Yunlong Lyu

Posted by Yunlongs on November 15, 2021

An Evaluation Study on Log Parsing and Its Use in Log Mining 阅读笔记

数据安全

An Evaluation Study on Log Parsing and Its Use in Log Mining 阅读笔记 https://github.com/cuhk-cse/logparser 期刊/会议： DSN 2016 (CCF-B) 发表时间： 2016年 ...

Posted by Yunlongs on September 29, 2021

Experience Report： System Log Analysis for Anomaly Detection阅读笔记

数据安全

Experience Report: System Log Analysis for Anomaly Detection https://github.com/cuhk-cse/loglizer 期刊/会议： ISSRE 2016 (CCF-B) 发表时间： 2016年 ...

Posted by Yunlongs on September 22, 2021

Linux kernel 内存管理

buddy 算法、Slab分配器

Linux kernel 内存管理一. Buddy 算法（伙伴系统）为了高效的处理频繁申请和释放不同大小的连续页框，Linux内核中引入了伙伴系统算法(buddy system)。主要思想：把所有的空闲页框分组为11个块链表，每个块链表分别包含大小为1，2，4，8，16，32，64，128，256，512和1024个连续页框的页框块。每个页框4kb，最大可以申请1024个连续页框，...

Posted by Yunlongs on August 4, 2021

CVE-2019-9213 漏洞分析及复现

理论分析、POC、提权

CVE-2019-9213 漏洞分析及复现 1. 漏洞简介是一个linux 内核中可以映射用户空间的0地址漏洞，绕过了kernel对用户空间内存映射地址的最低限制mmap_min_addr，可以往用户空间的0地址进行写数据，可配合kernel中的null pointere dereference漏洞来进行提权。允许的映射最低地址mmap_min_addr可通过cat /proc...

Posted by Yunlongs on July 20, 2021

Stanford图机器学习公开课CS224W（十七）笔记

Lecture 17 -Reasoning over Knowledge Graphs

Reasoning over Knowledge Graphs 第11-16讲的内容，不是我所重点关注的，就不花费时间写了。一.Knowledge Graph completion 在FreeBase的数据集上，研究人员发现93.8%的人没有填写出生地，78.5%的人没有填写国籍信息。那么，给定一个非常大的知识图谱，我们如何来补全知识图谱中丢失的关系呢？ 1.1 KG Re...

Posted by Yunlongs on December 16, 2020

Stanford图机器学习公开课CS224W（十）笔记

Lecture 10 -Deep Generative Models for Graphs

Deep Generative Models for Graphs 温馨提示：Lecture 9是编程课，所以就不写笔记了哈如这一讲的标题所示，来研究图的生成模型。一.图生成模型的难点所在非常大的变量输出空间如果要生成具有n个节点的图，那么其邻接矩阵中就有$n^2$条边的参数要进行学习。图不唯一的表征 n个节点的图通过节点顺序的置换，可以表征成$n...

Posted by Yunlongs on December 8, 2020

Stanford图机器学习公开课CS224W（八）笔记

Lecture 8 -Graph Neural Network

Graph Neural Network 上一讲的内容，描述了几个经典的图嵌入算法，将节点映射到低维的向量中，并且在embedding空间仍然具有原来空间的相似性。这一讲中，我们将会讨论基于图神经网络的深度学习方法。一.图神经网络的困难目前深度学习中较为成功的两大领域：CV和NLP，CV以图像作为处理对象，而图像可以轻松的用像素矩阵来表示；NLP处理文本信息，而文本信息都是以序...

Posted by Yunlongs on December 4, 2020

Stanford图机器学习公开课CS224W（七）笔记

Lecture 7 -Graph Representation Learning

Graph Representation Learning 图表征学习减轻了之前ML的从业人员手工提取特征的负担，重要性不言而喻。一. Embedding Nodes Node embedding 的目标就是对节点进行编码，并且在embedding space的相似性约等于在原始网络中的相似性。所以这就需要我们：定义一个encoder 来映射节点为embedding 定...

Posted by Yunlongs on December 3, 2020

Stanford图机器学习公开课CS224W（六）笔记

Lecture 6 -Message Passing and Node Classification

Message Passing and Node Classification 这一节课主要讨论的问题是，在一个网络中，只有一些节点具有标签，那么怎么去为所有其他的节点分配标签？这个问题也可以被称为Collective classification，主要思想是利用网络中已经存在的关系。对应的三种分类技术分别为： Relational Classification Itera...

Posted by Yunlongs on December 1, 2020

Learning!

Where Does It Go? Refining Indirect-Call Targets with Multi-Layer Type Analysis阅读笔记

Bug Detection

An Evaluation Study on Log Parsing and Its Use in Log Mining 阅读笔记

数据安全

Experience Report： System Log Analysis for Anomaly Detection阅读笔记

数据安全

Linux kernel 内存管理

buddy 算法、Slab分配器

CVE-2019-9213 漏洞分析及复现

理论分析、POC、提权

Stanford图机器学习公开课CS224W（十七）笔记

Lecture 17 -Reasoning over Knowledge Graphs

Stanford图机器学习公开课CS224W（十）笔记

Lecture 10 -Deep Generative Models for Graphs

Stanford图机器学习公开课CS224W（八）笔记

Lecture 8 -Graph Neural Network

Stanford图机器学习公开课CS224W（七）笔记

Lecture 7 -Graph Representation Learning

Stanford图机器学习公开课CS224W（六）笔记

Lecture 6 -Message Passing and Node Classification

FEATURED TAGS

My Blog

FRIENDS