WordPress 图片优化和压缩插件:Smush 优化图像,打开延迟加载,调整大小,压缩和提高您的Google页面速度,使用令人难以置信的强大且100%免费的WordPress图像扫描器,由WPMU DEV的超级团队带给您!文章源自知更鸟-https://zm 05-04 684 0
判断 WordPress 文章中有特定短代码时加载脚本 短代码是WordPress常用的功能,虽然目前已被区块所取代,但还是普遍应用中。有些短代码会用到JS脚本,但又不想全局加载,可以用下面的代码实现,添加短代码时仅在当前页面加载JS脚本 05-04 488 0
4HOU_新闻 训练AI模型来对抗恶意行为所面临的挑战 训练分类器来检测欺骗和滥用其实就是处理对抗数据。有对抗数据的话,主要会面临4个挑战:一是滥用的应对将变成一个非静态化的问题;二是很难搜集到准确的训练数据;三是需 2024-01-151评论
4HOU_新闻 Gmail应用RETVec可提高对垃圾邮件分类的正确性 Gmail、YouTube、Google Play等应用系统都依赖文本分类模型来识别有害内容,包括钓鱼攻击、不适当的评论内容和垃圾邮件。机器学习模型很难对此类文 2024-01-110评论
4HOU_新闻 训练AI模型来对抗恶意行为所面临的挑战 训练分类器来检测欺骗和滥用其实就是处理对抗数据。有对抗数据的话,主要会面临4个挑战:一是滥用的应对将变成一个非静态化的问题;二是很难搜集到准确的训练数据;三是需 2024-01-110评论
AnQuanKeInfo 基于量化截断机制的隐写分析模型 前言 随着隐写术的发展,有越来越多的恶意分子结合恶意代码技术应用它到下载器、应用程序图标中,从而严重危害了客户、政府、国家的安全。基于此,本文提出了一个基于量化 2023-12-012评论
AnQuanKeInfo 利用注意力过滤网络检测音频重放攻击 攻击者可能会使用各种技术来欺骗自动语音验证系统( automatic speaker verifification),以使其接受他们为真实用户。同时,反欺骗方法 2023-12-012评论
AnQuanKeInfo 9月4日每日安全热点 - 最新漏洞利用 使用Firepower防御加密的DejaBlue 漏洞 VulnerabilityBitbucket 6.1.1目录穿越到RCE分析 http://t.cn/AiRCAAY6Linux Kernel fs/gf 2023-11-301评论
AnQuanKeInfo 基于量化截断机制的隐写分析模型 前言 随着隐写术的发展,有越来越多的恶意分子结合恶意代码技术应用它到下载器、应用程序图标中,从而严重危害了客户、政府、国家的安全。基于此,本文提出了一个基于量化 2023-11-300评论
AnQuanKeInfo 欺骗自动监控摄像头:利用对抗性图像块攻击人体检测 在过去的几年中,对机器学习模型的对抗攻击越来越引起人们的兴趣。通过仅对卷积神经网络的输入进行细微更改,可以输出完全不同的结果。最初的攻击是通过稍微改变输入图像的 2023-11-301评论
AnQuanKeInfo 利用注意力过滤网络检测音频重放攻击 攻击者可能会使用各种技术来欺骗自动语音验证系统( automatic speaker verifification),以使其接受他们为真实用户。同时,反欺骗方法 2023-11-302评论
AnQuanKeInfo 基于量化截断机制的隐写分析模型 前言 随着隐写术的发展,有越来越多的恶意分子结合恶意代码技术应用它到下载器、应用程序图标中,从而严重危害了客户、政府、国家的安全。基于此,本文提出了一个基于量化 2023-11-302评论
AnQuanKeInfo 欺骗自动监控摄像头:利用对抗性图像块攻击人体检测 在过去的几年中,对机器学习模型的对抗攻击越来越引起人们的兴趣。通过仅对卷积神经网络的输入进行细微更改,可以输出完全不同的结果。最初的攻击是通过稍微改变输入图像的 2023-11-301评论
