- 综合排序
- 最热优先
- 最新优先
- 来自专栏HACK学习
柠檬鸭组织样本分析
/a8elyWs2K5cX3Hz366s2zg/FF3k6u27yR1j9zXtV5Np3/4t/t9x+/qV63NbXc+vjd3sd3fsmd3zj5Jb9xYjtZ7356u06WBf2ef+1 1W2nFWLdPukWi/bdPc+dTpupi3GcUGD+P2ni9lnH9E/6d1pugJRmnlelun2VTovZrN8mZ6d/gHvtl7kf8DV9peTn/4D8mmbvsjb8Xfzyc /YrJ/d2+2Nzn/qWq2fEJ4PKTltDfzh18+be8enJycv7l4sH6wc3X9E6uT3+f8y7v5gwY565cH+9Mvvk3+5b3m7g8uXj5/+O2TF18Ud7948YDIun7wCeW3H /q95otiRbvJl/81A/Ol28vvvPV2Xx2ufzq5Qmlght'+'a4Dw4f/DFwfVXxeVPvfjOJ/lPfPL5m2c1JXYmD19+Z/nq8qf3fp8qv0tLpQe7VfFTdw /z83dlPXOW0+Pfi7ODN5du7n/zU/U9/4uwXfb74JL8mm3M2X7w7/fztT5Lv9vps2by9/+zTL5+W+6+/XC2f7ew/+UWv9op7P3H66sHFs
3.7K30发布于 2021-02-01 - 来自专栏Seebug漏洞平台
疑似 KimsukyAPT 组织最新攻击活动样本分析
作者：kczwa1@知道创宇NDR产品团队 时间：2020年9月4日 概述 KimsukyAPT 是一个长期活跃的 APT 攻击组织，一直针对于韩国的智囊团,政府组织,新闻组织,大学教授等等进行活动. 并且该组织拥有多平台的攻击能力,载荷便捷,阶段繁多。 知道创宇NDR产品团队监测发现，该组织最近半年异常活跃。近日，知道创宇NDR产品团队在日常的样本追踪过程中发现了疑似该组织最新的攻击样本。 样本信息 Md5 28833e121bb77c8262996af1f2aeef55 此样本上传时间稍早，代码结构完成一致，粗略分析仅两处与上一个样本不同： 1.生产的迷惑文件文字不同： 2.c2服务器的域名及 url不同： 关联分析 由于2个样本种都使用了相同的字符串作为post的分隔符： WebKitFormBoundarywhpFxMBe19cSjFnG.通过搜索引擎检索，会得到如下的结果： 可以看到这段字符串在很久以前就出现并且曾被用于针对韩国冬奥会的攻击
1.4K40发布于 2020-09-10 - 来自专栏蛋白表达与生物实验技术
BioIVT人源生物样本体系解析：血液样本、生物体液与组织样本在药物研发中的应用
此外，BioIVT还可提供脐带血样本，包括新鲜脐带血、脐带血血浆以及脐带血血清等不同形式，同时支持相关干细胞资源研究。经血样本则采用K2EDTA抗凝体系，可应用于女性生殖健康研究以及相关机制分析。 图1：BioIVT提供人源及动物源血液样本2、多种特殊生物体液样本除常规血液样本外，BioIVT还可提供多种特殊生物体液资源，用于神经系统疾病研究、代谢研究以及无创检测等方向。 图2：BioIVT提供多种生物体液样本如脑脊液、房水3、特殊组织样本资源除血液及生物体液资源外，BioIVT还提供多种来源于合规手术残余组织的人源组织样本，可用于体外模型建立以及毒理学研究等方向。 正常皮肤组织样本可提供新鲜离体组织以及冷冻组织形式，适用于皮肤吸收、渗透以及代谢研究。疾病相关皮肤组织则包括黑色素瘤组织以及其他皮肤疾病活检样本，可用于疾病机制分析。 此外，根据实验需求，还可开展前瞻性样本采集，包括脂肪组织、毛发以及其他特殊组织类型。
11310编辑于 2026-05-26 - 来自专栏FreeBuf
海莲花组织针对中国APT攻击的最新样本分析
