https://honeyscore.shodan.io/
工业控制系统honeynets
http://conpot.org/
github.com/
https://github.com/trustedsec/artillery
honeypots检测技术
2015-09-05
701
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
https://honeyscore.shodan.io/工业控制系统honeynetshttp://conpot.
目录
相关文章
|
6月前
|
机器学习/深度学习
人工智能
监控
AI威胁检测与识别
AI在网络安全中扮演关键角色，实现实时监控、异常检测、高级威胁识别和自动化响应。通过机器学习和深度学习，AI能分析大量数据，预测攻击，智能支持决策，并评估风险。然而，随着攻击手段进化，AI系统的抗攻击性研究和持续升级至关重要。
109
2
2
|
6月前
|
算法
|
6月前
|
算法
|
存储
算法
生物认证
活体检测的几种手段分析
活体检测的手段比较多，目前比较通用的是人脸活体检测，但是实际应用中的还有指纹识别、虹膜识别、静脉识别，通过这些手段来增加安全性，活体检测在金融领域、军事管理中最先使用，目前也在渐渐的普及到各个民用行业。
649
0
1
|
21天前
|
传感器
监控
安全
智能消防系统：早期火灾检测与响应
【10月更文挑战第24天】智能消防系统通过物联网、大数据和先进传感器技术，实现早期火灾的快速检测与响应。系统包括高灵敏度的温度、烟雾传感器和智能分析软件，能够实时监测环境变化并及时发出警报。此外，系统还具备自动开启疏散通道、启动应急照明和自动喷水灭火等功能，确保人员安全撤离并有效控制火势。智能消防系统广泛应用于住宅、办公楼、工厂等场所，为火灾预防和应对提供全面保障。
43
3
3
|
6月前
|
人工智能
数据安全/隐私保护
如何实现AI检测与反检测原理
AI检测器用于识别AI生成的文本，如ChatGPT，通过困惑度和爆发性指标评估文本。低困惑度和低爆发性可能指示AI创作。OpenAI正研发AI文本水印系统，但尚处早期阶段。现有检测器对长文本较准确，但非100%可靠，最高准确率约84%。工具如AIUNDETECT和AI Humanizer提供AI检测解决方案，适用于学生、研究人员和内容创作者。
1362
0
1
|
计算机视觉
|
数据采集
JSON
前端开发
|
编解码
人工智能
算法
2022最新！更面向工业场景：基于视觉方案不同挑战下的车道检测与跟踪（下）
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线，该方法主要介绍了三个关键技术。首先，应用双边滤波器来平滑和保留边缘，引入了一个优化的强度阈值范围（OITR）来提高canny算子的性能，该算子检测低强度（有色、腐蚀或模糊）车道标记的边缘。第二，提出了一种稳健的车道验证技术，即基于角度和长度的几何约束（ALGC）算法，然后进行霍夫变换，以验证车道线的特征并防止不正确的车道线检测。最后，提出了一种新的车道线跟踪技术，即水平可调车道重新定位范围（HALRR）算法，该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
226
0
0
|
传感器
编解码
人工智能
2022最新！更面向工业场景：基于视觉方案不同挑战下的车道检测与跟踪（上）
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线，该方法主要介绍了三个关键技术。首先，应用双边滤波器来平滑和保留边缘，引入了一个优化的强度阈值范围（OITR）来提高canny算子的性能，该算子检测低强度（有色、腐蚀或模糊）车道标记的边缘。第二，提出了一种稳健的车道验证技术，即基于角度和长度的几何约束（ALGC）算法，然后进行霍夫变换，以验证车道线的特征并防止不正确的车道线检测。最后，提出了一种新的车道线跟踪技术，即水平可调车道重新定位范围（HALRR）算法，该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
305
0
0
