为一个额外的安全层,为企业和组织提供一种可行的选择,但是在持续使用过程中,计算机视觉能够作为后台守护进程,实时地扫描网络中、以及主机上的各种对象,而无需像过去那样,仅依赖那些更新滞后的黑名单、或代码威胁检测机制。可以说,在“魔高一尺,道高一丈”的、诈骗者和安全专家之间的军备竞赛中,它显然可以让企业在信息安全态势上,先欺诈者“一手”。

计算机视觉是反网络钓鱼武器的未来发展方向吗?

虽然计算机视觉在反网络钓鱼领域,不太可能产生类似AI驱动的聊天机器人那样巨大的影响,但它已经在被称为技术采用曲线的概念上取得稳步进展。就在不久之前,某大型企业已开始大举投入该技术领域,并将其作为基于云端的解决方案或本地服务,为其网络基础架构保驾护航。借助云计算的优势,在不久的将来,会有更多的企业通过订阅服务的方式,从任何位置获取此类反网络钓鱼服务。

计算机视觉即保护

虽然像计算机视觉之类颠覆性较小的技术,目前尚未能频繁登上新闻头条,但是它正在幕后悄悄地在掀起波澜。我们能够在个人电脑上使用到此类服务,增强抗网络钓鱼攻击的能力,也将只是时间问题。

iMessage钓鱼攻击深度剖析:从信任链瓦解到多层防御实战 网络钓鱼是一种利用社会工程学窃取用户凭证的常见攻击手段,其核心原理在于伪造可信界面诱导用户输入敏感信息。在移动安全领域,钓鱼攻击的技术价值在于其高隐蔽性和低技术门槛,能有效绕过传统基于漏洞的防御体系。随着移动通信应用的普及,钓鱼攻击的应用场景已从传统邮件扩展到即时通讯工具。本文聚焦于一种针对苹果生态的高级复合型钓鱼攻击,该攻击精巧地利用了iMessage的通信渠道和用户对苹果服务的信任,通过伪造与iOS原生UI高度一致的钓鱼页面实施凭证窃取。攻击链涉及精准诱导、界面伪造、凭证中转及持久化控制等多个阶段,其成 阅读详情

相关推荐

动态UUID钓鱼攻击:机制拆解与多层防御体系构建

网络钓鱼是一种通过伪造信任关系窃取敏感信息的常见网络攻击。其核心原理是利用社会工程学,诱导受害者访问恶意页面并提交凭证。随着攻防对抗升级,攻击技术不断演进,其技术价值在于能绕过传统基于静态特征(如URL黑名单)的防御体系,实现更高的隐蔽性和成功率。当前,高级钓鱼攻击已广泛应用于针对企业员工、高价值个人的精准渗透场景。本文聚焦于利用**动态UUID**(通用唯一识别码)作为会话标识符的高级钓鱼攻击变种。攻击者为每次攻击生成唯一链接,实现了攻击链的**状态管理**与反溯源,使得传统防御手段失效。文章将深入剖析其

weixin_33716941的博客 413

2021-04-25

LSB隐写分析 任意比例的LSB嵌入率分析LSB隐写分析基于视觉攻击的LSB隐写分析分解灰度图抽取最低位平面任意比例嵌入率的分析基于卡方检验的LSB隐写分析原始图像与载密图像的灰度直方图对比卡方检测分析任意比例嵌入率的卡方检测分析 基于视觉攻击的LSB隐写分析 视觉攻击是指利用人的视觉感知特性来判断载密图像异常变化。LSB替换选用最低位平面来嵌入秘密信息,最低位平面对图像的视觉效果影响最轻微。因此,可以从图像的最低有效位组成的图像中判断是否有隐藏消息。图像的LSB和最高位以及其他点有一定的关系,特别是对自然

