- 综合排序
- 最热优先
- 最新优先
- 来自专栏潇湘信安
10个常用恶意软件检测分析平台
0x01 前言 做为一名安全工作者在日常工作中难免会用到这些恶意软件检测平台，例如：渗透测试中给木马做免杀处理后检查其免杀效果，又或者在捕获到某恶意病毒/木马样本时进行简单的检测、分析等。 ? 当然，使用这些平台较多的主要还是普通网民和像我这样的ScriptKid，对于真正的样本分析大佬来说也只是用于辅助，大多数还是会经过人工分析，因为只有这样才能更加了解恶意软件样本的行为。 ? 0x02 恶意软件检测分析平台 VirSCAN： https://www.virscan.org VirusTotal： https://www.virustotal.com ANY.RUN： https /any.run NoDistribute： http://nodistribute.com Hybrid Analysis： https://www.hybrid-analysis.com 魔盾安全分析 ： https://www.maldun.com 微步在线云沙箱： https://s.threatbook.cn 腾讯哈勃分析系统： https://habo.qq.com 奇安信威胁情报中心： https
7K20发布于 2021-07-01 - 来自专栏简说基因
单细胞转录组数据分析的10大软件流程
单细胞数据分析现在已经有上千个软件工具可供使用了，这为用户带来便利的同时也造成了选择困难。就像时间一样，一个表，没问题，但如果有两个表，时间还不一样，该信谁的呢？ 正好我们前面一篇文章介绍了这样一个开源数据库：https://www.scrna-tools.org/，里面收集了几乎所有的单细胞数据分析工具，我们在这个网站上通过工具的引用数排序，截取前 10 行结果 ，得到目前引用数最多，应用最广的 10 个单细胞数据分析工具 / 流程。 CellRanger CellRanger 是由 10x Genomics 开发的单细胞数据分析工具，于 2015 年首次发布。 10. Harmony Harmony 是一款用于整合和纠正批次效应的单细胞 RNA-seq 数据分析工具，由 Dana-Farber 癌症研究所于 2018 年推出。主要应用于细胞聚类和亚型发现。
78410编辑于 2024-12-29 - 来自专栏简说基因
单细胞转录组数据分析的10大软件流程
单细胞数据分析现在已经有上千个软件工具可供使用了，这为用户带来便利的同时也造成了选择困难。就像时间一样，一个表，没问题，但如果有两个表，时间还不一样，该信谁的呢？ 正好我们前面一篇文章介绍了这样一个开源数据库：https://www.scrna-tools.org/，里面收集了几乎所有的单细胞数据分析工具，我们在这个网站上通过工具的引用数排序，截取前 10 行结果 ，得到目前引用数最多，应用最广的 10 个单细胞数据分析工具 / 流程。 CellRanger CellRanger 是由 10x Genomics 开发的单细胞数据分析工具，于 2015 年首次发布。 10. Harmony Harmony 是一款用于整合和纠正批次效应的单细胞 RNA-seq 数据分析工具，由 Dana-Farber 癌症研究所于 2018 年推出。主要应用于细胞聚类和亚型发现。
1.7K10编辑于 2024-01-31 - 来自专栏我的软件123
哪个数据分析软件最好用？Minitab数据分析软件下载安装及功能
Minitab是一款广泛应用于数据分析领域的软件，它在数据处理、统计分析、图表制作等方面都有着独特的功能，下面就让我们通过实际案例来了解Minitab的独特之处。 作为一款数据分析软件，Minitab最大的优势不仅仅在于其功能的强大，还在于其操作的简单易用。通过Minitab，用户可以轻松地进行数据收集、处理、分析和报告，从而更好地理解业务情况和快速做出决策。 不过，在样品提取的过程中，由于各种原因，我们得到了一些异常的数据，这些数据需要进行清洗。最初，我们使用的是一款常规的数据处理软件，但是由于其功能限制，我们很难找到这些异常数据。 除了数据处理功能之外，在实际应用企业生产数据分析时，Minitab的“统计分析”功能也十分重要。如在某家企业的质量分析中心，他们利用Minitab进行生产过程的统计控制。 总之，Minitab是一款十分优秀的数据分析软件，其简单易用、功能强大的特点使其被广泛应用于各个领域，帮助用户进行更加准确、更加高效的数据分析。
1.9K40编辑于 2023-05-05 - 来自专栏AI机器思维
基于SAS软件的聚类分析——以10省市居民生活消费数据为例
