自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(33)
  • 收藏
  • 关注

原创 3_借助大模型辅助内容生产-大模型ACP模拟题-真题

当你希望使用 Qwen-Max 来生成一个关于“学习率是深度学习中重要的超参数”的插图提示词时,以下哪个选项最佳?在使用 FFmpeg 和 MoviePy 进行音视频处理时,下列哪几项操作是可以实现的?使用基于 Markdown 的工具 Marp 创建演示文稿时,以下哪些做法是推荐的?若想将冗长的课程文本提炼成简洁的 PPT 脚本要点,以下哪种 Prompt 更有效?下列关于大规模语言模型如 GPT 的陈述哪些是正确的?关于当前主流的文生视频模型,以下哪些描述是正确的?

2025-02-28 19:54:37 382

原创 2.9 部署模型-大模型ACP模拟题-真题

正确命令需指定加载格式(safetensors)和端口号。:函数计算FC提供Serverless GPU服务。:Serverless服务通常按实际调用量计费。:PAI-EAS专为实时推理和自动扩缩设计。:边缘设备处理简单任务,云端处理复杂计算。:云端部署资源动态调整,但管控权较低。:本地部署数据处理在本地,延迟更低。:私有云需投入维护成本且扩展性有限。:百炼专注闭源模型托管和资源管理。:四种均为阿里云官方部署方案。参数指定测试持续时间。

2025-02-27 07:27:00 663

原创 2.8 通过微调提升模型的准确度与效率-大模型ACP模拟题-真题

量化通过降低参数精度减少资源消耗,但对精度影响较小(<2%):训练集loss下降但验证集loss上升是典型过拟合表现。:增大dropout和早停是有效手段,C/D与题意无关。:学习率过大或数据异常是常见原因,增加训练会恶化问题。:ROUGE通过n-gram重叠率计算R/P/F1。:LoRA通过添加额外参数而非修改原权重实现微调。:前三项均为模型压缩技术,D项会增大模型。:PEFT通过参数冻结或低秩分解提升效率。:参数融合可避免运行时额外计算开销。:数据需准确、多样、均衡且可迭代。

2025-02-27 07:21:32 702

原创 2.6 用插件扩展答疑机器人的能力边界-大模型ACP模拟题-真题

Planner Agent负责分析用户输入并将任务分发给其他Agent,起到调度作用。:将Planner Agent返回的列表字符串转换为可操作的列表对象。:核心步骤为工具定义、Agent创建和映射绑定。:百炼提供画布式工具和仿真测试,但仍需配置逻辑。:Multi-Agent擅长处理多步骤协作任务。:请假功能由leave_agent专门处理。:系统由规划、执行、总结三类Agent构成。:测试需覆盖功能映射、任务路由和输出质量。:工具定义需包含名称、描述和参数规范。:系统设计灵活,可与多种技术栈集成。

2025-02-27 07:11:59 765

原创 2.7 大模型RAG内容安全合规检查-大模型ACP模拟题-真题

C_customized标识用户自定义规则匹配结果。:服务支持词库、规则和阈值配置,不支持修改底层模型。:合规流程应优先过滤用户输入风险,再处理模型输出。:备案要求算法合规和内容管控,不涉及开源和日报。:OCR提取文字后进行文本合规检测是核心步骤。:流程需先召回topK结果再进行权限过滤。:访问控制聚焦权限管理,不涉及内容修正。:文本检测主要依赖规则匹配和语义模型。:分辨率转换不属于合规检测核心需求。:异步处理需先提交任务再查询结果。:敏感信息需权限控制防止越权访问。:缩略图生成不属于核心检测流程。

2025-02-27 07:11:25 1300

原创 2.5 优化RAG应用提升问答准确度-大模型ACP模拟题-真题

在实践中,单纯升级Embedding模型就可能显著提升检索质量。过多的无关信息还会降低大模型回答的效率和准确性。可以在每次模型调用时传入相同的seed值。先生成假想答案文档,再用于检索真实文档。

2025-02-26 21:31:25 690

原创 2.4 自动化评测答疑机器人的表现-大模型ACP模拟题-真题

aliyun_acp_learning/大模型ACP认证教程/p2_构造大模型问答系统/2_4_自动化评测答疑机器人的表现.ipynb at main · AlibabaCloudDocs/aliyun_acp_learning · GitHub

