- 综合排序
- 最热优先
- 最新优先
- 来自专栏红日安全
Web安全Day10 - 重放攻击实战攻防
重放攻击 1. 漏洞简介 首先简单看一下百度百科对重放攻击的简介：重放攻击(Replay Attacks)又称重播攻击、回放攻击，是指攻击者发送一个目的主机已接收过的包，来达到欺骗系统的目的，主要用于身份认证过程， 重放攻击的重要点在于重放的是可以造成目的效果的数据包，从而达到修改和多次执行的效果。 重放攻击主要是针对系统没有效验请求的有效性和时效性，对于多次请求执行，系统将多次响应。 在重放攻击利用最多的形式中，短信轰炸算是重放攻击最直接的利用表现。 4. 常见漏洞类型 1. 暴力破解 暴力破解是重放攻击中，典型的非只重放而达到的攻击类型，而是利用重放这个动作来达到暴力破解的目的。当系统端未做请求验证和错误次数限制时，就可以根据字典或者设定的字符串来破解特定的参数。
3K11发布于 2020-02-29 - 来自专栏用户8616781的专栏
2022年3月10日航空安保知识培训
各货运销售代理企业： 根据《中国民用航空危险品运输管理规定》（CCAR276-R1）和国际民航组织文件（Doc9284）《危险品航空安全运输技术细则》对货运销售代理人的培训要求，中国航协销代分会定于2022 3.锂电池航空运输基础知识。 4.安保培训。 二、培训对象 货运销售代理企业法人或法人代表、业务负责人，每单位参加人数不少于两名。 ），请提前检测电脑的软硬件环境，确保设备和网络可用，于考试时间开始前30分钟登录“航空运输协会货运安保线上考试-2022-3-10”链接参加考试。 航空运输协会货运安保线上考试-2022-3-10： https://tx.weicewang.com/login/p/212948 备注：仅限考试期间开放：3月10日下午16:00-17:00。 航空运输销售代理分会 2022年2月16日
9.4K60编辑于 2022-02-16 - 来自专栏气象学家
OpenEarthAgent：让AI真正"动手"分析卫星地图的地理空间智能体
：通过监督微调在结构化推理轨迹上训练，配合确定性重放验证确保全链可执行性和空间正确性 • 多模态数据融合：整合光学、SAR、GIS图层和光谱指数（NDVI、NBR、NDBI），覆盖城市基础设施、环境监测 2.1 数据集构建 pipeline 2.1.1 数据源与组成 数据集整合了来自开放获取EO仓库的异构影像和元数据，主要来源包括： 光学数据集：DOTA、DIOR、xBD、AID、NWPU-VHR-10 中间输出（派生矢量图层、栅格子集、指数图、计算几何）存储在工具执行缓存内存中，支持同一轨迹内后续工具调用的重用，防止冗余计算并确保确定性重放。 2.3.3 确定性重放验证 训练前，每个轨迹通过工具控制器进行确定性重放。 轨迹验证训练机制：引入确定性重放验证确保训练数据的全链可执行性，这是保证学习到的智能体行为空间逻辑正确的关键。
79910编辑于 2026-03-26 - 来自专栏新智元
10分钟，价值2100亿美元！蓝色起源送了一份史上最昂贵载人航空「快递」
---- 新智元报道 来源：网络 编辑：Emil 【新智元导读】7月20日，世界首富贝索斯乘坐着自己公司的飞船，与其他三位乘客一起完成了一次10分钟的太空之旅，还创下了四项新记录。 整个过程历时10分20秒。 ? 随后，座舱内四名乘员自己打开了舱门，兴奋地走了出来，庆祝他们的太空之旅顺利完成。 ? 不少人长长舒了一口气。 年幼的贝索斯与他的继父感情深厚，不过也有传言说小贝索斯10岁之后才知道他和继父之间的真正关系。 在2016年，贝索斯开始陆续出售自己持有的亚马逊股票，仅2016年一年，他就抛售了超过10亿美元的股份。 然而这些巨额现金并不是为了满足自己的私欲，而是将其全部投入了蓝色起源的发展中。 并且此后，贝索斯每年都通过类似的手段向蓝色起源投入10亿美元左右的资金。 在今年Q3从亚马逊卸任之后，贝索斯称未来将自己的大部分精力放在蓝色起源的太空旅行上。
50420发布于 2021-07-29 S3-GFN：让AI设计的分子真的能被合成出来
