网络爬虫，是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本，它们被广泛用于互联网搜索引擎或其他类似网站，可以自动采集所有其能够访问到的页面内容，以获取或更新这些网站的内容和检索方式。本次报告介绍了网络爬虫的基本原理和关键技术，介绍了多个常用的爬虫框架，此外还介绍了常见的反爬虫技术及其应对策略。
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2019/04/03/%e5%ad%a6%e6%9c%af%e6%8a%a5%e5%91%8a-%e7%bd%91%e7%bb%9c%e7%88%ac%e8%99%ab%e6%8a%80%e6%9c%af%e4%bb%8b%e7%bb%8d/
本报告介绍了强化学习领域基本概念，详细介绍了Q-Learning算法和Deep Q Learning算法的原理，简要梳理了了两种算法的发展脉络，以经典案例windy grid-wo…
具有大量参数的深度神经网络是非常强大的机器学习系统。然而，在这样复杂的网络中，过拟合的问题难以解决。复杂的网络结构和缓慢的运行速度导致我们很难在测试时通过组合许多不同大型神经网络的…
随着大语言模型的快速发展与广泛应用，其安全问题日益凸显，后门攻击便是主要威胁之一。本次报告介绍了两种针对大模型微调阶段的后门攻击方法，它们分别通过确定目标生成条件和改变Token，…
源代码表征是软件工程中的一个重要研究领域，主要关注如何有效地将源代码转化为可以支持各种软件工程任务（如代码搜索、克隆检测、代码自动生成等）的数学模型或数据结构。这些表征通常需要捕获…
本次学术报告介绍了集成学习和在线学习基本思想，对离线bagging（装袋）和离线boosting（提升）的基…
这篇报告围绕网络拓扑混淆技术展开，首先阐述了网络拓扑脆弱性及攻击者推理真实结构的威胁，强调了混淆防御的重要性。报告详细介绍了AntiTomo和EigenObfu两种主流方法，包括各…
对抗样本会的存在严重威胁到机器学习模型的输出准确性。目前最常用的对抗样本生成方法是FGSM，其通过在沿着损失…
人工智能技术发展迅速，不仅在图像领域，在决策系统等领域也发挥了重要作用。用于模型训练的数据集中含有显示或者隐式的敏感属性（如性别、种族等），模型往往会利用敏感属性的特征做出决策，这…
虚假新闻对社会产生了许多负面影响。现有假新闻检测方法按照输入条件，可分为基于新闻内容及其外部知识的方法，以及基于社交上下文的方法。最新的方法在检测假新闻方面取得了较高的精度，然而这…
近年来，随着互联网技术的高速发展和数据规模的快速增长、大数据的应用，多标签分类应用场景越来越多，如电子商务中的商品分类、网页标签、新闻标注、蛋白质功能分类、音乐分类、语义场景分类等…
