티스토리

ialleejy 님의 블로그

검색하기

블로그 홈

ialleejy 님의 블로그

ialleejy.tistory.com/m

ialleejy 님의 블로그 입니다.

구독자: 0

방명록 방문하기

주요 글 목록

[forensic] structure-based carving 보호되어 있는 글입니다. 공감수 0 댓글수 0 2025. 2. 11.
[forensic] study_checker 보호되어 있는 글입니다. 공감수 0 댓글수 0 2025. 2. 11.
[forensic] chrome_artifacts 보호되어 있는 글입니다. 공감수 0 댓글수 0 2025. 2. 11.
[Forensic] nikonikoni dreamhack 보호되어 있는 글입니다. 공감수 0 댓글수 0 2025. 2. 4.
[Forensic] boot time 보호되어 있는 글입니다. 공감수 0 댓글수 0 2025. 2. 4.
[forensic] Track_the_file dreamhack 보호되어 있는 글입니다. 공감수 0 댓글수 0 2025. 2. 4.
[forensic] Autoruns dreamhack 보호되어 있는 글입니다. 공감수 0 댓글수 0 2025. 2. 4.
[forensic] Find the USB dreamhack 보호되어 있는 글입니다. 공감수 0 댓글수 0 2025. 2. 4.
[딥러닝] 자연어 처리 자연어 처리란?| 컴퓨터가 자연어를 이해할 수 있다면, 인간과 자연스럽게 대화하는 컴퓨터가 가능할 것이다.| 자연어 처리의 응용 분야 중 하나가 챗봇이다. 자연어 처리의 역사| 자연어 처리는 1950년대부터 시작되어, 그동안 많으 연구가 진행되었다.| 그동안은 단어 간의 통계적인 유사성에 바탕을 둔 방법이 사용되었다.| 최근에는 딥러닝을 이용한 방법이 많은 인기를 얻고 있다. 자연어 처리는 주로 순환 신경망(RNN)을 많이 이용한다.음성 인식과 자연어 처리| 자연어 처리는 텍스트 형태로 자연어를 입력받아서 처리한다.| 음성 인식(speech recognition)은 음성에서 출발하여서, 컴퓨터를 이용하여 음성을 텍스트로 변환하는 방법론과 기술을 개발하는 분야 자연어 처리 라이브러리 | NLTK 텍스트 .. 공감수 0 댓글수 0 2024. 12. 9.
[딥러닝] Generative Model 생성 모델이란?- 훈련 데이터의 규칙성 또는 패턴을 자동으로 발견하고 학습하여, 훈련 데이터의 확률 분포와 유사하지만, 새로운 샘플을 생성하는 신경망- 생성 모델은 훈련 데이터들의 잠재 공간 표현을 학습할 수 있으며, 학습이 종료된 후에, 잠재 공간에서 랜덤으로 하나의 좌표가 입력되면 거기에 대응되는 출력을 만들어 낼 수 있다. (1) 생성 모델은 훈련 데이터를 생성하는 규칙을 파악한다. (2) 생성 모델은 결정적이기보다는 확률적이어야 한다.-> 생성 모델에서는 학습이 종료된 후에 입력된느 랜덤 노이즈가 이 역할을 함. (3) 분류 모델과 생성 모델의 차이- 분류 모델(discriminative modeling)> 데이터x와 레이블 y가 주어지면 분류 모델은 x가 어떤 부류에 속하는지를 파악.> 조건부 .. 공감수 0 댓글수 0 2024. 12. 9.
[데이터마이닝] Bokeh & Altair from bokeh.plotting import figure, showfrom bokeh.sampledata.penguins import datafrom bokeh.transform import factor_cmap, factor_markSPECIES = sorted(data.species.unique())MARKERS = ['hex', 'circle_x', 'triangle']p = figure(title = "Penguin size", background_fill_color="#fafafa")p.xaxis.axis_label = 'Flipper Length (mm)'p.yaxis.axis_label = 'Body Mass (g)'p.scatter("flipper_length_mm", "body_mas.. 공감수 1 댓글수 1 2024. 12. 5.
[데이터마이닝] VEGA DATA-barley,earth,tip # 1932에 수확한 Manchuria 종의 지역별 수확량 그리기 import pandas as pdimport altair as alt # Altair 임포트# barley 데이터셋 예제from vega_datasets import data # vega_datasets에서 barley 데이터셋 로드barley = data.barley()# Manchuria 품종만 선택barley_M = barley[barley['variety'] == 'Manchuria']# 특정 연도(1932년) 데이터만 선택barley_M = barley_M[barley_M['year'] == 1932]# Altair로 시각화chart = alt.Chart(barley_M).mark_point().encode( x='si.. 공감수 0 댓글수 0 2024. 12. 5.