根据对该后门的深入分析，我们发现该样本来自海莲花组织。 安天于2015年5月27日发布关于该组织的分析报告引发业内对该组织的持续关注。 其中部分样本针对中国，更多的样本则针对柬埔寨等多国。部分自解压样本传播的后门，其C2直接连接到了已知的海莲花组织的网络基础设施。 根据专用后门和网络基础设施这两方面的强关联性，我们有理由相信这些样本关联的攻击行动是海莲花APT组织所为。 样本分析 2.1 样本标签 相关攻击载荷均为Word文档，但并未使用漏洞。 图2-14 后门指令分支 本次捕获的海莲花样本较以往在技术手段上有了一定程度的提高，使用宏代码进行Shellcode注入，其投放载荷的全程无文件落地，可以看出海莲花组织仍然在积极更新自身攻击手法，试图使自己更加隐蔽 从使用的后门武器和网络基础设施（其中部分后门则直接连接上了已知的海莲花组织的网络基础设施）的特性分析，相关证据都能表明这些样本来自海莲花攻击组织。
1.6K40发布于 2019-05-09 多样本空间转录组分析异常组织结构域
今日参考文献从多样本空间转录组学(ST)数据中检测和解剖异常组织结构域(DDATD)为表征异常组织结构域(ATDs)提供了前所未有的机会，揭示了群体水平和个体特异性致病因素，从而了解疾病背后的致病异质性 基于生成对抗网络的创新框架，它集成了多样本DDATD中的三个核心任务:检测、对齐和分型ATDs.知识积累从多个组织样本中检测和表征生物异质性异常组织域(ATDs)在临床诊断、靶向治疗和生物医学研究中至关重要 现有的空间聚类方法要么无法识别异常cluster(例如，SpaGCN和GraphST)，要么依赖于“专家定义的”异常标记(例如，iStar、TESLA和cell2location中的癌症基因特征)。 多样本ST的从头DDATD工作流程包括三个连续的核心任务:检测ATDs，在多个样本中对齐它们，并将它们分类为共享或样本特定类型。 需要处理的问题1、批量效应会影响异常检测的准确性，因此需要对多样本进行初步的批量校正。2、空间多样本对齐3、“正常”参考ST数据集的稀缺性阻碍了DDATD，因为“异常”的定义依赖于与“正常”的比较。
25720编辑于 2024-09-20- 来自专栏大飞的部落阁
HttpRunner-2-用例组织
测试用例结构 在 HttpRunner 中，测试用例组织主要基于三个概念： 测试套（testsuite）：对应一个文件夹，包含一个或者多个测试用例文件（YAML/JSON） 测试用例（testcase teststeps: - name: demo step 1 ... - name: demo step 2 ... 运算符的方式，例如headers.Content-Type、content.success； 响应结果为 text/html 结构，可采用正则表达式的方式，例如blog-motto\">(.*)</h2>
49120编辑于 2022-06-17 - 来自专栏Python与算法之美
单样本微调给ChatGLM2注入知识~
同时这也是一篇非常有趣好玩，具有强大实操性的ChatGLM2微调喂饭级教程。 我们演示了使用AdaLoRA算法，使用1条样本对ChatGLM2-6b实施微调。 几分钟就成功注入了"梦中情炉"有关的知识 summary: (1) 只需要1条样本，很少的训练时间，就可以通过微调给LLM注入知识。 学习时无需新知识特别多的样本，学习后原有的庞大知识和能力可以基本不受影响。 ,history = []) print(response) 七，总结延伸 我们演示了使用AdaLoRA算法，使用1条样本对ChatGLM2实施微调。 summary: (1) 只需要1条样本，很少的训练时间，就可以通过微调给LLM注入知识。 (2) LLM是一种知识数据库，支持增删改查。通过微调可以增删修改知识，通过条件生成可以查询提取知识。
1.3K20编辑于 2023-09-05 - 来自专栏生信技能树
9个组织的37个样本的大豆的长非编码RNA的鉴定
37个样本的超过10亿RNA-seq读取对被用来发现6018个lincRNA基因座。 6、8和10周)、种子和荚果(2、3和4周)、茎分生组织(花芽分化期)。 然后 还使用了9个样本(4个来自叶片组织，5个来自新梢顶端分生组织）。 总共鉴定了染色体1、3、5、7、13、16、17和19上的32个着丝粒(由GmCent-1和GmCent-2重复序列界定的区域转录而来)lincRNAs 着丝粒lincRNAs在活跃分裂的组织(花蕾、叶芽和 总表达量和唯一表达量最高的样本是花蕾。 ?
