对抗样本攻击与防御是最近几年兴起的一个研究热点,攻击者通过微小的修改生成对抗样本来使深度神经网络预测出错。生成的对抗样本可以揭示神经网络的脆弱性,并可以修复这些脆弱的神经网络以提高模型的安全性和鲁棒性。

短网址的攻击与防御 大数据 安全对抗 自动化 威胁情报 应用安全

专注 APT 攻击与防御 - Micro8 系列教程

聊城大学网络攻击与防御课程李老师专属(答案百度都可搜到)

深度学习(Deep Learning, DL)是当前计算机视觉领域应用最广泛的工具。它精确解决复杂问题的能力被用于视觉研究，以学习各种任务的深度神经模型，包括安全关键应用。然而，现在我们知道，DL很容易受到对抗性攻击，这些攻击可以通过在图像和视频中引入视觉上难以察觉的扰动来操纵它的预测。

电动汽车CAN协议的重放攻击与防御方法.pdf

深度学习模型的中毒攻击与防御综述.pdf

图神经网络对抗攻击与防御PPT，分享了Nettack和GNNGUARD

这个是XSS的攻击及防御代码的简单演示，利用Node搭建的

议题概要： 在过去的几年中，微软开发的 Powershell 随着不断完善成熟，PowerShell 也在不断获得广泛应用。 最近几年在攻击中看到越来越多的攻击者使用 Powershell 进行攻击，如内网渗透，APT 攻击甚至包括勒索软件中，PowerShell 为攻击者提供了系统原生功能支持，使得 PowerShell 正在逐渐成为一个非常流行且得力的攻击工具。 本议题揭秘 Powershell 攻击手法，掌握有效的防御和检测 Powershell 攻击的方法。 目录 PowerShell概述 传统的powershell防御 Powershell攻击 PowerShell检测不防御