[데이터마이닝]ThreeDimPlot Matplolib 3차원 시각적으로, 두 개의 원뿔이 대칭적으로 위치한 3D 그래프import numpy as npimport pandas as pdimport matplotlib.pyplot as pltr = np.linspace(0, 2, 100)theta = np.linspace(0, 2 * np.pi, 100)R, Theta = np.meshgrid(r, theta)x = R * np.cos(Theta)y = R * np.sin(Theta)Z1 = 4 * RZ2 = -4 * R%matplotlib inlinefig = plt.figure()ax = plt.axes(projection='3d')ax.plot_surface(x, y, Z1 )ax.plot_surface(x, y, Z2) 공감수 0 댓글수 0 2024. 12. 5.
[데이터마이닝]seaborn -titanic,taxis,mpg,penguins,flights,tips [타이타닉]타이타닉 데이터셋: 생존 여부에 따른 fare와 age의 값 범위를 비교import seaborn as snstitanic= sns.load_dataset('titanic')titanicfare_die = titanic[titanic['survived']==0][['fare','age']]fare_survival = titanic[titanic['survived']==1][['fare','age']]f = lambda x: x.max() - x.min()print("died person min-max fare and age ")print(fare_survival.apply(f))print("survival person min-max fare and age ")fare_die.apply(f) ".. 공감수 0 댓글수 0 2024. 12. 5.
[데이터마이닝] Lab8-Plotly import seaborn as snsimport pandas as pdimport plotly.express as pxdf = sns.load_dataset('titanic')class_order = ['Third', 'First', 'Second']df['class'] = pd.Categorical(df['class'], categories=class_order, ordered=True)grouped = df.groupby(['alive', 'class']).size().reset_index(name='count')fig = px.bar(grouped, x='alive', y='count', color='class', .. 공감수 1 댓글수 1 2024. 12. 5.
[데이터마이닝] Lab8-지도그리기 import pandas as pdimport folium# 데이터 불러오기bike_data = pd.read_csv('./bike202406.csv')# 서울 중심 좌표로 지도 생성seoul_map = folium.Map(location=[37.5665, 126.9780], zoom_start=12)# 따릉이 대여소 위치를 지도에 점으로 표시for idx, row in bike_data.iterrows(): folium.CircleMarker( location=[row['위도'], row['경도']], # 위도, 경도 컬럼명 확인 필요 popup=row['보관소(대여소)명'], radius=2 # 대여소 이름이 있는 컬럼명 ).add_to(seoul_.. 공감수 4 댓글수 4 2024. 12. 5.
[데이터마이닝] Lab7-aggregation group by import pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltplanets = sns.load_dataset("planets")planets 행성의 발견 방법에 따른 갯수를 그래프로 그리고 분석# 1번문제planets_grouped1 = planets.groupby("method")["number"].sum().reset_index()plt.figure(figsize=(25, 20))sns.barplot(data=planets_grouped1, x="method", y="number")## 1번문제 분석- 행성발견 방법들 중 Radial Velocity 방법과 Transit 방법이 행성을 찾는데에 있어 주요적으로 많이 사용된 모습을 보인다.. 공감수 0 댓글수 0 2024. 12. 5.
[데이터마이닝] worldcloud lab6 import numpy as npfrom PIL import Imagefrom wordcloud import WordCloud, STOPWORDSimport matplotlib.pyplot as pltimport requestsfrom bs4 import BeautifulSoupimport matplotlib.font_manager as fm# 한글 폰트 설정font_path = './NanumGothic.ttf' # 폰트 경로를 본인 환경에 맞게 수정하세요.# 이미지 마스크alice_mask= np.array(Image.open('./cloud.png'))# 웹 크롤링url ="https://news.naver.com/section/105"headers={'User-Agent':'Mozilla/5.0.. 공감수 0 댓글수 0 2024. 12. 5.