对比式重放训练（Contrastive Replay Training）： 通过维护正/负样本缓冲区，用对比学习损失在分布层面显式抑制不可合成区域 2.2 理论基础：GFlowNet 与相对轨迹平衡 GFlowNet 阶段二：引入对比辅助损失的重放训练 为解决上述问题，S3-GFN 在重放阶段引入 对比辅助损失（Contrastive Auxiliary Loss）： 其中 是前向策略对轨迹的序列得分。 完整的重放训练损失为： 其中 为辅助损失系数。 为什么要在重放阶段施加辅助损失，而不是在线阶段？ 不做额外在线采样，仅利用已有重放缓冲区中的旧样本（按新约束重新分类正负），进行100步重放训练。 方法 平均sEH ↑ 正样本率 ↑ Num. Top-10 分子 AUC 曲线下面积（AUC Top-10）。
28910编辑于 2026-05-08基于激光频率梳原理对深凹槽内轮廓检测方法的探究
扫描过程中，三维运动平台带动光学探头沿预设轨迹移动，逐点构建内轮廓三维点云。三、深凹槽内轮廓检测方法（一）自适应扫描策略针对深凹槽的深径比差异，采用分层扫描与动态聚焦结合的策略。 四、应用场景与实验验证（一）航空发动机榫槽检测对某型航空发动机涡轮盘榫槽（深 12mm，槽宽 3mm）进行检测，采用螺旋扫描轨迹（层间距 10μm），获取点云密度达 20 点 /μm²。 检测结果显示，槽底平面度误差≤0.5μm，侧壁垂直度误差≤0.3°，较传统三坐标测量效率提升 4 倍，且成功检测出 3 处≤10μm 的加工微裂纹。 通过正交扫描方式（X/Y 轴扫描速度 10mm/s），实现槽壁粗糙度 Ra≤0.1μm 的测量，满足微电子器件封装对槽壁表面质量的严苛要求。 与传统方法相比，在深径比＞10 的极端深凹槽检测中，该技术的检测效率提升尤为显著，为高端制造领域的深凹槽质量控制提供了革命性解决方案。
29910编辑于 2025-07-31- 来自专栏工业数字孪生
10.5亿人次观看珠海航展！图扑助力展商数字孪生演示，太震撼！
针对航空工业制造现场“人、机、料、法、环、测”等要素的数字化接入，提供了数智化航空产线监控、仓储管理、人员管控、资产管理等一系列解决方案。 进入测试系统后，将考勤数据、任务统计、资源利用率、历史轨迹、环境监测物联、货物查询定位、AGV 定位等多维度信息整合呈现。 Ⅱ.轨迹查询支持查询特定作业人员在任意时间内的历史轨迹，可用于巡点检查、作业情况分析、人员行为分析、事故分析等情景。 支持对历史运行轨迹的绘制，通过绘制出历史轨迹帮助管理者具体分析产线布局的合理性，及时作出相应调整。 馆内参展面积达 10 万平方米，分别通过室外静展、馆内静展、飞行演示等多种形式，将“高、精、特、专”新展品，和代表世界先进水平的“首发首秀”航空航天新产品荟萃一堂。
66830编辑于 2022-11-22 - 来自专栏森林消防安全知识
珠海航展有图扑 | 数字孪生方案助力参展商
针对航空工业制造现场“人、机、料、法、环、测”等要素的数字化接入，提供了数智化航空产线监控、仓储管理、人员管控、资产管理等一系列解决方案。 进入测试系统后，将考勤数据、任务统计、资源利用率、历史轨迹、环境监测物联、货物查询定位、AGV 定位等多维度信息整合呈现。 Ⅱ.轨迹查询支持查询特定作业人员在任意时间内的历史轨迹，可用于巡点检查、作业情况分析、人员行为分析、事故分析等情景。 支持对历史运行轨迹的绘制，通过绘制出历史轨迹帮助管理者具体分析产线布局的合理性，及时作出相应调整。 馆内参展面积达 10 万平方米，分别通过室外静展、馆内静展、飞行演示等多种形式，将“高、精、特、专”新展品，和代表世界先进水平的“首发首秀”航空航天新产品荟萃一堂。
61010编辑于 2022-12-06 重构大交通AI决策引擎：基于位置大数据的民航商旅实践洞察
携手腾讯地图位置大数据，构建了覆盖航空、铁路、公路的大交通AI决策新引擎： 全景客流归因与需求识别：引入腾讯地图位置大数据，捕捉城市间人口流动的轨迹、强度与周期性规律。 系统通过实时追踪飞行器轨迹并判断相对位置，实现毫秒级穿越行为识别与分级告警，大幅降低人工盯防成本。 目前该智能服务已与顺丰、跨越、德邦等头部快递企业达成深度合作，在航空物流数据市场的市占率达到近 80%，确立了压倒性的规模壁垒。 沉淀时空轨迹底座，实现“数据驱动”战略跨越 引入腾讯地图位置大数据，是构建大交通AI引擎的关键变量。 其核心技术价值在于打破了原有场站数据的时空局限性，将孤立的“节点数据”（起降/进出站）升级为连续的“轨迹数据”。