聚类分析就是对物（人），根据其各自的特征进行分类的一种多元统计分析方法，同类（同群）之间的物品（人）的特征尽可能相似，不同类（同群）之间的物品（人）的特征尽可能不同。 在整个聚类分析的过程中主要有以下四大特点： （1）聚类分析的对象是物（人），即样本； （2）聚类分析是根据物（人）的特征来进行聚集的，选取的特征不一样，聚类的结果也会存在差异； （3）聚类分析的关键点在于度量样本的相似性 ； （4）聚类分析结果的好坏没有统一的评判标准； 从聚类分析的定义中不难看出，其作用主要是对样本的归类，运用到现实中即对用户的精准细分，方便企业为其提供有针对性的产品和服务。 案例分析 本文以2012年北京、天津、上海、山东、河北、浙江、江苏、广东、黑龙江、河南10省市的城镇居民生活消费统计数据为例，通过聚类分析对10省市的消费类型进行分类。 结合聚类历史和聚类谱系图，将10省市分为3个类别较合适，第一类为北京、上海，地区经济十分发达，居民消费支出超过其他两类；第二类为天津、浙江、江苏、广东，东部沿海省份，经济发达，居民消费支出较高；第三类为山东
1.4K20发布于 2019-06-10 - 来自专栏天意云&天意科研云&天意生信云
单细胞转录组分析的10大软件流程（上）
这个开源数据库收集了几乎所有的单细胞数据分析工具，让我们能够根据工具的引用次数来判断其影响力和实用性。 接下来，让我们聚焦于引用量最高的TOP10个工具，它们代表了当前单细胞数据分析领域的最佳实践： Top1.STAR STAR (Spliced Transcripts Alignment to a Reference 工具简介： Seurat是一款用于处理和分析单细胞RNA测序数据的R包。其主要功能包括数据标准化、降维分析、聚类分析以及数据可视化。 灵活的数据整合：Seurat支持不同数据集的整合分析，使得研究者可以结合多种数据源进行更全面的分析 (RS Blog)。 工具简介： salmon是一款独立的软件包，专门用于RNA-seq数据的转录本定量。它使用了基于序列概率模型的算法，能够快速计算出转录本的表达水平，并允许处理带有复杂可变剪接事件的数据集。
1.1K10编辑于 2025-03-06 - 来自专栏人称T客
主流大数据分析软件全面接触
现在很多厂商都说自己的产品是大数据分析软件。如果只是根据功能去区分这些产品，的确是件难事，因为很多工具具有相似的特征和功能。此外，有些工具的差异是非常细微的。 这些厂商分别代表着大数据分析市场的不同方面。我们将结合之前文章中提到的特点，对这些产品进行对比，看这些产品是如何满足企业用户的业务需求。 如何选择最适合的大数据分析软件？ 分析师的专业知识和技能。 另一方面，这样的大数据分析工具可能只可以作为更大软件许可协议的一部分才能够购买。 规模小点的厂商，如KNIME、Alteryx和RapidMiner，收入主要来自许可授权和支持少量大数据分析产品。 大数据分析软件的市场可能让人找不到北，但是我们希望，本系列采购指南文章能够帮助你更好地理解大数据分析软件能够带给企业什么好处，帮助你更好地区分主流大数据分析产品和工具。 现在，我们特分享主流大数据分析软件厂商一览表。
2.2K80发布于 2018-03-21 - 来自专栏FreeBuf
分析发现勒索软件数据泄露主要依靠滥用合法软件
勒索软件团伙在攻击中使用了越来越多的数据泄露工具，赛门铁克在三个月内就发现了十几种不同的工具进行数据泄露。虽然其中一些工具是恶意软件，但绝大多数都是合法软件。 勒索软件团伙应用数据泄露工具的范围正在扩大，主要驱动因素有两个： 攻击者意识到了某些软件的潜在功能可以利用 攻击者希望找到过于显眼的攻击工具的替代品 尽管 Rclone 目前仍然是勒索软件团伙最常用的数据泄露工具 数据泄露只是这些良性软件的功能之一，大多数软件都可以变成访问失陷主机的后门。 勒索软件团伙与数据泄露工具 在过去三个月中，攻击者最常用的数据泄露工具如下所示： Rclone：Rclone 是管理云上数据内容的开源工具，经常被勒索软件团伙用于窃取数据。 Atera：攻击者经常滥用的合法远程访问软件。 WinRAR：用于压缩和解压的软件，攻击者使用此类软件压缩回传的数据。
50210编辑于 2024-04-01 《软件工程》第 10 章 - 软件实现
10.3.2 程序设计语言的基本机制 以 Java 语言为例，其基本机制包括： 变量与数据类型：支持多种数据类型，如int、double、String等。 System.out.println("良好"); } else { System.out.println("一般"); } // for循环示例 for (int i = 1; i <= 10 return fibonacci(n - 1) + fibonacci(n - 2); } public static void main(String[] args) { int n = 10 10.4.2 程序设计范型 常见的程序设计范型包括： 面向对象编程（OOP）：以对象为基础，将数据和操作封装在一起。 10.5 软件调试 10.5.1 调试过程 调试过程一般包括： 复现软件缺陷，确定问题出现的场景。 分析错误现象，定位可能存在问题的代码区域。