2025-02-26 21:29:14 1102

原创 2.3 优化提示词改善答疑机器人回答质量-大模型ACP模拟题-真题

答案: “【】”、“<< >>”、“###”来标识关键要素,用“===”、“---”来分隔段落,或者使用xml标签如。来对特定段落进行标识。

2025-02-26 07:23:50 871

原创 2.2 扩展答疑机器人的知识范围-大模型ACP模拟题-真题

答案:LlamaIndex提供了SimpleDirectoryReader方法,可以直接将指定文件夹中的文件加载为document对象,对应着解析过程。答案: index.storage_context.persist("knowledge_base/test")模型生成的回复内容,需符合 SYSTEM 的设定规则。设定对话的全局规则、背景和助手行为模式,代表用户输入的问题或指令,驱动对话进程。(通常位于对话开头)

2025-02-26 06:58:37 968

原创 (0)阿里云大模型ACP-考试回忆

这两天通过了阿里云大模型ACP考试,由于之前在网上没有找到真题,导致第一次考试没有过,后面又重新学习了一遍文档才顺利通过考试,这两次考试内容感觉考试题目90%内容是覆盖的,后面准备分享一下每一章的考题,方便大家学习。(只能尽力回忆一下😂,会列举一下重要的知识点)

2025-02-25 21:59:03 483

原创 2.1 用大模型构建新人答疑机器人-大模型ACP模拟题-真题

2.1 用大模型构建新人答疑机器人-模拟题-真题,阿里云大模型ACP-考试回忆,包含10题, 下这些考题都是大部分基于AI生成

2025-02-25 21:57:37 542 1

转载 03 SpringBoot(数据校验)

1. 引用SpringBoot 项目中用到了参数校验,而 Spring 的参数校验库为 validation-api ,所以直接在项目中进行了引用<dependency> <groupId>javax.validation</groupId> <artifactId>validation-api</artifactId> <version>2.0.1.Final</version></de

2021-05-29 16:18:18 149

转载 02 SpringBoot (yml配置和properties配置)

yml配置编写一个实体类 person@Component //注册bean到容器中public class Person { private String name; private Integer age; private Boolean happy; private Date birth; private Map<String,Object> maps; private List<Object> lists;

2021-05-29 15:59:48 284

转载 01 SpringBoot学习 (第一个项目)

新建一个springboot项目回顾什么是SpringSpring是如何简化Java开发的什么是SpringBootHello,World项目结构分析:编写一个http接口回顾什么是SpringSpring是一个开源框架,2003 年兴起的一个轻量级的Java 开发框架,作者:Rod Johnson 。Spring是为了解决企业级应用开发的复杂性而创建的,简化开发。Spring是如何简化Java开发的为了降低Java开发的复杂性,Spring采用了以下4种关键策略:1、基于POJO的轻量级和最

2021-05-29 14:31:58 244

原创 RocketMQ 出现connect to null failed

1.我们使用官方的快速搭建WindowsThe guide is working for windows 10 , please make sure you have powershell installed.Download latest binary release. and extract zip file into your local disk. Such as: D:\rocketmqAdd Environment VariablesYou need set environment v

2021-05-18 15:52:23 11100 3

转载 redis反序列化异常 导致的 未知错误 (已解决)

在此处配置了redis的键值对的序列化格式之后,发现可以以规定格式存入redis,但是往出取的时候会出现异常,debug之后发现是类型转换错误,网上给出的解释是: 在序列化的时候默认是将目标对象以Obejct类型进行序列化的,所以如果取出来的时候可以转换成Object类型对象,但是无法装换成ItemModel对象,此时需要给Jackson2JsonRedisSerializer对象做如下配置:@Component@EnableRedisHttpSession(maxInactiveInterv.

2021-05-17 10:28:29 928

原创 Nginx高性能的原因

Nginx高性能的原因1.epoll多路复用2.master-worker进程模型3.协程机制1.epoll多路复用epoll多路复用(解决了io阻塞的问题)bio模型:一个客户端一个服务端,服务端需要等待客户端的所有信息发送过来后进行处理select模型: 例如与100个客户端进行连接,java server监听100个客户端是否有变化,若有变化则唤醒自己,循环便利100个连接,再到发生变化的一个或者多个连接,然后几进行read操作。read完后就返回。(每个都要轮询,效率低,数量有限制)epo

2021-05-16 23:15:53 307

原创 解决pyspark的 Added jobs for time问题

1.问题spark可以一直接收数据 但是不分析 2020-07-16 10:10:06 INFO JobScheduler:54 - Added jobs for time 1594894206000 ms2020-07-16 10:10:08 INFO JobScheduler:54 - Added jobs for time 1594894208000 ms2020-07-16 10:10:10 INFO JobScheduler:54 - Added jobs for time..