[데이터마이닝] pandas-taxis 5lab import seaborn as snsimport matplotlib.pyplot as pltdf=sns.load_dataset('taxis')def payment(): sns.scatterplot(data=df, x='fare', y='tip', hue='payment')payment() def pickup_dropoff(): with sns.axes_style('white'): g = sns.catplot(x="pickup_borough", data=df, aspect=2, kind="count", color='steelblue') k = sns.catplot(x="dropoff_borough", data=df, a.. 공감수 0 댓글수 0 2024. 12. 5.
[데이터마이닝] Scikit-learn Winedata Lab4-sample 1번import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets import load_winewineData = load_wine()# print(data.data.shape) # 178 x 13# print(data.data) # 데이터 전체# print(data.target) # target => 분류해야 하는 데이터(여기서는 178개)# print(data.target_names) # class임 => 얘네로 분류해야 하는 것# print(data.feature_names) # 열 이름들def makeScatter(): n_classes = 3 # 분류되는 class 개수 plot_colors = 'r.. 공감수 0 댓글수 0 2024. 12. 5.
[데이터마이닝] matplotlib - random 3 lap 과제 한글 폰트깨질 경우import matplotlib # windows의 경우 matplotlib.rcParams['font.family'] = 'Malgun Gothic' import numpy as npimport matplotlib.pyplot as pltScore = np.random.randint(100, size=(10, 4))korea_point=Score[:,0]english_point=Score[:,1]math_point=Score[:,2]science_point=Score[:,3]average_score = (korea_point + english_point + math_point + science_point)/4average_score"""array([28.75, 49.75, 53.2.. 공감수 0 댓글수 0 2024. 12. 5.
[데이터마이닝] Numpy-학생 SAMPLE upload- Lab2 과제 import numpy as npdef Math_score(score_array): ##문제1 math_score_array = score_array[:, 2] #모든 행(학생)의 세 번째 열(수학 점수) 추출 for i, score in enumerate(math_score_array): print(f"학생{i+1}: {score}") def Total_score(score_array): ##문제2 total_score_array = np.sum(score_array, axis=1) #각 행(학생)별로 모든 열의 값(과목 점수) 더하기 for i, score in enumerate(total_score_array): print(f"학생{.. 공감수 1 댓글수 1 2024. 12. 5.
[데이터마이닝] Numpy 배열 import 해주기import numpy as np Numpy 배열과 파이썬의 리스트의 성능 차이 비교import numpy as npmy_arr = np.arange(1000000)my_list = list(range(1000000))%time for _ in range(10): my_arr2 = my_arr * 2%time for _ in range(10): my_list2 = [x * 2 for x in my_list]CPU times: total: 15.6 ms Wall time: 10.1 ms CPU times: total: 484 ms Wall time: 532 ms Numpy를 사용한 코드 순수한 파이썬으로 작성한 코드보다 속도 열배~백배빠르며 메모리 적게 사용 The Numpy ndarr.. 공감수 0 댓글수 0 2024. 12. 5.
[데이터마이닝] 파이썬 기초(2주차) import random# 문제 1번def test1(): Lst= [random.randint(1,100) for i in range(20)] Lst2=[random.randint(1,100) for i in range(20)] result=Lst+Lst2 #1.1 print(result) result=list(set(result)) #1.2 print(result)# 문제 2번 def test2(): student=[[chr(random.randint(65, 69)) for _ in range(10)] for _ in range(8)] print(student) answer=[chr(random.randint(65,69)) for _ in ran.. 공감수 0 댓글수 0 2024. 12. 5.