1.1K40发布于 2021-07-06 - 来自专栏物流IT圈
敏捷组织，如何赋能2B企业增长？
2B企业的盈利模式、竞争领域、商业行动在不同的时代下，存在着巨大差异。同时，2B企业组织结构和团队管理也存在革命性的进阶。 随着服务价值的凸显，当前2B组织的理念正在发生变化。 创新增长，是很多2B企业尝试转型“敏捷组织”的根本驱动力。 如何打造2B创新增长型敏捷组织？ 第一、组织文化的转变 文化作为企业的软实力，是组织不可或缺的动力引擎。 组织文化在打造2B创新增长型敏捷组织的过程中，被赋予了更多的内涵与诉求。 第二、组织层级的转变 组织结构扁平化是敏捷组织的显著特点。激发2B企业的增长潜能，必须重新反思传统组织层级分明、纵向分割的树状组织架构，尝试打造一种全新的网状组织架构。
1.7K00发布于 2020-01-17 - 来自专栏SAP最佳业务实践
想学FM系列(2)-SAP FM模块功能组织架构
2 、FM组织机构及一般设置 2.1、财务管理范围 财务管理范围是基金预算管理的组织机构单位，一个财务管理范围有一套单独的预算控制体系。 在对财务管理范围组织机构进行分配前，需要了解未来对FM模块使用的业务场景（这个由实施顾问自行需求调研进行） 第一种业务场景：基金、功能范围、基金计划程序、准予都没有激活的情况下 ? 其他模块的组织机构通过公司代码来同财务管理范围进行集成连接。 第二种业务场景：基金、功能范围、基金计划程序、准予当中有激活的情况下 ? 2）允许空白作为帐户分配要素的值 ? 在PSM当中全局激活了科目账户分配要素后，在定义财务管理范围时，对分配要素可能用到也可能不用到，不用到时，需指定“空白”（BLANK）为该科目要配要素的值。 2）定义全局参数 ? 财年变式通常应保持同公司代码的一致。 未完待续...
6.1K63发布于 2018-03-28 - 来自专栏完美Excel
VBA实战技巧35：使用VBA组织图形2
引言：本文的代码与昨天发表的《VBA实战技巧34：使用VBA组织图形1》一样，都整理自mrexcel.com，一个很好的令人兴奋的示例，有兴趣的朋友可以仔细研究。 代码所使用的工作表数据与《VBA实战技巧34：使用VBA组织图形1》相同，如下图1所示，包含所需信息的源数据表，其中： 列A和列B – 两个元素之间的关系。形状填充颜色将来自列A。 图1 与《VBA实战技巧34：使用VBA组织图形1》不同，本文的代码自顶向下组织图形，代码运行后的效果，如下图2所示。 图2 注意，SmartArt可以创建组织结构图，但会有格式限制，本文给出的代码克服了这一点。 [L2] = [b2]: [n1] = "info": [o1] ="info2": [p1] = "outline" [m2] = [b2]: [k2] = 2: [n2] = 0.01: [o2]
2.3K40发布于 2021-09-22 - 来自专栏生信补给站
差异分析|DESeq2完成配对样本的差异分析
前段时间拿到一个RNA-seq测序数据（病人的癌和癌旁样本，共5对）及公司做的差异分析结果（1200+差异基因），公司告知用的是配对样本的DESeq分析。 询问公司DESeq配对分析的代码，公司说保密不能给，此外公司还告知现在的配对样本的分析都改用了DESeq2。好吧，那就只能自己动手，以下为探索过程的一个记录。 = "TMM") DGElist_norm$samples$norm.factors # 查看每个样品归一化后的系数 DGElist_QC$samples$norm.factors #未归一化之前的样本系数 <- as.data.frame(results(dds)) nrDEG_DESeq2 = nrDEG_DESeq2[order(nrDEG_DESeq2$log2FoldChange),] ## 重要的是，针对配对的样本，如果不进行配对分析而用常规的差异分析，这样的结果可能会大不相同。因此，在分析数据的时候，一定要明白实验设计。 最后，我还发现有意思的一个情况。
8K42发布于 2021-03-03 - 来自专栏MyBlog
利用误分类样本来防御对抗样本
作者首先讲正确分类的样本集合记做 ? ，误分类的样本集合记做 ? 。统一使用对抗训练进行防御，分别只对 ? 和 ? 进行扰动，以及两者均进行扰动，比较这三者的对抗鲁棒性。 这里的扰动，指的就是生成对应的对抗样本加入到训练集合中 对抗鲁棒性指的是，在对抗样本作为输入时，模型的精度 ? 首先作者改变了扰动的方法，将PGD切换成FGSM，分别单独作用于两个样本集合中，从最终的结果上看，仍然是对误分类样本扰动对鲁棒性的提升比较明显，如下图所示： ? (反之，如果模型对于对抗样本和正常样本的输出分布类似，鲁棒性越高？) 然后我们看蓝色虚线（BCE[以扰动样本作为输入]+KL散度）和绿色线（BCE[以普通样本作为输入]+KL散度），说明基础的精度那一项的输入还是扰动样本要优。 KL项的系数 ?