2020-07-16 22:56:59 1006 2

原创 解决使用DevStack 安装 OpenStack 重启后br-ex失效的问题

问题描述:虚拟机ubuntu16.04安装完openstack重启后,实例不能连接外网,虚拟机有网络。参考:https://blog.youkuaiyun.com/Jmilk/article/details/89850079通过ovs-vsclt查看 发现是通过br-ex连接外网,因此将虚拟机网络设置在和br-ex同一个网段下应该就可以了,通过实...

2019-08-24 15:24:40 2212

原创 云计算安全

在《云计算环境安全综述 》和《云计算安全审计技术研究综述》、《云计算安全:架构、机制与模型评价》都有对云计算安全威胁的描述。在《云计算环境安全综述 》中将安全威胁分为3种:1.云虚拟化安全 ,窃取服务攻击可以非法窃取他人的云计算资源;恶意代码注入攻击、交叉虚拟机边信 道攻击、定向共享内存攻击和虚拟机回滚攻击都会造成敏感信息泄露或未授权访问私有云资源。2.云数据安全 ,不同于传统的计算模式,云...

2019-08-09 16:58:36 374

翻译 CDCAS: A Novel Cloud Data Center Security Auditing System

 摘要:随着企业和行业对云数据中心和虚拟化技术的日益接受,安全问题成为云计算开发和部署的关键障碍。安全审计是处理云数据中心面临的威胁的一种好方法。但是传统的审计不再适用与云环境。在这篇文章中,我们设计、实现、和评估了CDCAS, 一种新型的云数据中心审计系统,这与云数据中心的可扩展性和效率要求相匹配。在该系统中,我们设计了一个分布式、自治的代理模型,该模型可以由一组动态生成的规则来控制,以...

2018-12-28 16:35:53 473

翻译 基于数据挖掘

日志数据挖掘 11.1概述       传统的日志分析需要专业的1知识,通过数据挖掘,它们能够发现日志文件中与安全相关的有趣模式,而不需要确切知道我们所要找的。11.2数据挖掘简介       在数据库和计算机科学中也称为知识发现,是发现大量数据中有趣以及有用模式和关系的过程,该邻域结合了统计和人工智能的工具以及数据库管理,以分析大的数据集。       发现数据库中隐...

2018-12-20 12:21:57 884

翻译 日志过滤 规范化

原始日志数据 过滤:在过滤阶段我们搜索关心和不关心的日志消息。对于不关心的日志消息可以抛弃 规范化:我们获得原始的数据,将各个格式映射为一个公共的格式。 对于关联步骤很重要,。原始数据规范化时,它的结果通常称为事件,规范化的另一个步骤是分类,也就是将日志消息转换为更有意义的信息块。 关联:关联通常导致当很多组单独出现时将不重要的事件标记出来。这里连接和那里一次失败登陆,在加上其他地方...

2018-12-19 20:24:13 1265

翻译 日志关联

  被关联的状态或者联系;具体地说:现象或者事务之间、数学变量或者统计变量之间存在着某种联系,它们倾向与同时变化、相互联系或者同时发生,而这种同时发生的事情不被认为是偶然的。 对于日志分析来说:我们将多个相似或者不相似的事件联系起来,形成对更大事件将要发生的认识,而不是简单的关注单一事件,从而得到所发生的情况的不完整视图。 可以通过某种语言创建规则来实现,这些规则建立了安全和网...

2018-12-19 12:02:30 999

翻译 关联算法分类

基于规则的方法主要通过规则匹配,优点是准确率高,缺点在于很难分析出未知的安全事件, 基于数理统计方法主要通过对实时数据的统计确定正常值的范围,优点的可以发现未知的安全事件,缺点是设定统计量阈值较难,安全事件类型也难于区别。 基于有学习能力的数据挖掘方法是建立挖掘模型并不断改进迭代和调整,优点的可以减少规则手工编码和经验成分,缺点是算法复杂,要求较高...

