yakaili Goto Github PK

2018mcmcontestrelate

2018年数学建模美赛相关程序以及文件-C题

auto-pentest_preview

Auto-Pentest: LLM-based Automated Penetration Test Tool

autox

AutoX is an efficient automl tool, which is mainly aimed at data mining competitions with tabular data.

behavioral_malware_detection_dgcnn

Behavioral Malware Detection Using Deep Graph Convolutional Neural Networks: Paper implementations

behavioral_malware_detection_dgcnn_v2

Behavioral Malware Detection Using Deep Graph Convolutional Neural Networks: Paper implementations

bit_nscscc_suggestion

为了更好地帮助后来的同学参加龙芯杯，草拟了这份建议，望对后来人有所帮助

careueveryday

关心你-每一天 公众号自动推送早安问候、天气预报 Java版 自动执行不需服务器。CardUEveryDay is an Java version wechat media platform(mp) automatically pushes good morning greetings, weather forecast utils. it automatic execution github actions without server

changewindowsproxywithgui

一键切换Windows的ie代理，配合Burp使用

chatbot-ui

An open source ChatGPT UI.

chatgpt-next-web

One-Click to deploy well-designed ChatGPT web UI on Vercel. 一键拥有你自己的 ChatGPT 网页服务。

decept-agent-linux

欺骗防御Linux版本Agent

electron-ssr-backup-1

electron-ssr原作者删除了这个伟大的项目，故备份了下来，不继续开发,且用且珍惜

end-to-end-for-chinese-plate-recognition

多标签分类,端到端的中文车牌识别基于mxnet, End-to-End Chinese plate recognition base on mxnet

endtoendchineseplaterecognitiongraduationproject

端到端中文车牌识别

gpt_academic

为ChatGPT/GLM提供实用化交互界面，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm2等本地模型。兼容文心一言, moss, llama2, rwkv, claude2, 通义千问, 书生, 讯飞星火等。

gptsecurity

塑造未来的安全领域智能革命

graduationprojectyan

网络公开信息期刊评估系统

hawk

hbucomputernetworkcourseproject-scanport

计算机网络课程（河北大学）课程设计-端口扫描器

hbucourse_softwaretrain

软件设计实训相关

hbupythoncourserelatefile

河北大学python程序设计课程相关文件

hiccedurelateprojecttextclustering

基于问卷数据进行的文本聚类算法-用于河北大学教学质量评估问卷的分析

jsdelivrcdn

我滴图床

kibana_hanization

learnimooc248shellcbase

leetcode

magic

malgan

My replication of the paper "Generating Adversarial Malware Examples for Black-Box Attacks Based on GAN"

malgan-1

主题为”基于GAN的恶意软件对抗样本生成“。首先介绍了恶意软件发展现状，引出基于模式匹配、特征空间和问题空间三种方式去检测恶意软件。然后介绍了如何生成对抗样本攻击恶意软件检测器，详细介绍了基于GAN的恶意软件对抗样本的MalGAN框架，并对实验结果进行了对比。最后总结了结构性对抗样本的约束：可用转换 、保留语义、似然性、副作用特征。

malgraph

Code for "MalGraph: Hierarchical Graph Neural Networks for Robust Windows Malware Detection"