94110发布于 2021-03-16 - 来自专栏DeepHub IMBA
零样本和少样本学习
，这意味着在支持集中学习W和b: 样例 考虑 3-way 2-shot的支持集。在每个图像上应用神经网络F以进行特征提取。由于每个类都有两个图像，因此每个类都有两个特征向量。 d(img1, img2) =图像间差异程度，若d(img1, img2) <= r:相同;若d(img1, img2) > r:不同 零样本学习 首先，让我们看看为什么零样本学习很重要。 “监督”来源:(1)类属性的手工标注，(2)分类类层次的矢量编码 “无监督”来源:现有的非结构化数据(Word2Vec就是一个例子) 零样本学习的一些问题 1、领域转移时零样本学习需要重新训练/测试 2、多标签zero-shot 有时我们想要多标签分类，而不是单标签分类，这是处理分类向量就会很麻烦，这时可以添加每一个可能的组合向量，例如:树，树+山，树+海滩，…，但是这其实造成了实际分类数量的成倍的增长 ，协变量上下文向量:距离、俯仰、速度、横摇、偏航等 2、跨语言词典归纳：查找不同语言的单词对应 总结 零样本和少样本学习方法减少了对注释数据的依赖。
1.4K20编辑于 2022-11-11 - 来自专栏个人分享
《组织行为学》---组织与管理
（2）组织的定义 在广义上，组织是指很多要素按照一定方式相互联系起来的一个系统。系统论、控制论、信息论、耗散结构论和协同论等，都是从不同的侧面研究这样的系统的。 2、如果组织提供的产品或服务没有需求者，那么组织也就难以生存下去。 2、评价组织是否有效的指标 不同的组织功能不同，也需要不同的评价指标。位于塔顶的是最终指标。它们反应了有效地运用环境资源和机会以达到其长期和正式目标的程度。 人、工作与组织、生产与作业、资料与设备、财务。 （2）管理的功能 主要表现在五个方面：计划、组织、只会、协调、控制。 2、组织 管理者一旦作出计划、设定了目标、就必须着手设计并发展处一套能够成功地实现计划并达到目标的结构。
3.4K20发布于 2019-03-04 - 来自专栏单细胞
单样本Cellchat(V2)细胞通讯分析学习和整理
它在揭示细胞间相互作用的机制，理解组织和器官如何协调运作方面具有重要意义。细胞通讯分析的主要内容如下：配体-受体相互作用： 每个细胞类型都会表达特定的配体和受体。 这个网络可以帮助识别主要的信号发送者和接收者，以及哪些细胞在组织中起主导作用。定量分析： 通过计算细胞通讯的强度（如配体-受体结合的概率），可以定量分析不同细胞类型之间的通讯强度。 CellChatDB v2数据库中包含了丰富的先验信息：1、数据库内容来源于已知文献的人和小鼠的配-受体相互作用信息。 v2增加了1000多种的蛋白质/非蛋白质的互作信息，比如代谢和突触信号传导。 ), dimnames = dimnames(mat)) mat2[i, ] <- mat[i, ] netVisual_circle(mat2, vertex.weight = groupSize
2.5K21编辑于 2024-09-21 - 来自专栏FreeBuf
APT组织分析：网络间谍组织Bahamut
概述 根据2021年2月中旬的一项发现，Anomali威胁研究公司（Anomali Threat Research）评估称，至少自2020年6月4日以来，APT网络间谍组织Bahamut一直在对多个目标进行恶意攻击活动 尽管在时间上可能只是巧合，但众所周知，Bahamut等APT组织一直都在进行有针对性的网络攻击活动。 细节分析 Anomali的研究人员对恶意.docx文件（该文件可以利用远程代码执行漏洞CVE-2017-8570）进行了分析，研究表明，这项活动显然始于2020年6月，并至少持续到了2021年2月中旬。 在对代码进行反编译之后，我们发现POST Payload和dwmm.exe是攻击者在通过POST请求跟C2服务器交互时动态生成的： 总结 Bahamut是一个复杂的APT组织，它利用了反分析技术和多阶段感染技术 除此之外，跟许多其他APT组织一样，他们也会通过网络钓鱼电子邮件和消息，并利用社会工程学技术和用户交互来实现初步感染。
