- 综合排序
- 最热优先
- 最新优先
双图谱架构驱动渗透测试任务完成率提升至85%
构建因果推理与动态规划双引擎 针对核心痛点，项目采用P-E-R（规划-执行-反思）协同框架，创新性地引入双图谱驱动架构： 任务图谱：基于DAG有向无环图实现非线性任务编排，通过子任务状态管理（pending →in_progress→completed/failed）和依赖关系建模，解决线性执行导致的逻辑死锁问题 因果图谱：通过四层节点结构（证据节点→假设节点→漏洞节点→利用节点）构建科学推理链条，采用贝叶斯置信度算法 团队在腾讯云黑宫松竞赛中展现的体系化攻防能力，验证了双图谱架构在真实场景中的可靠性。战队负责人表示："系统首次实现了渗透测试任务的动态重规划能力，使智能体具备人类专家级的战略适应性。" 技术细节完整性的前提下，压缩率达70% 数据来源：腾讯云黑宫松智能渗透挑战赛实测数据、腾讯安全众测平台性能统计、方班-BinX战队实战案例 技术认证：腾讯云安全云鼎实验室2024年度创新解决方案、AI驱动安全攻防卓越奖
18210编辑于 2026-04-04双图谱驱动智能渗透测试：解决复杂任务遗忘与幻觉，提升攻防自主性
构建双图谱驱动的认知架构与P-E-R协同框架 核心方案：双图谱+P-E-R+抗遗忘+知识增强 双图谱驱动认知架构： 任务图（Plan-on-Graph）：基于networkx.DiGraph实现DAG Reflector反思（来源：图谱驱动的认知架构 | 因果图的设计与实现、置信度动态演进）。 方班-BinX战队实战验证双图谱架构 客户案例：广州大学方班BinX战队（方滨兴院士育人理念指引，专注智能攻防/自动化渗透/漏洞挖掘），在北京冬奥会、成都大运会、杭州亚运会、哈尔滨亚冬会、粤港澳十五运等重大活动网络安全保障中实战锤炼 应用效果：依托双图谱架构与P-E-R框架，形成全面高效体系化攻防能力，通过高强度实战检验验证全局规划与证据推理能力（来源：About us | 方班 - BinX 技术底蕴、使命担当）。 总结技术领先性：为何选择腾讯云智能渗透方案 技术架构优势：双图谱驱动认知架构解决“灾难性遗忘”与“推理幻觉”，P-E-R协同框架实现动态决策与反思，多维度抗遗忘机制突破LLM上下文限制，知识增强主动检索模拟专家查资料能力
16510编辑于 2026-04-05- 来自专栏Initial programming
初识算法 · 双指针(4)
前言： 本文是双指针算法的最后一文，以复写零和四数之和作为结束，介绍方式同样是题目解析，算法原理，算法编写三部曲，以下是题目的链接： 1089. 复写零 - 力扣（LeetCode） 18. 4Sum - 力扣（LeetCode） 那么话不多说，直接进入主题。 显然，这道题并不是通过n个循环就可以解决的，所以我们不妨直接使用双指针。 到这个阶段，不妨不用思考为什么使用双指针，因为目前来说算法基础并不牢靠，我们不妨积累经验。 四数之和 题目解析 题目的意思和三数之和十分像的，三数之和是找三个数等于0，那么该题目是找4个数字等于target，并且下标不能重复，也就是一个数字不能一直使用，题目的要求很简单，所以我们直接进入算法原理部分 双指针算法也就到这里啦，后面的是滑动窗口~ 感谢阅读！
19810编辑于 2024-10-16 - 来自专栏云深之无迹
Arduino驱动双轴XY按键摇杆模块
摇杆电位器 安装了两个10K高精度电位器和一个按键开关，功率0.015W，最高使用电压100V A.C，能垂直位置自动复位，用于控制键盘等, 可自由地控制方向，直观地监控机器的运转状况。
2.5K10发布于 2020-11-19 - 来自专栏数据分析与挖掘
【知识图谱】知识图谱的构建-python-neo4j
环境依赖 jdk、neo4j图数据库 neo4j具体的安装过程可以参考这里：https://cloud.tencent.com/developer/article/1387732 json数据 { os.path.join(cur_dir, 'data\\medical2.json') self.g = Graph("http://localhost:7474", username="neo4j self.g.create(node) count += 1 print(count, len(nodes)) return '''创建知识图谱中心疾病的节点 self.g.create(node) count += 1 print(count) return '''创建知识图谱实体节点类型
2.4K31发布于 2021-04-09 - 来自专栏DrugOne
NSR综述：知识图谱如何驱动AI科学发现？