25310编辑于 2026-04-20- 来自专栏顶象技术业务安全专栏
爬虫风险业务防控实战 | 国际航班上，小“票代”在疯狂倒卖高价票
此外，大票代其通过与航空公司签订授权获得了机票资质后，可以购买中航信查询端口，查看国际航班机票信息。部分无力或无资格购买中航信查询端口的小“票代”，就盗用航空公司的查询端口。 小“票代”的网络爬虫与高价票小“票代”制作网络爬虫程序，盗用航空公司查票接口，肆意非法抓取航空公司B2C网站或官方App等平台上的航班信息，不仅大量占用航空公司带宽资源，更白白消耗航空查询费用，而且还产生大量虚假的查询 ，导致航空公司对航班需求产生误判。 因为网络爬虫会带来虚假假的搜索查询量，由此会让航空公司收益管理系统算法产生误判，给出不符合实际情况的运价调整（即机票价格），严重损害消费者权益以及航空公司的口碑。 Dinsight实时风控引擎根据业务查询场景的请求、客户端采集的设备指纹信息、用户行为数据行为（鼠标的滑动轨迹、键盘的敲击速率、滑动验证码的滑动轨迹、速率、按钮点击等行为轨迹等），基于安全防控策略，有效地对恶意爬取行为进行识别和拦截
77410编辑于 2023-06-28 融合腾讯地图位置大数据提升民航决策效率与收益
航空业面临数据孤岛与收益增长瓶颈 民航业运力持续增长（飞机年均增长率3.0%，机场年均增长率2.2%），但面临“量升价跌”困境：2025年客运量达1.46亿人次（+3.4%），经济舱平均票价却降至846 构建多源数据融合的智能决策引擎 航班管家联合腾讯地图整合航空、铁路、位置及商旅数据，突破数据壁垒。 腾讯地图位置大数据精准捕捉人口迁移轨迹与出行规律，结合航班管家独家航班动态数据（覆盖全球95.2%航空公司及9,971座机场，每日处理20万条航班动态），构建客流-运力-收益联动分析模型（数据来源：航班管家 航空领域通过ADSB+ACARS设备实现空域电子围栏监控，触发分级告警提升管控效率（案例来源：航班管家航空智能化实施方案）。 腾讯地图数据能力赋能行业升级 腾讯地图位置大数据具备覆盖广度（全国人口迁移轨迹）与实时精度优势，与航班管家权威航空数据形成互补。
17310编辑于 2026-04-19- 来自专栏CVer
实验室3篇论文被ECCV 2026录用
ECCV 2026将于2026年9月8日-9月12日在瑞典马尔默举办，共有10,473篇论文进入评审流程，最终2,883篇被接收，录取率为27.5%。 此外，现有通用多模态检索方法依赖文本指令区分检索意图，航空数据在特征空间中呈现高密度聚集的细粒度子分布，仅凭文本指令引入的宏观语义偏置难以重构跨视角所需的差异化分布结构。 为此，本文提出统一的航空多视角地理定位（AMGL）任务，并设计了修正嵌入流学习（REFL）框架，将跨视角对齐建模为有向的条件分布传输过程。 该框架由两阶段构成：首先，速度先验流学习（FL）拟合参数化速度场，构建各视角分布与潜在共享流形间的连续常微分方程（ODE）变换轨迹，学习多视角分布变换的先验知识；其次，轨迹引导的嵌入修正（ER）机制将查询特征沿学习到的轨迹连续传输至目标视图分布 实验表明，REFL在该基准上达到了领先的性能水平，平均R@1为44.83%，R@10为65.85%。 该论文第一作者是硕士生阮豪，通讯作者是罗志明副教授。
13510编辑于 2026-06-24 - 来自专栏小詹同学
CVPR 2019审稿排名第一满分论文：让机器人也能「问路」的视觉语言导航新方法