[CRYPTO] Digital Signitures 디지털 서명의 핵심 개념신뢰받는 발신자가 메시지를 작성했음을 보장한다.발신자가 메시지를 작성하지 않았다고 부인할 수 없도록 한다. (인증(Authentication)과 부인 방지(Non-repudiation))메시지가 전송 중 변경되지 않았음을 보장한다. (무결성(Integrity))구체적인 정의키 생성 알고리즘: 가능한 비밀키 중에서 무작위로 비밀키를 선택하고, 이와 대응되는 공개키를 생성한다.서명 알고리즘: 메시지와 비밀키를 입력으로 받아 서명을 생성한다.검증 알고리즘: 메시지, 공개키, 서명을 입력으로 받아 해당 메시지가 인증된 것인지 확인한다.디지털 서명 알고리즘 구성키 생성 알고리즘 (Key Generation Algorithm)랜덤화된 알고리즘을 사용하여 공개키(PK)와 비밀키(SK)를 생성한.. 공감수 2 댓글수 2 2024. 12. 4.
[CRYPTO] Message Authentication Codes 암호학적 기본 요소암호학에서 두 가지 주요 범주로 나눠볼 수 있다:대칭 암호(Symmetric Cryptography): 하나의 키를 사용하는 방식.비대칭 암호(Asymmetric Cryptography): 공개키와 비밀키 두 개의 키를 사용하는 방식.1. 기밀성 (Confidentiality):데이터를 보호하여 허가되지 않은 사용자가 접근하지 못하게 보장하는 기능.대칭 암호:프라이빗 키 암호화 (Private-key encryption).예: AES(Advanced Encryption Standard).비대칭 암호:공개키 암호화 (Public-key encryption).예: RSA-OAEP(RSA Optimal Asymmetric Encryption Padding).2. 무결성 (Integrity):.. 공감수 0 댓글수 0 2024. 12. 4.
[CRYPTO]Other_PublicKey_Cryptosystems Diffie-Hellman Key Exchange역사:1976년에 Whitfield Diffie와 Martin Hellman이 처음 발표한 키 교환 방식.그러나 이보다 몇 년 전 GCHQ(영국 정부 통신본부)에서 독립적으로 개발되었으나 기밀로 유지되었음.키 교환:Diffie-Hellman 키 교환 방식은 서로를 모르는 두 당사자가 안전하지 않은 채널을 통해 공통된 비밀 키를 생성할 수 있도록 함.이 키는 이후 암호화 통신에 사용될 수 있음.(계산적) Diffie-Hellman 문제:g: 특정 그룹 G의 생성자(기준 값).x, y: 무작위로 선택된 정수.주어진 g, g^x, g^y 값으로부터 g^{xy}를 계산하는 것이 매우 어려움.대부분의 그룹에서 이 문제는 이산 로그 문제(DLP, Discrete Lo.. 공감수 1 댓글수 0 2024. 12. 4.
[CRYPTO] UserAuthentication 1. 정보보안: 사용자 인증 개요보안 목표:기밀성(Confidentiality)무결성(Integrity)부인 방지(Non-repudiation)인증(Authentication)인증의 정의:사용자의 신원을 확인하거나 데이터의 진위 여부를 검증.2. 인증 요소(Authentciation Factors): 소유 기반(Ownership Factor)- something the user has:사용자가 소유한 물건(예: 보안 토큰, ID 카드).지식 기반(Knowledge Factor)- something the user know:사용자가 알고 있는 정보(예: 비밀번호, PIN).고유성 기반(Inherence Factor)- Something the user is (or does):사용자의 생체 정보(예: 지문,.. 공감수 1 댓글수 0 2024. 12. 4.
[CRYPTO] 타원 곡선 암호화(ECC)-Elliptic Curve Cryptography Elliptic Curve Cryptography1. Weierstrass 방정식Weierstrass 방정식은 타원 곡선을 나타내는 기본적인 수식이다.여기서:a1,a2,a3,a4,a6는 임의의 값(계수)이고,K는 이 방정식이 정의된 수 체계이다.(예: 실수나 유리수 등).2. K의 특성(characteristic)이 2 또는 3이 아닌 경우x와 y를 다음과 같이 변환할 수 있다. 3. 변환 후 방정식여기서 a,b∈K(a와 b는 K에 속하는 값) 4. 판별식(Discriminant)이 곡선의 판별식(Discriminant)은 다음과 같이 계산:판별식은 타원 곡선이 어떤 특성을 가지는지를 알려주는 중요한 값이다.특히, Δ≠0 일 경우, 곡선은 비특이(non-singular) 상태를 갖는다.(즉, 매끄럽고 .. 공감수 0 댓글수 0 2024. 12. 4.
[CTF 대회] LG유플러스 시큐리티 해커톤(2024)-write up 요 대회를 참가해보았다. 한 문제 풀었는데 write-up을 작성해볼려고 한다!신기한게 맵 형태로 되어있다. 기존 CTF와 다른 느낌… Account Service를 풀어보자~ [Account Service]들어가면 로그인과 회원가입페이지가 보인다. - 로그인 페이지 - 회원가입페이지 느낌상 파일업로드, sql 인젝션 느낌이 났다. 한 번 개발자도구로 소스코드를 보자! 확인해보니 저런 코드가 있다. 음 fileupload 느낌이 확났다. 따라서 /upload_ok.php에 php 파일을 업로드해서 플래그를 읽으면 될 것같았다. - 그냥 이미지를 넣고 로그인하면요런식으로 업로드 된 파일이 적용되지 않고 기본 이미지로 적용된다. 자 코드로 업로드해보자import requests # 서버 URL url = ".. 공감수 2 댓글수 0 2024. 11. 16.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.