机器学习时代（Machine Learning Era）：图嵌入与图神经网络使知识图谱具备预测与推断能力。 4. 动态维护与评估：通过增量学习、人机协同审核及LLM智能体驱动，实现知识的持续更新与验证。评估需贯穿构建全流程，涵盖构件准确性、图谱结构质量与下游科学任务效用三个维度。 三 SciKG如何赋能科学发现？ 图谱构建与动态维护：LLM能够主动构建、更新和维护SciKG。 4. 复杂工作流编排：在更高级应用中，LLM能够协调多步骤推理过程，并组织多智能体系统完成复杂科研任务。 图 4： 由大语言模型智能体与科学知识图谱驱动的自主科学发现飞轮 五 挑战与未来：构建自主科学发现的知识基础设施 当前挑战主要集中在：数据质量与集成瓶颈（数据不完整、噪声与实验差异）、互操作性与共享壁垒 SciKG驱动的AI科学家智能体：将知识图谱嵌入自主科研系统，实现从数据感知、知识推理到实验执行的闭环式科学发现。
19510编辑于 2026-04-10 - 来自专栏Lauren的FPGA
用FPGA实现双调排序（4）
前面三篇文章我们介绍了双调排序的原理和具体实现方式，但都是要求序列本身是“双调”的。而实际情况是，给定序列本身是杂乱无章的，并非呈现“双调”的特征。这就要求我们先把无序序列转化为双调序列。 16点序列转化为双调序列需要3个Stage，其实Stage的个数等于log2(16)-1。每个Stage需要完成一些列的比较，其实就是实现升序和降序排列。 例如：Stage 0要做4次升序排序，也要做4次降序排列，Stage 1亦是如此。图中“↓”表示升序排列，“↑”表示降序排列，即箭头总是指向较大的数。 我们将双调序列的排序过程再次呈现出来如下图所示，与本文第一张图片进行对比，可以发现：从“无序”到“双调”是一个序列合并的过程，从“双调”到“单调”是一个序列分割的过程，体现了“分而治之（Divide and
65210编辑于 2024-04-11 - 来自专栏祥子的故事
知识图谱 | Neo4j初相识
初衷 为什么要了解知识图谱、neo4j呢？ 前几天在会议上，领导说接下来我们部分将重点发力知识图谱的工作，解决业务域的问题，让每位同事都去了解下，等过段时间要做汇报工作，每位讲讲自己的学习心得，算是输出。 第一步：下载neo4j 在国内访问neo4j官网的速度会很慢，注意访问外国网站。 /bin/neo4j restart 这样就保证了neo4j的可以正常使用。 案例 这里以股票知识图谱数据为例，具体例子说明请见网上，已经有很多人做分享。这里仅仅展示如何运行和使用。 /bin/neo4j restart 然后运行命令行，将数据导入neo4j数据库中 .
2K10发布于 2020-02-19 - 来自专栏程序萌部落
双显卡笔电安装N卡驱动及CUDA
安装和使用Ubuntu的感受 初始安装时要修改配置，针对双显卡机器； 安装系统的过程非常快，这得益于我的固态硬盘； 系统的初始环境比Win10全，比如自带Python环境等等； 操作起来整体感觉圆滑，但比 安装系统及Nvidia驱动 双显卡的系统安装及驱动安装的准备工作 Bios改成uefi，关闭安全启动； 插入启动U盘，启动安装，在try ubuntu ..install Ubuntu 的这个界面 Done 选择安装驱动的版本 列出适用该笔记本电脑显卡的具体驱动版本。 最后，如果可以在<软件和更新>中找到相对应的驱动版本，也可以直接鼠标选择后应用即可。这是18.04及以后都支持的Nvidia驱动安装方法。 只需要使用Ctrl+Alt+F4（也可能是F1~F6），进入tty4也就是黑框（微型Ge62系列是在出现MSI图标后就按下ESC进入，时机比较难把握，多试几次就行了），登录root账户后，找到/etc/
3.8K20发布于 2020-02-17 - 来自专栏博文视点Broadview
万字详解“用知识图谱驱动企业业绩增长”
点击“博文视点Broadview”，获取更多书讯 在企业数字化、智能化转型的研发、生产、供应、销售、服务等诸多场景中，如何融合数据与专家知识，协同驱动业绩增长是一个多方关注，且难以解决的难题。 一位电商用户上周购买了一双篮球鞋，那么其这周的注意力就可能转移到其他商品上，比如一个键盘，这个标签的转移概率可以通过序列模型或者图结构模型进行统计。 图4对智能标签引擎的产品逻辑进行了展示。智能标签引擎通过搜索的模式，可以快速满足业务自定义标签的需求，大幅降低标签生产的人力成本，提高数据团队服务业务的效率。 图4 智能标签生产引擎的核心流程是从用户行为日志引擎中获取用户数据，再根据用户的意图对目标人群进行搜索和挖掘。 在这个阶段，知识图谱与认知智能技术的主要优化目标是提高营销自动化工具的投放效率。 （4）用户认知引导：经过广告触达，用户会进一步对商品、服务有认知需求。
90811编辑于 2022-07-27 - 来自专栏布衣者博客
LeetCode-算法-双指针-第4天
right: s[left],s[right]=s[right],s[left] left+=1 right-=1 思路：这是最简单的双指针思路 end;index++{ ret[index],ret[end]=ret[end],ret[index] end-- } } 思路：可见注释，reverse函数是双指针进行反转
34340发布于 2021-09-07 - 来自专栏光城(guangcity)
知识图谱系列之Neo4J