1.7K30发布于 2021-04-29 - 来自专栏贾志刚-OpenCV学堂
【模型免训】DINOv2+SAMv2打造基于参考样本的实例分割
整个模型方法直接评估，无需微调，使用冻结的SAMv2+DINOv2模型在不同的数据集上均达到了少样本跟零样本的SOTA。 下图是使用我们的无训练方法在CD-FSOD基准测试上的跨领域单样本分割结果。 最终作者结合了视觉基础模型 DINOv2无标签学习泛化优势与SAM2的多模态输入与mask生成能力实现了完全免训练，基于参考样本的实例分割模型，整体架构如下： 整体工作流程是先通过参考样本DINOv2进行记忆特征提取 在推理阶段首先通过SAMv2的全图分割能力实现Mask生成，然后基于每个对象的Mask与参考记忆银行做余弦特征相似比对，最终实现无训练模式下记忆参考样本的精准实例分割。 SAMv2解释 Mate在SAM的基础之上推出的多模态视觉大模型SAM2（Segment Anything Model 2）—一个致力于解决图像与视频可提示视觉分割任务的基础模型。
31810编辑于 2026-04-02 - 来自专栏生信喵实验柴
临床样本检测
metagenomics on a nanopore）为封面，刊登了英国东安格利亚大学 Justin O'Grady 博士及合作者共同发布的首个使用纳米孔技术的快速、经济的宏基因组测序方法，直接从患者呼吸道样本中准确快速地识别细菌病原体 据悉，为了能够准确、快速地识别细菌病原体，研究团队开发了一种能够从临床样本中去除多达 99.99％的宿主核酸的流程，并在便携式 MinION 测序仪上开展了实时的检测和分析。 细菌性下呼吸道感染(LRI)培养法诊断敏感性差且太慢，不能指导早期的靶向抗生素治疗； 2. 二、下载数据 https://www.ebi.ac.uk/ena/browser/view/PRJEB30781 三、病原微生物鉴定 3.1单个样本 过滤宿主序列 #数据路径 #/data -ax map-ont $REF $READ -Y -N 20 -t 12 >minimap2.sam samtools fastq -f 4 minimap2.sam | gzip >P10.filter.fq.gz
87120编辑于 2023-02-24 - 来自专栏数据安全架构与治理
企业网络安全体系建设(2): 安全组织
企业网络安全体系建设之安全组织 在国家的安全体系中，主要设立有如下机构： 国安局：即国家安全部的民间称呼，主要职责是情报收集、维护国家主权和利益（此职责描述引用自百度百科）； 公安局：即公安部的主要市级机构 在企业的网络安全组织中，也可效仿国家的安全机构，设立： 网络安全部（类似于“公安局”） 业务安全机构（类似于“派出所”） 威胁情报小组（类似于“国安局”） 决策委员会（类似于“人大”+“法院”） 分述如下 ，检测己方是否存在此类风险； 从海量的电子邮件中寻找可能属于APT攻击的钓鱼邮件； 从海量的网络流量中发现未公开的0day漏洞及利用； 从病毒感染日志中寻找是否有针对己方的木马攻击线索； 已截获的木马样本的分析
1.3K20编辑于 2022-06-02
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