2018-12-09 17:35:31 767

翻译 审计

审计是什么审计:验证系统或者过程是否如预期般运行的过程。 安全审计:是对计 算机系统和计算机网络中的各种信息进行实时采集、分析,以查证是否发生安全事件的一种安全技术。 云安全审计的分类 目前的研究热点是关于云服务上数据的安全性。 系统审计:通过系统审计可以发现越权、操作失误等异常行为,或者寻找追踪攻击者留下的痕迹。网络审计通过网络审计可以发现 流量截获/...

2018-12-08 15:19:45 502

翻译 云计算

云计算是一种基于互联网的新兴计算模式,通过将各 种互联的计算资源进行有效整合并实现多层次的虚拟化与抽象,以可靠服务的形式提供给用户,从而将用户从复杂的底层 硬件、软件和协议校中解放出来。 云计算可以认为包括以下几个层次的服务:基础设施即服务(IaaS),平台即服务(PaaS)和软件即服务(SaaS)。IaaS:基础设施即服务IaaS(Infrastructure-as-a- Ser...

2018-12-08 15:06:14 180

翻译 日志分类

1.操作系统日志(1)它们可用于入侵检测,成功或者失败攻击通常会留下独特的痕迹(2)对事故的响应很有用  2.网络守护进程日志  3.应用程序日志(1)应用程序用户活动(2)特权用户日志(3)关键的例行活动日志(4)重新配置4.网络基础设施日志包括路由器、交换机和其他组成网络、将桌面和服务器绑定在一起的设备。(1)登陆和注销(...

2018-12-07 21:07:23 8129

原创 linux中的sgid

情境模拟题一:假设系统中有两个帐号,分别是 alex 与 arod ,这两个人除了自己群组之外还共同支持一个名为 project 的群组。假设这两个用户需要共同拥有 /srv/ahome/ 目录的开发权,且该目录不许其他人进入查阅。 请问该目录的权限配置应为何?请先以传统权限说明,再以 SGID 的功能解析。目标:了解到为何专案开发时,目录最好需要配置 SGID 的权限! 前提:多个帐号支持...

2018-11-12 11:28:00 2270

原创 挂载点的意义

将文件系统与目录树结合的动作我们称为『挂载』。如图u盘的挂载点i_node为1/ 的挂载点i_node为二说明 他们两个在不同的分区

2018-11-07 16:05:31 681

原创 tcp 多路复用实现 两个客户端之间的通信

/*******************************服务器端 ****************************/#include #include #include #include #include #include #include #include #include #include #define BACKLO

2017-11-03 15:39:06 3585

原创 数据库,程序,gui的实现

import javax.swing.*;import java.io.IOException;import java.awt.*;import java.awt.event.*;import java.io.FileWriter;import java.sql.CallableStatement;import java.sql.Connection;impor

2017-10-29 16:55:23 2138

转载 jdbc连接数据库,并查询,调用存储方法

package SQL;import java.awt.event.ActionEvent;import java.sql.CallableStatement;import java.sql.DriverManager;import java.sql.PreparedStatement;import java.sql.ResultSet;import java.sq

2017-10-29 16:52:48 542

基于大型语言模型的自动化威胁狩猎框架Thelma:提升网络安全的最后一公里交付

内容概要:本文介绍了名为Thelma的威胁狩猎增强型语言模型框架,旨在利用大型语言模型(LLMs)自动化威胁狩猎过程。Thelma采用两个LLMs,一个用于优先排序威胁假设,另一个用于生成具体的威胁狩猎查询。该框架通过迭代周期进行威胁检测与响应,从假设优先级到查询执行再到环境状态更新,直至所有潜在威胁被排除。研究展示了即使经过少量提示调优和微调,LLMs也能有效推理环境并生成适用于不同设备的威胁狩猎查询。此外,Thelma还利用了现有的威胁狩猎手册作为训练数据源,提高了对复杂威胁的适应性和灵活性。 适合人群:从事网络安全领域的研究人员和技术专家,尤其是关注自动化工具和方法来提高威胁检测效率的专业人士。 使用场景及目标:① 自动化威胁狩猎过程中最后的手工步骤,减少人工干预;② 提高威胁检测的速度和准确性,特别是对于复杂的新型威胁;③ 支持跨平台的威胁狩猎任务,降低标准化成本。 其他说明:尽管当前版本的Thelma已经显示出良好的性能,但未来的工作将集中在扩大训练集规模以及改进LLMs的推理能力上,特别是在处理异构计算环境中更为复杂的情况时的表现。

2025-03-29

威胁狩猎,研究综述,论文

威胁狩猎,研究综述,论文

2025-03-02

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除