知识图谱系列之Neo4J 0.作者的话 1.安装Neo4J 2.运行Neo4J 3.Python操作Neo4J 3.1 py2neo安装 3.2 py2neo连接neo4j 3.3 清空数据库结点与边 3.4 py2neo创建结点 3.5 py2neo创建关系 3.6 调用 4.作者的话 0.作者的话 上次写了一篇文章提到了一个有关知识图谱的概念，在本公众号中，并未写有关这方面的文章，那么这一节从 python与neo4j方向来共同学习知识图谱的一些实战操作，后续会补充理论方面的知识！ 1.安装Neo4J 官网下载Neo4J的zip包，然后解压，将neo4j_path/bin配入path中，进入bin目录运行 neo4j.bat console pip install py2neo= 4.作者的话 最后，您如果觉得本公众号对您有帮助，欢迎您多多支持，转发，谢谢！ 更多内容，请关注本公众号知识图谱系列！
2K20发布于 2019-09-20 - 来自专栏DrugOne
MuRP | 双曲空间下知识图谱链路预测新方法
知识图谱是一个典型的分层多关系数据结构，将其嵌入到双曲空间中可能会有较明显的改进。因此该文章重点研究在双曲空间中嵌入多关系知识图谱数据，并进行链路预测。 多关系图嵌入的得分函数如式4所示： ? 其中，d是距离函数d:ℇ×R×ℇ→R+；es、eo表示主客体实体嵌入es，eo∈Rd；R∈Rd*d是对角关系矩阵；bs、bo分别表示其标量偏差bs，bo∈R。 MuRP的参数数随实体和关系的数目线性增加，从而具有较大的知识图谱可伸缩性。 3 实验 3.1 数据集 文章首先使用标准WN18RR和FB15k-237数据集测试庞加莱和欧几里得模型在知识图谱链接预测任务中的性能。 此外，由于知识图谱中并不是所有的关系都是分层的，后续工作可以将欧几里得和双曲模型结合起来，产生最适合数据曲率的混合曲率嵌入。
2.4K60发布于 2021-02-01 IEC62386双色温DALI驱动电源参数如何设置？
，这时，在调试的时候，我们就需要先取得各个产品的参数值，通过DAli控制系统软件上对驱动电源进行参数设定，只有正确设置了双色温参数，才能调出正确的色温光线的。 DALI双色温的色温Tc在使用前,需要根据灯具的色温先进行参数设置,即要定义你的灯具的色温调节范围,这个范围是由灯珠决定的,一般的灯珠供应商都有提供这个参数的,设置后,可以进行准确的色温控制和亮度控制了 .通过软件先把驱动电源搜索上来，然后，到DT8参数页进行设置双色温只要设置有参数有4个。 下面采用Dalitools软件+VH-DLGW-U的控制器对双色温驱动电源进行设置这4个参数有什么关联呢？ ，达到想要实现的效果当我们设置好双色温参数后，可以通过使用色温检查仪测量验证，基本上都是在获得范围内的色温值了。
17210编辑于 2025-11-22- 来自专栏Opensoure翻译
4步让你驱动Kubernetes【Containers】
在本系列的第三篇文章中，我介绍了Kubernetes的基础知识：首先学习如何驱动，我强调您应该学会驱动Kubernetes，而不是构建它。 在第四篇文章中，我将分享一些工具，这些工具将帮助您学习快速驱动Kubernetes。 1. Katacoda Katacoda是最简单的手动测试Kubernetes集群的方法。 4. Visual Studio代码 我最后保存了我的最爱之一。 我的大部分工作都使用vi，但我从未为Kubernetes找到一个好的语法突出显示和代码完成插件（如果有，请告诉我）。 当您第一次学习驱动Kubernetes时，这是非常好的。 您可以构建Pod，服务，复制控制器，部署等。 结论 这四个工具（如果算上这两个插件，则为六个）将帮助您学习驱动Kubernetes，而不是构建或装备它。
2K00发布于 2019-11-12 - 来自专栏机器学习原理
知识图谱（2）——neo4j的用法
直接从csv中加载文件 LOAD CSV WITH HEADERS FROM "http://data.neo4j.com/northwind/products.csv" AS row CREATE ( 可以直接把文件放到import文件夹中直接输入 file:///xxx.csv 创建商品node把后面五行设置为属性 LOAD CSV WITH HEADERS FROM "http://data.neo4j.com
76310发布于 2018-08-27 - 来自专栏开源FPGA
基于FPGA的4x4矩阵键盘驱动调试
FPGA驱动4x4矩阵键盘。这个其实原理是十分简单，但是由于博主做的时候遇到了一些有意思的情况，所以我个人觉得值得记录分享一下。 首先找了本书看了下矩阵键盘的驱动原理，一般来说4x4矩阵键盘的原理图如下，有四根行线和四根列线，行选通和列选通可以确定键盘上的一个位置。 其他按键类似，就是利用这个原理来驱动矩阵键盘。 ? ，而这个地方加不加其实和驱动开发板的构造有关，据我了解，有些单片机的I/O引脚会内置上拉电阻，默认情况下是高电平，所以用这些单片机驱动是不需要加上拉电阻的。 在引脚约束在电平为3.3v时加上pull up，可以等下出相当于10.8k欧姆的电阻这和矩阵键盘的驱动原理是完全相符。 ?