weixin_46605806的博客 1510

ClickFix钓鱼攻击新变种深度剖析:如何绕过MFA与防御策略

网络钓鱼是一种利用社会工程学手段,通过伪造可信来源诱导用户泄露敏感信息的攻击方式。其核心原理在于利用人类心理弱点,如信任、紧迫感和权威性,绕过技术防护措施。在身份安全领域,多因素认证(MFA)被视为提升账户安全的关键技术,通过结合密码(你知道的)与动态验证码(你拥有的)来防御凭证泄露。然而,高级钓鱼攻击通过构建高度仿真的钓鱼页面,诱导用户在虚假界面输入包括MFA验证码在内的全套凭证,实现了对MFA的“实时中间人”绕过,凸显了单纯依赖技术的局限性。这种攻击常利用OneNote、Google Docs等受信任的

weixin_30448603的博客 374

毕业设计:基于机器学习的钓鱼网站自动检测方法

钓鱼网站检测的有效方法,主要采用机器学习技术对钓鱼网站进行自动识别。通过收集和分析大量钓鱼网站样本,提取其特征,并构建分类模型进行训练和测试。在钓鱼网站检测中的准确率和召回率均较高,能够有效提升识别能力。对于计算机专业、人工智能专业、大数据专业、信息安全专业、软件工程专业、的毕业生而言,不论是对于对深度学习技术感兴趣的同学,还是希望探索机器学习、算法或人工智能的领域的同学,都能为您提供丰富的选题资源和灵感。

Hai_Lang_IT的博客 2211

计算机视觉中的对抗攻击与防御技术研究

在当今的计算机视觉领域,深度学习模型已经取得了巨大的成功,比如在图像识别、目标检测等任务中表现出色。然而,这些模型并非无懈可击,存在着容易受到对抗攻击的问题。本文章的目的就是要深入研究计算机视觉中的对抗攻击以及相应的防御技术,让大家了解攻击是如何发生的,又该如何去抵御这些攻击,范围涵盖了对抗攻击的原理、防御的方法以及相关的代码实现和实际应用等方面。文章首先会介绍相关的核心概念,用通俗易懂的例子让大家明白对抗攻击和防御到底是什么。接着详细讲解对抗攻击的算法原理和具体操作步骤,还会给出相应的数学模型和公式。

AI算力网络与通信的博客 1111

27、基于深度学习的标志钓鱼网站检测与攻击研究

本文研究了基于深度学习的标志钓鱼网站检测方法及其面临的攻击威胁。文章提出了一种新型基于生成对抗扰动(GAP)的攻击方法,能够欺骗标志识别模型和真实用户。同时,文章引入了两种新的标志识别解决方案——ViT和Swin Transformer模型,并证明其性能与现有暹罗模型相当。通过实验和用户研究,验证了攻击的有效性和模型的脆弱性,进一步探讨了潜在对策和未来研究方向。

f9g0h的博客 132

基于图像分析的QR码钓鱼攻击检测与防御机制研究

通过构建包含真实钓鱼样本的数据集,结合OpenCV与ZBar等开源工具实现QR码提取与内容解析,进一步引入URL信誉评估、域名异常检测及邮件元数据关联分析模块,显著提升对隐蔽性QR码钓鱼邮件的识别率。同时,工业界虽有部分安全厂商推出初步的QR码扫描防护功能,但其检测逻辑多依赖静态规则库,难以应对动态生成的恶意内容。为应对上述挑战,本文提出一种分层式Quishing检测框架,涵盖图像预处理、QR码定位与解码、内容风险评估及上下文关联四个核心模块,整体架构如图1所示(注:此处为文字描述,实际论文应配图)。