AnQuanKeInfo 利用注意力过滤网络检测音频重放攻击 攻击者可能会使用各种技术来欺骗自动语音验证系统( automatic speaker verifification),以使其接受他们为真实用户。同时,反欺骗方法 2023-11-301评论
AnQuanKeInfo 安全新动向:微软与英特尔合作探索恶意软件分类新方法 通过深度学习(机器学习框架中的一种算法)来进行威胁检测是一个大胆且有效的创新。如今 Microsoft Threat Protection已经成功通过多个基于深 2023-11-300评论
AnQuanKeInfo 基于RNN的分类器利用局部特征和复杂符号序列检测隐蔽的恶意软件 第一节. 导言 嵌入式硬件计算技术在计算机系统中的大量应用,使得系统安全成为一个不可或缺的问题。在多种安全威胁中,恶意软件因其设计、制作和传播到设备中的复杂性相 2023-11-291评论
AnQuanKeInfo 利用电磁侧信道对移动设备进行屏幕嗅探攻击 本文介绍了屏幕嗅探(Screen Gleaning),这是一种TEMPEST(Transient Electromagnetic Pulse Emanation 2023-11-290评论
4HOU_新闻 训练AI模型来对抗恶意行为所面临的挑战 训练分类器来检测欺骗和滥用其实就是处理对抗数据。有对抗数据的话,主要会面临4个挑战:一是滥用的应对将变成一个非静态化的问题;二是很难搜集到准确的训练数据;三是需 2023-11-250评论
AnQuanKeInfo 大型企业中反钓鱼小组的工作总结:以意大利电信为例 电子邮件威胁形势在不断发展,即使是运营商级的垃圾邮件过滤器也难以抵御。因此,危险的垃圾邮件可能会到达用户,然后导致破坏性攻击在公司网络中传播。本文描述了一种在大 2023-11-240评论
AnQuanKeInfo 针对恶意软件分类器的可解释性后门投毒攻击 用基于机器学习 (ML) 的恶意软件分类的训练通常依赖于众包威胁源,从而暴露自然攻击注入点。在本文中研究了基于特征的 ML 恶意软件分类器对后门投毒攻击的敏感性 2023-11-241评论
AnQuanKeInfo 对抗补丁(Adversarial Patch)攻击 前言 说起AI的安全风险,除了耳熟能详的对抗样本之外,你还能想起什么攻击手段呢?本文介绍一种类似于对抗样本,但在特定方面,危害程度比对抗样本更强的攻击方案,即对 2023-11-240评论
AnQuanKeInfo 对抗向善:防御成员推理攻击 前言 在成员推理攻击中,攻击者训练一个二分类器,该分类器将目标分类器预测的数据样本的置信度分数向量作为输入,预测该数据样本是目标分类器训练数据集的成员数据还是非 2023-11-242评论
AnQuanKeInfo 对抗向善:防御成员推理攻击 前言 在成员推理攻击中,攻击者训练一个二分类器,该分类器将目标分类器预测的数据样本的置信度分数向量作为输入,预测该数据样本是目标分类器训练数据集的成员数据还是非 2023-11-2416评论
AnQuanKeInfo HBC隐私攻击 前言 一般的机器学习系统应用于分类任务时,就是给定一个测试样本,然后返回一个标签,或者说是属性。比如对于MNIST来说,就是给一张手写体数字图像,分类器返回0~ 2023-11-246评论
AnQuanKeInfo HBC隐私攻击 前言 一般的机器学习系统应用于分类任务时,就是给定一个测试样本,然后返回一个标签,或者说是属性。比如对于MNIST来说,就是给一张手写体数字图像,分类器返回0~ 2023-11-240评论
AnQuanKeInfo 针对社交网络中恶意滥用账户的分类检测 在线社交网络 (OSN, Online Social Network) 会吸引攻击者通过滥用帐户(Abusive Account)进行恶意活动。作为反制措施,O 2023-11-242评论
AnQuanKeInfo 谷歌2023年将在Android 13推隐私沙盒测试版 近日,谷歌宣布将从2023年初开始在数量有限的Android 13设备上推出隐私沙盒系统。据悉,Android隐私沙盒是谷歌今年2月推出的一组技术,旨在限制对用 2023-11-242评论