11310编辑于 2026-01-2110X HD数据分析进行COMMOT信号流分析
作者， Evil Genius今天我们更新一个简单的内容，10X HD分析COMMOT。 读取数据，我们读取16um的数据import commot as ctimport scanpy as scimport pandas as pdimport numpy as npadata = sc.read_visium var: 'gene_ids', 'feature_types', 'genome' uns: 'spatial' obsm: 'spatial'超过13万的spot，1万8的基因数量简单的数据分析 , adata.var.highly_variable]sc.tl.pca(adata, svd_solver='arpack')sc.pp.neighbors(adata, n_neighbors=10 sc.pl.spatial(adata,color = 'leiden')plt.savefig('sample.HD.spatial.png',bbox_inches = 'tight')配受体，我们就跑前10
29420编辑于 2025-03-06- 来自专栏数据的力量
数据分析师必需具备的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过，数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境。关键是学会自我调节，自我放松。实际情况如：遇到难解的结，你怎么办？
1.1K30发布于 2018-06-20 - 来自专栏PPV课数据科学社区
数据分析师必需具备的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时 关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同 显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。 关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过，数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境 。 关键是学会自我调节，自我放松。 实际情况如：遇到难解的结，你怎么办？
97970发布于 2018-04-20 - 来自专栏超级架构师
「数据分析」精选数据挖掘和机器学习软件列表
数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。 数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，作出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，作出正确的决策 数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。 数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。[1] 机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。 机器学习是用数据或以往的经验,以此优化计算机程序的性能标准。 精选数据挖掘和机器学习软件列表 ? ? ?
1.1K30发布于 2020-09-01 课前准备----10X HD数据基础分析
作者，Evil Genius现在我们的课程来到HD的分析阶段了。 重要的放前面，为了提高下游分析的灵敏度和精度，建议使用SpotClean调整spot swapping，这有助于减少由于附近点的bleed导致的点交换污染，从而提高分析的准确性。 10X HD默认输出8um、16um bin数据，如果需要调整，比如调整到20 um的精度，需要用到参数visium的捕获策略。HD的捕获策略大家能找到其中所有的不同吗？ Space Ranger分析HD数据的前准备，图像校准选择Visium HD Manual Alignment上传图片（注意这是cytoassist生成的图片，非常大）选择芯片信息确定锚点识别核心的三个锚点调整基准点 非常大）For H&E images, as in this case, select brightfield.标记landmarks确保准确度通常情况需要设置5-8个标记评估匹配度输出比对文件结束进行数据分析输入文件
40220编辑于 2024-08-14- 来自专栏CDA数据分析师
【干货】数据挖掘的10大分析方法
