텐서플로우로 앞서 설명한 단순 선형 회귀를 구현한다. 케라스로 구현해도 좋지만 텐서플로우 먼저 해봄 먼저 경사 하강법에 필요한 미분을 먼저 구현한다. import tensorflow as tf w = tf.Variable(2.) #변수 w에 2를 넣는다 def f(w): y = w**2 z = 2*y + 5 return z with tf.GradientTape() as tape: z = f(w) gradients = tape.gradient(z,[w]) print(gradients) 방정식 f(w)를 구현한다. 이 방정식은 w의 cost값 변화에 대한 그래프이다. tape.gradient(z,[w])는 타겟(z)에 대한 w의 미분을 계산해주는 메소드이다. y = w**2을 dy = dx*2*w 미분식을 ..
분류와 회귀의 차이 분류는 미리 정의된 여러 클래스 중 하나를 예측하는 것 - 이진분류 : 정상과 비정상 클래스 두개로 분류 - 다중분류 : 예측해야할 클래스가 여러개인 경우 회귀는 기존의 데이터를 바탕으로 입력 변수가 주어진 경우 숫자값을 예측하는 것 - 특정 범위의 무한한 실수들 중에서 대표되는 값을 선택 - 연속된 값들 중 어디에 점을 찍을 수 있는지 예측 https://watchout31337.tistory.com/396 회귀 주어진 독립 변수와 종속 변수 사이의 관계를 학습하여 데이터를 예측하는 알고리즘 둘 이상의 관계(feature들의 관계)를 값들의 연속적인 문제로 찾고자 할 때 사용 ex) 주택의 면적, 주택의 위치, 편의시설 등에 따른 주택의 가격 예측 독립변수 : 주택의 면적, 주택의 ..
K - Nearest Neighbor KNN - 특정공간 내에서 K-NN은 새로 들어온 입력값이 어떤 그룹의 데이터와 가장 가까운가 분류하는 알고리즘 - k는 몇 번째로 가까운 데이터까지 살펴볼 것인가를 정함 - k의 default는5, k의 값이 짝수일 경우 동점이 되어 하나의 결과를 도출할 수 없으므로 홀수를 사용함 장점 - 높은 정확도 - 단순하며 효율적(모델을 미리 생성하지 않음) - 상위 k개의 데이터만 활용하기 때문에 오류 데이터가 결과에 미치지 않음 - 데이터 분산에 대한 추정을 만들 필요 없음 단점 - 데이터가 많을수록 처리 시간 증가 - 모델이 미리 생성되지 않아 새로운 데이터에 대한 학습 시간보다 분류/예측 시간이 더 걸림 거리 기준(유클리드 제곱 거리) - 새로운 데이터와 k개의 데이..
머신러닝 알고리즘 지도 학습 - 정답지(Labeling)이 있는 데이터를 대상으로 학습하는 과정 분류(classification) 예측,회귀(Regression) 비지도 학습 - 정답지(Labeling)이 없는 데이터를 비슷한 특징끼리 군집화하여 새로운 결과를 예측하는 과정 - 답을 맞히는 용도로 사용하진 않음 차원축소(Dimension Reduction) 군집화(Clustering) 연관성 규칙 발견(Association Rule) 데이터 전처리 정규화(Normalization) feature마다 스케일이 크게 다를 경우의 전처리 방법 - Min-Max scaling 데이터의 최소값은 0, 최대값은 1로 변환 - 표준화(Standardization) feature마다 해당 값의 단위가 다를 때, 대상 ..
#!/usr/bin/python from json2html import * import json import os import sys json_dir = "/home/crypto/report" json_list = os.listdir(json_dir) #json 리스트들을 반복문으로 가져와 변환하기 for file in json_list: data_path = os.path.join(json_dir,file) data = open(data_path,'r')#파일 열기 json_data = data.read()#파일 읽기 foo = json.loads(json_data)#파일 로드하기 html = json2html.convert(foo)#파일 변환 utf = html.encode('utf-8')#utf-8..
import sys import os dir = "/home/crypto/.cuckoo/storage/analyses" report = "/home/crypto/report" dir_list = os.listdir(dir) for re_dir in dir_list: report_num = os.path.join(dir,re_dir) script = "cp -b %s/reports/report.json ~/report/%s.json" % (report_num,re_dir) try: os.system(script) print("script actiavted") except FileNotFoundError: print("File Not Found.") continue cuckoo가 샘플을 실행한 후 repor..
cuckoo를 실행하면서 m2crypto가 없어서 오류가 발생하는 경우가 있다. 분명 documentation에는 m2crypto를 설치하라고 했지만 당장에 필요가 없어서 설치를 안했다. 먼저 libssl1.0-dev와 swig를 설치해야 하는데 sudo apt-get install libssl1.0-dev swig ubuntu20.04 기준 libssl1.0-dev는 이제 지원을 안해주는 것 같다. swig는 잘 된다. sudo nano /etc/apt/sources.list add deb http://security.ubuntu.com/ubuntu bionic-security main sudo apt update && apt-cache policy libssl1.0-dev sudo apt-get in..
https://cuckoo.readthedocs.io/en/latest/usage/api/ REST API — Cuckoo Sandbox v2.0.7 Book Following is a list of currently available resources and a brief description of each one. For details click on the resource name. /cuckoo/status GET /cuckoo/status/ Returns status of the cuckoo server. In version 1.3 the diskspace entry was added. The disk cuckoo.readthedocs.io cuckoo sandbox에서 rest api를 활용해..
아래에 구글 드라이브로 공유한 패킷 파일은 악성코드를 다운받는 패킷을 캡쳐한 것이다. 해당 파일에서 추출한 파일은 절대 실행시키지 말자! https://drive.google.com/file/d/1sd_kytqBFKbRx-ZFFXrnOZuwhBm_pppI/view?usp=sharing bin.pcapng drive.google.com 패킷을 wireshark로 열어보면 다음과 같이 열린다. 전체 패킷은 다운로드 과정 외에도 필요없는 패킷이 포함되어 있다. 이 중 다운로드와 관련된 패킷만 보기 위해서 File -> Export Objects -> HTTP로 확인해보면 다음과 같이 여러 페이지와 bin.sh를 받은 파일들을 확인할 수 있다. 이 중 bin.sh를 클릭해보면 전체 패킷 중 파일을 다운로드한 패..
- Total
- Today
- Yesterday
- 크로스 엔트로피
- Ethernet
- many-to-one
- PCA
- 차량 네트워크
- porks
- 머신러닝
- 단순선형회귀
- automotive
- 논문 잘 쓰는법
- 딥러닝
- HTML
- SVM
- Python
- automotive ethernet
- 케라스
- 차량용 이더넷
- 이상탐지
- AVB
- cuckoo
- 로지스틱회귀
- CAN-FD
- AE
- many-to-many
- json2html
- 회귀
- SOME/IP
- AVTP
- one-to-many
- problem statement
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |