- Undergraduate student of Shandong University
- Major in Cyberspace Security
- Record Knowledge and Life
[ICLR 2025] REFINE 论文复现
论文复现： REFINE: Inversion-Free Backdoor Defense via Model Reprogramming (ICLR 2025) Link: https://arxiv.org/abs/2502.18508 Github Repo: https://github.com/WhitolfChen/REFINE 实验环境 Platform: Openbayes GPU: NVIDIA GeForce RTX 4090 Mem: 80 GB anaconda3 攻击方法(BadNets) 数据集 训练数据使用 CIFAR-10 数据集，共有 60000 个样本，每个样本都是尺寸为 32$\times$32 的 RGB 图像，60000个样本被分为 50000 个训练样本和 10000 个测试样本。CIFAR-10 包含 10 个互斥类别，每个类别有 6,000 张图像：飞机（airplane）、汽车（automobile）、鸟（bird）、猫（cat）、鹿（deer）、狗（dog）、青蛙（frog）、马（horse）、船（ship）、卡车（truck）。 ...
Leetcode每日一题
1863. 找出所有子集的异或总和再求和 传送门：https://leetcode.cn/problems/sum-of-all-subset-xor-totals/description/ 方法1：暴力 长度为 n 的集合的子集个数为 $2^n$ 个，可以看成一个 n 位的二进制数，0 表示不取，1 表示取 外层循环遍历这 $2^n$ 个子集，内层循环逐位检测是否为 1 ...
【AI安全】Dreadnode Crucible granny #DEFCON-31
1. Introduction Once upon a time in the mystical kingdom of AI, there lived a cunning wolf known for its deceiving ways. This wasn’t any ordinary wolf though; it was an avatar in the vast digital realm of Machine Learning Forest, often identified by the keen eyes of the vigilant MobileNetV2. However, the wolf was not content with its identity and yearned for a transformation - an evasion. It dreamt of an enchanted costume, one that could confuse even the sharpest observers. A costume so convincing that it would allow the wolf to be perceived as something entirely different. ...
信息论基础
熵、相对熵与互信息 熵 定义：一个离散型随机变量 $X$ 的熵 $H(X)$ 定义为： $$ H(X)=-\sum_{x \in X}p(x) \log p(x) $$ 注释：$X$ 的熵又可以理解为随机变量 $\log \frac{1}{p(X)}$ 的期望值 引理 $H(X) \geq 0$ $H_b(X)=(\log_ba)H_a(X)$ 二元熵： $$ H(X)= -p\log p-(1-p)\log (1-p) \rightarrow H(p) $$ $H(p)$ 为上凸函数，在 $p= \frac{1}{2}$ 时取得最大值 1 ...
Simple PIR 算法原理解析
该算法来自 USENIX 2023 One Server for the Price of Two: Simple and Fast Single-Server Private Information Retrieval 1. 将 Database 转换为矩阵 服务器原有的 Database 的规模为 N，将 Database 转换为边长为 $\sqrt{N}$ 的矩阵的形式，这样客户端发起的查询只需要 $\sqrt{N}$ 规模，由于查询被加密，因此服务端无法得知查询的信息，而客户端只能得到查询向量的 1 对应的位置（查询位置）的信息，因此也无法知晓除了查询外的其他信息。 ...
【密码工程】AES 侧信道攻击
遇到的问题：一开始编写的攻击脚本运行效率太低。 解决方法：更换了使用的统计函数，使得运行速度大幅提升。 实验亮点： 使用 python 的 matplotlib 库绘制了功耗曲线。 使用数学公式分析了 DPA 方法和 CPA 方法。 对实验代码进行了清晰的说明，并使用 tqdm 库显示了攻击的进度。 实验前置说明 实验给出了三个 npy 文件： ...
【密码工程】硬件实现 Grain128 流密码算法
遇到的问题：verilog 语言在设计循环时不能采用类似 C 语言中的 for 循环的设计思想 解决方法：通过设置计数器和标志位来解决，当计数器到达设定的值时，改变标志位，检测到标志位改变时，退出循环。 ...
【机器学习】使用 generative model 和 logistic regression 预测年收入
1 实验目的 使用 Classification 中的 generative model 和 logistic regression，解决二分类问题。根据已有数据，判断该人年收入是否大于 50K。 2 实验环境 操作系统：windows 11 CPU：AMD Ryzen 7 5800H with Radeon Graphics (3.20 GHz) GPU：NVIDIA GeForce GTX 1650 运行环境： Python 3.10.11 pandas 2.1.0 numpy 1.24.2 matplotlib 3.7.1 tqdm 4.66.1 3 数据处理 3.1 数据文件描述 train.csv / test.csv：包含 age, workclass, fnlwgt (总人数), education, education num, marital-status, occupation, relationship, race, sex, capital-gain, capital-loss, hours-per-week, native-country, make over 50K a year or not 这些特征。 ...
【机器学习】使用 Linear Regression 预测 PM2.5 数值
一、实验目的 利用即墨站的空气质量监测数据，使用线性回归（Linear Regression）预测 PM2.5 的数值。 二、实验环境 操作系统：Windows 11 处理器：AMD Ryzen 7 5800H with Radeon Graphics (3.20 GHz) 显卡：NVIDIA GeForce GTX 1650 运行环境： Python 3.10.11 pandas 2.1.0 numpy 1.24.2 matplotlib 3.7.1 tqdm 4.66.1 三、数据说明 1. 训练集（Train Set） train.csv包含了 2014 年 1 月 1 日至 2014 年 12 月 20 日的即墨站的全部监测数据，使用 VScode 插件转成表格形式如下所示： ...
SEEDlab—竞争条件漏洞
1. 环境设置 1.1 关闭反制措施 使用 neofetch 查看 Ubuntu 版本信息，如下所示： Ubuntu 20.04 引入了一种安全机制，防止 root 用户写入 /tmp 中其他人拥有的文件。使用下面的命令禁用这个安全机制： ...