其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。 它是一种监督式学习的方法，它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。 将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。 10.CART:分类与回归树 CART,ClassificationandRegressionTrees。在分类树下面有两个关键的思想。 第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。
2K80发布于 2018-02-11 - 来自专栏林德熙的博客
win10 UWP 九幽数据分析
九幽数据统计是统计和分析数据来源，用户使用，先申请账号 http://www.windows.sc 创建应用 图片要72*72的，然后请看图片，记密钥 在项目Nuget进行搜索，然后下载安装 在App.xaml.cs string error="软件启动发现错误"； JYAnalytics.TrackError(error); 在开始运行的时候，还需要在在Package.appxmanifest功能，选择Internet
62730发布于 2019-03-13 - 来自专栏张俊红
10周拿下数据分析师认证 ！！
真诚的向大家推荐，《腾讯课堂数据分析师认证课程》，该课程也是腾讯课堂指定认证课程。专为在校学生、0~3年职场新人量身定制，真正体系化、专业化帮大家提升数据分析能力，成为大厂抢手的数据分析人才。 10种商业模型 面对不同的场景，应用不同分析模型解决问题 5W2H分析模型、AARRR分析模型、RFM客户价值模型、A/B 测试模型、用户分成模型、SWOT分析模型、购物篮分析模型、波士顿矩阵分析、生命周期模型 》 专注于培养行业TOP10%的数据分析师 长按识别，添加课程老师微信 报名、课程咨询 《数据分析师认证课程》 专注于培养行业TOP10%的数据分析师 长按识别，添加课程老师微信 报名、课程咨询 终生学习辅导 主课程《10周成为数据分析师》，另外还附赠数据分析师高阶录播课程，覆盖0-8年数据分析师必备专业技能。 》 专注于培养行业TOP10%的数据分析师 长按识别，添加老师微信 报名、课程咨询
87040编辑于 2022-04-21 - 来自专栏软件安装技巧
数据分析师必备软件SPSS中文版，科研数据分析SPSS软件下载安装
欢迎使用SPSS软件，这是一款非常强大的数据分析工具，被广泛应用于社会科学、医学、商业等领域中的数据分析和研究。 SPSS软件的核心功能是数据分析，它可以帮助您处理和分析各种类型的数据，包括文本、数字、图像等。SPSS软件的界面非常友好，使用起来非常简单。您可以通过菜单栏、工具栏和图形界面来操作SPSS软件。 在数据分析方面，SPSS软件提供了丰富的功能和工具。您可以使用SPSS软件进行描述性统计、假设检验、方差分析、回归分析、聚类分析等各种类型的统计分析。 SPSS软件还支持数据可视化，可以帮助您更好地展示和解释数据。除了基本的数据分析功能，SPSS还提供了高级的数据挖掘和预测模型功能。 总之，SPSS软件是一款非常实用、易于使用的数据分析工具，它可以帮助您更好地处理和分析数据，从而为您的决策提供更准确的支持。
1.3K20编辑于 2023-03-23 - 来自专栏阿杜的世界
10个常见软件架构
原文参见：10 Common Software Architectural Patterns in a nutshell 在开始一个大型项目之前，我们需要进行详细的系统分析，尽量选择合适的架构，这样方便我们快速交付和后期维护升级 ，这篇文章总结了10种常见的架构模式。 操作系统为系统软件屏蔽掉了硬件的细节、系统软件为应用软件屏蔽掉了操作系统的细节；我们在开发的J2EE应用也是典型的分层架构，常见的层次有：表现层（UI layer）、应用层（service layer） 、业务逻辑层（domain layer）、数据访问层（persistence layer）。 这种系统的特点是，数据有一个数据源进入系统，然后会被分成不同的处理阶段进行处理，每个处理节点都可以看做是filter，数据通过Pipe（管道）从一个处理节点发送到下一个处理节点。
1.4K30发布于 2018-12-14 - 来自专栏muller的测试分享
软件测试|数据分析神器pandas教程（一）
前言Python是非常适合用于数据分析的，除了Python代码简单以外，Python还有非常多的第三方库，对于数据分析有很大帮助，今天我们就介绍一下Python进行数据分析的神器——pandas。 注：日常工作中，我们通常在导入时将pandas导入为pd总结本文主要介绍了pandas的安装还有一个简单示例，我们需要注意新版本pandas不再支持Python2.x版本，后续我们将介绍pandas的数据结构
69920编辑于 2023-03-31
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