网络安全-2019互联网安全城市巡回赛·西安站圆满收官

2019年5月11日,i春秋联合8家互联网安全应急响应中心举办互联网安全城市巡回赛西安站活动。大赛采用线上预赛加线下决赛赛制,50名精英白帽参与线下决赛,白帽子Reckfulyx获冠军。线下赛结束后举办西电沙龙,各方分享演讲。未来i春秋将推动赛事走向更多城市。

2019年5月11日,由i春秋SRC部落联合滴滴、京东、OPPO、平安、腾讯、VIPKID、WiFi万能钥匙、58,8家互联网安全应急响应中心,共同发起的互联网安全城市巡回赛暨西安电子科技大学沙龙正式举行。

上午八点半【火石计划杯】精英白帽挑战赛准时开始,参赛的白帽子们纷纷拿出挖洞绝招,经过3个小时的挖洞比拼,白帽子Reckfulyx获得了本届大赛的冠军,白帽子IT小丑和白帽子小石分别获得了亚军和季军。
在这里插入图片描述

2019互联网安全城市巡回赛采用线上预赛加线下决赛的赛制,在i春秋与8家一流互联网公司SRC的号召下,共有200余名白帽子报名参加了为期12天的线上赛。根据初赛成绩,共有50名表现优异的白帽子凭借卓绝的技术实力,成功晋级线下决赛,走入西安电子科技大学开启白帽挖洞技术的巅峰对决。

线下决赛采取抽签分组的方式展开,50名精英白帽需要对随机抽取到的漏洞检查范围进行漏洞测试。比赛开始后,赛场内不间断的传出键盘敲击声,悄然传递着这场挖洞大赛的紧张氛围,每名白帽子都高度集中,全力以赴,坚决不放过任何一处细微角落。

在这里插入图片描述

综合线上赛加线下决赛的成绩,本次挑战赛白帽子们共计提交了数百个有效漏洞,其中高、中危漏洞占有效总量38%。比赛成绩也尘埃落定,白帽子Reckfulyx获得了比赛的第一名,IT小丑获得了比赛的第二名,小石获得了比赛的第三名,楼兰、ckj123和Qclover分别获得了个人优秀奖。由梦龙、xq17、mux1ng、小石和米饭组成的白帽子团队获得了优秀团队奖。

在这里插入图片描述
西安电子科技大学网络与信息安全学院副教授张宁(右一)颁发总决赛一、二、三等奖

在这里插入图片描述
腾讯安全平台部marco(右一)、京东移动安全杜凡(左一)颁发总决赛优秀个人奖

在这里插入图片描述
滴滴SRC吴琼(右一)、OPPOSRC彭星(左一)颁发优秀团体奖

在这里插入图片描述
VIPKIDSRC小星星(左一)、WiFi万能钥匙SRC小西(左二)颁发优秀个人奖

线下赛结束后,由i春秋发起的西电沙龙也同期在西安电子科技大学内举行。西安电子科技大学网络与信息安全学院副院长豆谊博,西安电子科技大学网络与信息安全学院副教授张宁、腾讯安全平台部高级工程师marco,京东移动安全负责人杜凡,滴滴出行DSRC负责人吴琼,OPPO安全应急响应中心负责人彭星,巡回赛第一名&8家大满贯白帽子Reckfulyx,i春秋运营总监张雅弛等出席沙龙活动,并分享了主题演讲。

与学生有利的就是与高校有利的

在这里插入图片描述

西安电子科技大学网络与信息安全学院副教授张宁老师在《高校人才培养议题演讲》中说:“西电的网络安全培训形式多样,包括:实习双选会、实践基地、公开课、企业课程、项目合作、协同办赛等,我们的原则是与学生有利的就是与高校有利的。我们对学生的要求总结起来是20个字:德才兼备、打牢基础、以赛促学、兼容并包、终身学习。”

正如张宁老师所说,近年来高校越来越注重培养学生的实战能力,鼓励学生参加各种赛事活动,i春秋也愿意为网络赛事贡献一份自己的力量,我们会持续成为连接高校,互联网厂商和白帽子的纽带,培育更多网络安全从业者,为企业、为行业不断注入活水和能量,全力守护网络安全。

倾尽全力,守护更安全的互联网世界

在这里插入图片描述

未来,i春秋将会继续推动互联网安全城市巡回赛走向更多城市,与全国各地的白帽子们、高校和厂商一同去守护更安全的互联网世界。

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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