598

21、基于深度学习的标志钓鱼检测与对抗攻击

本博文探讨了基于深度学习的标志钓鱼检测方法及其面对对抗攻击的脆弱性。研究引入了两种基于Transformer的标志识别模型(ViT和Swin),并与传统的Siamese和改进的Siamese++模型进行对比评估。同时,提出了一种生成对抗扰动框架,用于生成能够逃避钓鱼检测的对抗性标志,并在实验中验证了攻击的有效性和模型的鲁棒性。研究结果为钓鱼检测系统的安全性和防御策略提供了重要参考。

f9g0h的博客 52

微信钓鱼攻击的跨境演化与企业防御机制研究

近年来,针对微信的网络钓鱼活动呈现显著的国际化趋势——攻击者不再局限于中文语境下的本地诈骗,而是主动适配英语及其他语言,瞄准在华经营或与中国有业务往来的跨国企业员工。本文旨在填补这一研究空白,通过技术还原、攻击模拟与防御建模,揭示微信钓鱼攻击的运作机制,并为企业提供可落地的安全治理建议。实际上,大多数攻击者并不动态生成二维码,而是预先注册多个微信账号,手动截取“我的二维码”图片,再通过钓鱼模板批量替换。企业微信作为微信的B2B版本,支持组织架构同步、聊天存档、审批流集成,是更安全的替代方案。

893

13、基于计算机视觉的网络钓鱼检测研究

本研究探索了基于计算机视觉的网络钓鱼检测方法,利用迁移学习和表示学习技术,结合多种预训练CNN架构(如DenseNet201、VGG、ResNet等)对Phish-IRIS公开数据集进行多类别分类。通过特征提取、SMOTE处理、PCA降维及特征融合等策略,构建了多个机器学习与深度学习模型。实验结果表明,采用DenseNet201在512×512图像尺寸下提取特征并使用SVM分类器的模型表现最优,真阳性率达90.8%,F1分数为90.9%,优于现有最优模型。研究为钓鱼网站的自动识别提供了高效解决方案,并提出了

spark7igniter的博客 89

Verilog流水线CPU设计(超详细)

快把这一篇给更了

Ace Cheney的博客 7万+

LinkedIn精准钓鱼攻击防御:从社交工程到自动化检测实战

网络钓鱼攻击是网络安全领域常见的社交工程手段,其核心原理是利用人性弱点与信任关系,诱导受害者泄露敏感信息或执行恶意操作。随着传统广撒网式钓鱼效果下降,攻击者转向基于开源情报(OSINT)的精准化攻击,通过深度研究目标职业背景、人脉网络制作高仿真诱饵,大幅提升欺骗成功率。这类攻击的技术价值在于其低成本、高隐蔽性和强针对性,常被用于窃取商业机密、入侵企业网络或实施金融诈骗。在职业社交平台如LinkedIn上,攻击者利用平台公开资料构建目标画像,结合域名仿冒、页面克隆和心理操控技术,实施难以察觉的定向攻击。本文聚

weixin_33766805的博客 313

从理论到实践:使用Sigrity SystemSI完成DDR4信号完整性仿真全流程解析

本文详细解析了使用Sigrity SystemSI完成DDR4信号完整性仿真的全流程,从核心挑战到实战操作。文章深入探讨了DDR4信号完整性问题,介绍了SystemSI工具链的演进与分工,并提供了从前期准备到高级技巧的详细指南,帮助工程师有效解决DDR4设计中的信号完整性问题。

weixin_30505225的博客 512

摩纳哥银行业钓鱼攻击特征与防御机制研究

本文基于摩纳哥金融监管机构公开通报及技术分析数据,系统梳理此次攻击的技术路径、社会工程策略与受害模式,并提出一套融合前端感知、行为分析与后端响应的多层防御框架。与传统广撒网式钓鱼不同,此次攻击展现出高度专业化、本地化与上下文感知能力:攻击者不仅精准模仿摩纳哥主流银行(如Banque Privée Edmond de Rothschild、Monaco Banque)的邮件模板与法语措辞,还针对用户近期交易行为定制诱饵内容。防御的有效性最终取决于细节的严谨性,而非概念的宏大性——这正是本研究的核心立场。

614

TwinCAT3新手必看:5分钟搞定EtherCAT从站PDO动态配置(附电流变量添加技巧)