1.4K20发布于 2018-08-20 - 来自专栏全栈程序员必看
v4l2驱动框架(Windows驱动开发技术详解)
; set_bit(V4L2_FL_USES_V4L2_FH, &sv->vdev.flags); video_set_drvdata(&sv->vdev, sv); //将sv设置为驱动私有数据 下面介绍一下V4L2整体情况： V4L2提供一套数据结构和底层V4L2驱动接口规范供Linux下的视频设备程序使用，主要是一系列回调函数，如设置摄像头频率，帧率，视频压缩格式和图像参数等，还可用于其他多媒体开发 一般采用V4L2驱动的摄像头设备文件是/dev/video0,V4L2支持两种方式采集图像：内存映射方式mmap和直接读取方式read。 驱动分配视频缓冲区，也就是申请V4L2视频驱动分配内存，V4L2是视频设备的驱动层，它位于内核空间，因此通过VIDIOC_REQBUFS控制命令申请的内存空间位于内核空间中，应用程序不能直接访问，需要调用 若成功，则会在V4L2驱动层分配好视频缓冲区。
3.3K10编辑于 2022-07-28 - 来自专栏js刷leetcode
前端leetcde算法面试套路之双指针4
前言上一 part 刚写完二分和滑窗，他们都属于特殊的双指针方法，所以这一 part 直接汇总一下除了特殊的二分和滑窗外的其他双指针写法这里主要是快慢指针和端点指针， 解决一些一次遍历搞不掂，多个指针协商干活不累的题目 ，基本上觉得属于一种解题上的思路，一次不行，我就两次的样子；所以刷完基础双指针，然后滑窗和二分后，这种思路在今后解题上应该会不定期能冒出来吧；所以下期学习另外一种解题思路，回溯吧；正文双指针在很多常用的数据结构和算法中 ，都已经用到，比方说链表遍历过程中，就可以用双指针找中位数，找环；在二分法中用到的也是双指针；滑动窗口，以及双滑动窗口等所以双指针是一个解决问题的思路，当设置一个指针遍历不足以形成对照的时候，可以设置更多的参照指针来服务自己 ，只是一般情况两个指针足以，所以这种解决思路称为双指针快慢指针比较常见的双指针形式，一般是快指针走 2 步，慢指针走 1 步，达到一种对照的作用；解决了形如链表的中位数，链表有环 等问题；还有一种是读写指针 寻找重复数分析 -- 双指针法（快慢指针）审题: 只有一个重复的整数，而这个重复的整数的出现次数不确定可以用 map 用空间换时间，也可以排序之后直接找，但是这样都不符合题意之前在二分法 tab 中做了一次
39740编辑于 2023-01-06 - 来自专栏Deep learning进阶路
2-4 线性表之双链表
2-4 线性表之双链表 双向链表除了相当于在单链表的基础上，每个结点多了一个指针域prior，用于存储其直接前驱的地址。同时保留有next，用于存储其直接后继的地址。 ? 所以对于带头结点的双链表，其实很多操作都和 带头结点的单链表是一样的，因为你完全可以忽视掉它有个 prior指针，这样就可以当做单链表来使用。 **h) { (*h) = new dul_node; (*h)->next = nullptr; (*h)->prior = nullptr; } 一般来说，我们都是用双链表来构造循环链表 DUL_LINKLIST_H_ 4.函数定义文件 #include<iostream> #include"dul_link_list.h" using std::cin; using std::cout
55420发布于 2019-07-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号