因为智能体并不能获取全局轨迹的俯视图，所以它只能将自然语言指令「想象」成全局的视觉轨迹，然后再根据局部视野一点点探索并导航至目标。 ? 图 1：VLN 任务演示。 我们在一个 VLN 基准数据集上进行了评估，结果表明我们的 RCM 模型在 SPL 任务上显著优于已有方法（超过 10%），并实现了新的当前最佳水平。 具体而言，在我们的框架中，导航器会执行多次 roll-out，其中优良的轨迹（由匹配度评估器确定）会被保存在重放缓冲区中，之后导航器会将其用于模仿。 如图 5 所示，给定一个无相应的演示的自然语言指令和基本真值的目标位置，导航器会得到一组可能的轨迹并将其中最佳的轨迹（由匹配度评估器确定）保存到重放缓冲区中。 ? 图 5：用于探索无标注数据的 SIL 匹配度评估器会使用之前介绍的循环重建奖励来评估轨迹。然后通过利用重放缓冲区中的优良轨迹，智能体确实能使用自监督优化目标。
89410发布于 2019-11-13 大交通AI决策新引擎：民航商旅数据驱动实践与价值
，联动航空、铁路、公路多维信息，打破数据孤岛（数据来源：腾讯地图、航班管家）。 需求侧：引入腾讯地图位置大数据，捕捉城市间人口流动轨迹、强度与周期性规律，识别潜在高价值航线（数据来源：航班管家、民航局统计公报）。 数据覆盖1163家航空公司、9971座机场，每天20万条航班动态信息；3065个火车站、每天16余万条进出站车次（数据来源：航班管家）。 客户实践：航空与物流场景落地验证 航空业智能化升级：国内某机场搭建ADSB+ACARS设备，设电子围栏实时追踪飞行器轨迹，判断与围栏相对位置，穿越时触发分级告警，实现高效管控（数据来源：航班管家）。 独家优势：联动航班管家权威数据（民航空管局旗下民航电信公司独家航班动态数据），构建覆盖民航基础数据服务、专业咨询分析、高效数据分析平台的全方位服务体系（数据来源：航班管家）。
16510编辑于 2026-04-20- 来自专栏DT数据侠
联想和波音，双双开“卖”大数据服务 | DT数读
3 滴滴 利用平台车辆轨迹监测交通，帮助济南疏堵初见成效 据雷锋网报道，6月20日，滴滴研究院副院长弓峰敏出席TechCrunch国际创新峰会时表示，滴滴目前在山东济南进行的一项智慧交通疏堵试验已经取得了一定成效 他提到，滴滴利用平台车辆轨迹监测交通状况，以及每个红绿灯拥挤程度，融合其他传感设备，做了一个更准确的交通流量预测。在此基础上，滴滴设计了动态红绿灯方案调解拥堵。 这个项目在济南经十路落地两个月后，车辆在高峰期经过六个红绿灯下等待时间下降了10%。 DT君说：是驴子是马，都得拉出来溜溜。既然已在济南小有成效，不妨再拉到“首堵”北京多试试。 6 波音 不再只是卖飞机，现在要开始输出大数据服务了 波音公司6月20日宣布和达美航空等5家航空公司达成了有关大数据的交易，波音超过800名专家的大数据新团队将用大数据帮助这些航空公司提高燃油效率，节省更多时间和资金 其实，大数据对航空工业来说越来越重要。比如，利用大数据，可以通过调整燃油消耗率更有效地驾驶飞机，甚至还能在关键时刻诊断出航行中潜在的问题。
94100发布于 2018-08-08 - 来自专栏机器之心
CVPR 2019审稿排名第一满分论文：让机器人也能「问路」的视觉语言导航新方法
因为智能体并不能获取全局轨迹的俯视图，所以它只能将自然语言指令「想象」成全局的视觉轨迹，然后再根据局部视野一点点探索并导航至目标。 ? 图 1：VLN 任务演示。 我们在一个 VLN 基准数据集上进行了评估，结果表明我们的 RCM 模型在 SPL 任务上显著优于已有方法（超过 10%），并实现了新的当前最佳水平。 具体而言，在我们的框架中，导航器会执行多次 roll-out，其中优良的轨迹（由匹配度评估器确定）会被保存在重放缓冲区中，之后导航器会将其用于模仿。 如图 5 所示，给定一个无相应的演示的自然语言指令和基本真值的目标位置，导航器会得到一组可能的轨迹并将其中最佳的轨迹（由匹配度评估器确定）保存到重放缓冲区中。 ? 图 5：用于探索无标注数据的 SIL 匹配度评估器会使用之前介绍的循环重建奖励来评估轨迹。然后通过利用重放缓冲区中的优良轨迹，智能体确实能使用自监督优化目标。
1.1K20发布于 2019-03-15 - 来自专栏时间服务器
卫星同步时钟筑牢数字时代“时间基石”