本文为TwinCAT3新手提供了EtherCAT从站PDO动态配置的快速入门指南。文章详细解析了Process Data Object(PDO)在实时数据交换中的核心作用,并分步演示了在TwinCAT3工程中扫描从站、动态添加与映射PDO(包括接收PDO和发送PDO)的完整操作流程。重点分享了如何灵活添加并监控如电机实际电流等关键工艺变量的高级技巧,并针对不同品牌驱动器的兼容性问题提供了实用的调试心法和解决方案,帮助工程师快速上手并优化工业自动化系统。

xgboost6farmer的博客 454

二进制、八进制、十六进制、十进制转换详解

二进制是计算机的语言,正如我们使用汉语表达与交流信息一样,任何信息在计算机中都以二进制的形式存储和计算。了解二进制与十进制等进制之间的转换方法,有助于我们了解计算机内部的数字计算过程,可以帮助我们在一定程度上理解信息在计算机中的编码和解码过程。本文先简单介绍位置化数字系统的概念,然后详细讲解二进制、八进制、十六进制、十进制之间的转换方法与原理。

2301_81674797的博客 2098

品牌仿冒型钓鱼攻击的演进机制与多维防御策略研究

因此,深入研究品牌仿冒型钓鱼攻击的演进机制,揭示其背后的技术原理与基础设施依赖,并构建适应新形势的防御体系,已成为网络安全领域亟待解决的关键问题。同时,利用AI驱动的网页生成工具,攻击者可以抓取目标品牌的官方网站,自动克隆其HTML结构、CSS样式和图片资源,并在几分钟内生成一个功能完备的钓鱼站点。Digit.fyi的报告指出,这类邮件往往包含精确的倒计时计时器或红色的警告图标,旨在制造恐慌,迫使受害者在未加思考的情况下采取行动。真正的安全应该是由系统默默提供的,而不是压在用户肩上的重担。

351

机器人控制入门

机器人控制入门 对于工科领域来说,脱离实践的学习都是肤浅的,对于控制这种强调经验的技术更是如此。如果去问一个程序员怎么学习一块技术,他必然让你去多编程。机器人领域也是。如果想把基本功打扎实,那么实践更是必不可少了。 机器人控制有三个元素:控制器(算法),执行器(电机),传感器; 控制的本质就是将规划系统的指令作为输入信息,将传感器探测得到的状态信息和导航系统的定位

彼岸花 1万+

企业钓鱼攻击防御:从技术对抗到行为风险建模

钓鱼攻击作为社会工程学攻击的典型手段,已成为企业网络安全的最大威胁之一。其核心原理是利用人类认知偏差和心理弱点,绕过传统基于特征码检测的安全防护体系。通过行为风险建模和动态训练系统,可以显著提升组织对钓鱼攻击的防御能力。具体实现路径包括构建钓鱼仿真平台,运用计算机视觉算法分析用户交互行为,以及建立持续更新的攻击样本库。某金融集团实施该方案后,钓鱼邮件点击率下降87%,应急响应时间缩短95%。这种将安全防线前移到员工认知决策层的创新方法,为应对人为漏洞提供了有效解决方案。

weixin_30735745的博客 365

在 SAP ECC 中定义 ledger 时遇到 “Define exactly one leading ledger“(消息号 FAGL_LEDGER_CUST012)的错误

摘要:SAP系统要求必须且只能定义一个主导分类账(Leading Ledger)。当出现错误消息FAGL_LEDGER_CUST012时,需通过事务码FINSC_LEDGER或SPRO路径检查分类账配置,确保仅有一个分类账被标记为"LeadingLedger",其余设为"Non-leadingLedger"。主导分类账是SAP默认用于标准报表的核心分类账,修改配置需谨慎以免影响已有数据。若问题未解决,建议检查未完成配置或查阅SAP Notes获取解决方案。

金牌架构师 802

基于STM32与FPGA的数据采集系统的设计与实现

数据采集系统在现代工程中起着至关重要的作用,用于实时获取和处理各种传感器或外部设备的数据。在本文中,我们将探讨如何基于STM32微控制器和FPGA(现场可编程门阵列)实现一个高效的数据采集系统。我们可以使用STM32的UART、SPI或I2C接口与各种传感器或外部设备进行通信,并通过GPIO口实现控制功能。在硬件连接完成后,我们可以通过STM32控制FPGA的配置和数据传输。STM32作为主控单元负责与外部设备进行通信和数据处理,而FPGA则用于高速数据采集和实时处理。具体的通信协议取决于连接的设备类型。

