慕鸢のblog – 第 5 页 – 纸上得来终觉浅，绝知此事要躬行。

发布于 2025-06-23

28 热度无~ 人工智能906 字4 分钟

AI red teamer （人工智能红队）系列32 – 人工智能信息安全应用 – 从零构建影评分类模型

AI 摘要

本文介绍了如何从零构建一个影评情感分类模型，使用IMDB数据集进行情感分析任务。文章详细讲解了整个流程： 1. 数据准备：使用包含5万条标注评论的IMDB数据集，分为训练集和测试集 2. 技术方案：采用TF-IDF向量

发布于 2025-06-22

27 热度无~ 人工智能3623 字16 分钟

AI red teamer （人工智能红队）系列31 – 人工智能信息安全应用 – 从零构建恶意软件分类模型

AI 摘要

本文介绍了如何利用深度学习技术构建恶意软件分类模型。通过将恶意软件二进制文件转换为图像表示，并采用基于ResNet50的CNN模型进行迁移学习，实现了对25种不同恶意软件家族的有效分类。文章详细讲解了从数据集获取（Mal

发布于 2025-06-22

32 热度无~ 人工智能5171 字24 分钟

AI red teamer （人工智能红队）系列30 – 人工智能信息安全应用 – 从零构建异常流量检测模型

AI 摘要

本文介绍了如何使用随机森林算法构建网络流量异常检测模型，主要面向网络安全领域的AI应用。文章详细讲解了异常检测的原理、随机森林算法的核心优势，以及如何从零开始实现一个完整的检测系统。核心内容包括： 1. 异常检测原理

发布于 2025-06-22

11 热度无~ 人工智能3963 字18 分钟

AI red teamer （人工智能红队）系列29 – 人工智能信息安全应用 – 从零构建垃圾邮件过滤模型

AI 摘要

# 人工智能红队系列：从零构建垃圾邮件过滤模型本教程详细介绍了如何利用贝叶斯定理和机器学习技术构建高效的垃圾邮件检测系统。文章从理论基础入手，逐步讲解贝叶斯定理在垃圾邮件分类中的应用原理，特别是朴素贝叶斯的简化假设和

发布于 2025-06-22

24 热度无~ 人工智能1720 字8 分钟

AI red teamer （人工智能红队）系列28 – 人工智能信息安全应用 – 评估模型的指标

AI 摘要

在评估机器学习模型性能时，准确率、精确率、召回率和F1分数是最核心的指标。准确率衡量整体预测正确率，但在类别不平衡时可能产生误导；精确率关注预测为阳性的准确性，高精确率可减少误报；召回率则体现识别所有正例的能力，高召回率

发布于 2025-06-22

17 热度无~ 人工智能1340 字6 分钟

AI red teamer （人工智能红队）系列27 – 人工智能信息安全应用 – 数据转换

AI 摘要

本文介绍了人工智能在信息安全领域中的数据转换技术，主要包含以下核心内容： 1. **数据转换基础**：详细讲解了分类特征编码（One-Hot编码、标签编码、目标编码）、数值特征变换（对数转换、Box-Cox转换）和特征

发布于 2025-06-22

64 热度无~ 人工智能755 字3 分钟

AI red teamer （人工智能红队）系列26 – 人工智能信息安全应用 – 数据预处理

AI 摘要

数据预处理是人工智能在信息安全领域应用中的关键环节，直接影响模型性能和检测效果。本文系统性地介绍了数据预处理的完整流程和特殊挑战： 1. 数据预处理的核心价值体现在五个方面：提升模型准确性、减少训练时间、增强鲁棒性、确

发布于 2025-06-22

9 热度无~ 人工智能1884 字9 分钟

AI red teamer （人工智能红队）系列25 – 人工智能信息安全应用 – 数据集

AI 摘要

# 人工智能信息安全应用中的数据集关键要素在AI信息安全领域，数据集是构建有效威胁检测和分析系统的基石。本文系统阐述了数据集的类型特征和质量标准。 ## 数据集类型与应用 - **表格数据**：结构化程度高，适用于

发布于 2025-06-22

14 热度无~ 人工智能3625 字16 分钟

AI red teamer （人工智能红队）系列24 – 人工智能信息安全应用 – 用于AI的Python库

AI 摘要

本文深入介绍了人工智能开发中两个核心Python库——Scikit-learn和PyTorch的技术特点与应用实践。 Scikit-learn作为经典机器学习库，其核心优势体现在： 1. 提供从数据预处理到模型评估的完

发布于 2025-06-21

44 热度无~ 人工智能3476 字16 分钟

AI red teamer （人工智能红队）系列23 – 人工智能在信息安全中的应用 – 引言及环境配置

AI 摘要

本系列将带您从理论走向实践，深入探索人工智能在信息安全领域的实际应用。我们将构建三个核心AI安全模型：垃圾邮件分类器、网络异常流量检测模型和恶意软件分类器，覆盖从数据预处理到模型部署的全流程。文章详细介绍了基于Min

劝君莫惜金缕衣,劝君更惜少年时.

有朋自远方来，不亦乐乎~

全世界最好的导航站

专注 APT 攻击与防御

最安全的密码管理工具

别认输,因为没人希望你赢 | 穿梭于网络边界,行走在普通人群之中

AI red teamer （人工智能红队）系列32 – 人工智能信息安全应用 – 从零构建影评分类模型

AI red teamer （人工智能红队）系列31 – 人工智能信息安全应用 – 从零构建恶意软件分类模型

AI red teamer （人工智能红队）系列30 – 人工智能信息安全应用 – 从零构建异常流量检测模型

AI red teamer （人工智能红队）系列29 – 人工智能信息安全应用 – 从零构建垃圾邮件过滤模型

AI red teamer （人工智能红队）系列28 – 人工智能信息安全应用 – 评估模型的指标

AI red teamer （人工智能红队）系列27 – 人工智能信息安全应用 – 数据转换

AI red teamer （人工智能红队）系列26 – 人工智能信息安全应用 – 数据预处理

AI red teamer （人工智能红队）系列25 – 人工智能信息安全应用 – 数据集

AI red teamer （人工智能红队）系列24 – 人工智能信息安全应用 – 用于AI的Python库

AI red teamer （人工智能红队）系列23 – 人工智能在信息安全中的应用 – 引言及环境配置