在5G通信、智能电网、金融交易、航空航天等领域，“时间”早已不是简单的刻度概念——当基站需微秒级时序协同保障信号稳定，当电力调度需纳秒级同步规避电网波动，当卫星测控需零误差时间基准确保任务安全，高精度时频同步设备已成为各行业稳定运行的 在航空航天飞行器测控中，它保障轨迹计算与信号传输的纳秒级同步；在广电单频网系统里，其10MHz信号确保多终端节目无延迟播放；而在HiFi音响、精密仪器领域，更成为提升设备性能的“隐形引擎”。 配合GNSS多星接收技术，时间同步精度达行业顶尖水平，10MHz信号相噪极低，为设备运行提供稳定“心跳”。 灵活信号输出：标配2路10MHz正弦信号、1路1PPS脉冲及RS232时间信号，支持xPPS脉冲自定义设置，LCD液晶屏实时显示时序信息，满足不同设备的接口适配需求。三、关键指标：数据见证专业实力
24200编辑于 2025-11-03 - 来自专栏机器之心
挑战视频内容理解，ACM MM 2022 Person in Context竞赛开始报名！
竞赛主页：http://picdataset.com/ 美图公司联合北京航空航天大学、中国人民大学、在 ACM MM 2022 上举办第四届 Person in Context （PIC）竞赛。 重要日期如下所示： 三个独立赛道奖金：冠军：¥10,000 亚军：¥3,000 季军：¥2,000 (总计：¥45,000) 最佳论文奖金：¥5,000 【赛道一：美妆视频时域定位】 任务描述：给定一个美妆视频和一个文本步骤 youmakeup2022@163.com 主办单位：中国人民大学、美图公司 【赛道三：视频中的人物时空定位】 任务描述：视频中的人物时空定位任务输入为单个视频以及目标人物的描述语句，输出为目标在视频中对应描述语句的完整轨迹 竞赛主办者：刘偲 (北京航空航天大学)、刘洛麒（美图公司）、汤宗衡（北京航空航天大学） 联系邮箱：tzhhhh123@buaa.edu.cn 主办单位：北京航空航天大学、美图公司 © THE END
1K40编辑于 2022-04-25 - 来自专栏一点人工一点智能
基于深度学习的自动驾驶运动预测研究
为此，本研究提出了一种新型深度学习方法，通过使用高分辨率语义地图和航空影像来检测周围车辆的未来轨迹。 文献[10]、[11]在鸟瞰图中通过边界框和颜色来表示周围移动物体、拟定驾驶车道、交通信号线等信息。 通过使用类图像数据，卷积神经网络在探索交通场景中移动物体的空间相互依赖性方面尤其有效。 该数据集共包含170000个高清场景，每个场景持续25秒，传感器数据以10Hz的速率捕获。此外，它还提供了一个语义图，其中包含高度详细和标记的组件，以及该地区的精确空中透视图。 • 高分辨率语义地图，可捕捉其他交通代理、车道几何形状和道路规则，还包括周围环境的高清航空图像。 图1展示了一个25秒的高清语义地图的一个样本场景。 其目的是预测5秒（50个时段）的未来轨迹。我们认为作为模型输入的历史是1秒或10个时段。对于CRNN网络，我们考虑两个时间步长（即 ），因此考虑五个CNN网络。
78850编辑于 2023-08-25 - 来自专栏FreeBuf
针对无人机的常见攻击方式
一种是录制禁飞区内的GPS信号，然后在无人机附近重放。因为无人机接收GPS信号有这样的特点：谁的信号强听谁的。因为GPS卫星距离太远，信号衰减非常多所以信号强度会不如附近伪造的GPS信号。 所以重放禁飞区的GPS信号是可行的，然而前提是需要跑到禁飞区去录制GPS信号。 另外一种便是制作出GPS信号，就可以得到任何想得到的GPS信号。 比如，在无人机展览上进行飞行表演时候，发射一个大功率的北极的GPS信号，那么就会看到“一群无人机往南飞”的“壮观”景象~~ c.轨迹欺骗 ? 当无人机朝着下一个选定的地点飞行的时候被伪造的GPS地点欺骗后，很明显无人机就会背叛飞行的轨迹朝着被欺骗位置和下一个选定点位置连线的方向飞行，直到到达选定点。 然后，嘿嘿嘿嘿~~ 亦或者，无人机使用的只是RF射频模块，不想做RF信号解析重放这一类的麻烦事，偷个懒，可以使用信号干扰器对控制信号进行压制，而无人机一旦无法接受控制信号，一般会做三种事情：A、原地降落
2.1K100发布于 2018-02-06
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