UbiSqlserver的博客 1797

毕业设计:基于信息安全的钓鱼网址URL检测模型研究

基于特征提取的钓鱼网址URL检测模型,通过分析URL结构和内容特征,自动识别潜在的钓鱼网址。从大量URL数据中提取关键特征,应用统计方法选择最具代表性的特征,降低特征维度,确保模型的高效性。采用多种机器学习算法进行训练,包括逻辑回归、支持向量机和深度学习模型(如CNN、LSTM)。通过交叉验证评估模型性能,确保在训练过程中有效控制过拟合。对于计算机专业、人工智能专业、大数据专业、信息安全专业、软件工程专业、的毕业生而言,不论是对于对深度学习技术感兴趣的同学,还是希望探索机器学习、算法或人工智能都能提供灵感

毕设帮助,疑难解答,欢迎打扰! 1035

K8s-K8s部署Zookeeper+Kafka+ELFK+持久化数据

K8s环境下容器化部署`Zookeeper+Kafka+ELFK`日志收集系统

✅ 专注企业级 Linux/DevOps 运维的实战派 ✅ 已输出上百篇可落地方案 ✅ Shell 脚本开箱即用 ✅ K8s/YAML 环境验证 ✅ 故障排查链路完整复现 1917

AI驱动钓鱼攻击下的用户行为防御机制研究

在此基础上,提出一种以“用户认知缓冲”为核心的防御范式,强调在高压力、时间敏感场景下培养用户的“停顿—验证”行为习惯,并结合技术控制手段构建纵深防御体系。然而,随着生成式人工智能(Generative AI)技术的成熟,攻击者已能自动化生成高度逼真的钓鱼内容,不仅在视觉上复刻目标品牌的UI/UX,在语言风格上亦可精准模仿特定组织内部的沟通语境,形成所谓“氛围钓鱼”(vibe phishing)。本文提出的“停顿—验证”模型,通过在关键时刻提供上下文相关的核验指引,有效弥补了人类在时间压力下的认知盲区。

910

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

Quishing 二维码钓鱼攻击识别技术与多层防御体系实证研究

移动互联网普及背景下,二维码已渗透办公、消费、公共服务全场景,依托二维码载体演化的 Quishing 钓鱼攻击,凭借低门槛、高隐蔽、全渠道传播的特征快速扩张,对政企云账户安全、民众个人金融信息安全形成持续性威胁。本文以 ZDNet 专题报道披露的真实攻击场景、攻击特征为核心实证素材,补充近年安全厂商监测的 Quishing 黑产运作数据,完整拆解线上、线下两类攻击技术链路,配套自动化检测代码,构建分层、可落地的全域防御体系,弥补现有研究实操性不足、场景覆盖不全的缺陷。

212

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

基于myGov仿冒的医疗钓鱼攻击链分析与防御架构

本文以澳大利亚近期爆发的针对myGov及Medicare系统的短信钓鱼(Smishing)浪潮为研究案例,深入剖析了攻击者如何利用公众对公共服务的高度依赖、紧急情境下的心理恐慌以及移动通信协议的信任机制,构建高成功率的攻击链条。然而,这一字段在传输过程中是未经加密签名的,且极易被篡改。我们需要关注的是域名的注册行为(如注册时间极短、注册人信息隐藏、DNS记录异常)、页面的结构指纹(如特定的JavaScript混淆模式、表单提交逻辑)以及网络流量的行为特征(如异常的TLS握手模式、向非官方IP的数据回传)。

346

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: ChatGPT中文版提示词学习手册, 学完工作效率提升百倍!
下一篇: ChatGPT最强对手,实测却输给了文心一言!
老贾的AI世界
博客等级 码龄7年 3335粉丝 254原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

老贾的AI世界

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值