반응형 전체 글101 [Fuzzing] Lecture 1. Whetting Your Appetite Fuzzing(퍼징): software의 취약점을 test하는 기법 중 하나이다. 위의 예시와 마찬가지로, software에 input값을 무작위로 대입해보고, 그 process에서 발생하는 error나 collision을 monitoring해서 security의 허점을 찾아내는 방식이다. fuzzing에 대해서 공부를 하기 전에 software testing의 개념이 알아야 한다. Software testing: software를 어떻게 test 하고, 이 test가 성공적인지 아닌지, 충분하게 testing 되었는지를 어떻게 판단할 수 있을까? 아래 square root function 예제 코드를 보자. def my_sqrt(x): """Computes the square root of x, us.. 2024. 7. 3. [AI 5주차] Deep learning의 실용적인 측면 Train / Dev / test sets모든 data를 가져와서 이를 training set, validation set, test set으로 나누고 training set를 사용해서 training을 하고, validation set에서 다양한 모델 중 가장 성능이 좋은 모델을 체크한다. 이러한 과정을 충분히 수행한 후 evaluate하고 싶은 최종적인 모델이 있을 때, test set을 사용해서 evaluate할 수 있다. 여기서 주의할 점은 각각의 data set의 distribution이 일치해야된다는 점이다. 사용자가 많은 사진을 업로드할 수 있는 application을 만들고 있고, 사용자에게 보여주기 위해 고양이 사진을 찾는 것이 목표라고 해보자. training set은 web page.. 2024. 7. 2. [AI 4주차] DNN(깊은 신경망) Deep Neural Network(DNN): hidden layer가 2개 이상인 Neural network를 의미한다. 아래 그림은 4 Layer NN에서 3개의 hidden layer가 있는 경우이다. layer 0 layer1 layer2 layer3 layer4 Forward Propagation아래는 layer0에서 layer1로가는 forward propagation이다.w11 w12 w13 w14 w15w21 w22 w23 w24 w25 = w`^[1] //3 x 5 가중치 행렬w31 w32 w33 w34 w355 x 3 가중치 행렬로 만들어주기 위해 전치행렬을 가중치 행렬로 설정한.. 2024. 6. 27. [AI 3주차] Swallow Neural Network(얕은 신경망) Swallow Neural Network(얕은 신경망): hidden layer가 하나만 존재하는 Neural Network를 의미한다. input layer hidden layer output layer predicted valuea^[0] = X a^[1] a^[2] ŷ = a 시작하는 위치에 있는 x1, x2, x3는 input value이고 마지막에 있는 ŷ은 output value이다. input value가 있는 층을 input layer, output value가 return되는 마지막 노드를 output layer, .. 2024. 6. 27. 이전 1 ··· 13 14 15 16 17 18 19 ··· 26 다음 반응형
