无需刷新即可检测 JavaScript 中的 URL 更改
如何为 Flarum 论坛添加 medium-zoom（用于缩放图像的 JavaScript 库，如 Medium）呢？本篇文章，在于分析借助 MutationObserver 函数，从而为 SPA 应用，添加些特殊处理，如添加 medium-zoom 动画。
相关分享
1
喜欢
te
tech.meituan.com
/
2025-01-02 23:44
AutoConsis：UI内容一致性智能检测
深入分享了美团在 UI 自动化一致性检测上的技术方案，从设计思路到实际应用，全面展示了如何提升产品质量和用户体验！想了解大厂如何用技术解决复杂问题？快来阅读并转发！
无图
1
喜欢
cr
crossoverjie.top
/
2024-11-23 21:44
StarRocks 物化视图刷新流程和原理
物化视图通过预计算显著提升查询性能，其刷新方式分为全量刷新和增量刷新。全量刷新适合一致性要求高的场景，增量刷新则高效应对数据变更。StarRocks独特的分布式引擎和自动优化策略，让数据处理更高效。你更倾向用哪种刷新方式？
无图
1
喜欢
ix
ixyzero.com
/
2024-03-31 21:10
异常检测是什么？
简单整理一下在和AI对话时产生的一些对「异常检测」的理解，方便后面有需要的时候参考。
异常检测是识别与预期行为不同的事件或模式的过程（因此想要识别“异常”，就需要先明确“正常”是什么样的。一种逻辑是完全按照规范来，非白即黑，但在实际情况下这种的告警量太多导致基本不可用；另一种逻辑是按照统计指标进行从大到小排序，每次只处理当前的top5，要么正常要么异常，正常的话就去优化统计策略——加白，异常的话就加大统计指标权重，进一步发现更多异常。总之就是需要在准确率和召回率之间找到平衡）。
异常检测的准确性高度依赖于数据的质量，包括数据的完整性、一致性和准确性。
对于某些领域，需要深入了解数据的业务背景和特点，以便更好地识别异常。
无图
1
喜欢
ix
ixyzero.com
/
2024-03-13 13:24
重复视频检测的价值和常见方法
全网范围内的主要精品视频主要来自MCN机构，一些公司为了更快更好地去覆盖全网内容，会选择和内容代理合作，而代理手上会有很多重复版权的内容，导致重复内容出现。另外，搬运视频也会导致重复内容出现，这些重复内容会造成极差的用户体验。
再者，大量内容相似的视频对于短视频平台存储、网络带宽等资源也是一个极大的挑战，为了不必要的资源浪费，对视频内容进行去重是非常有必要的。
无图
1
喜欢
ad
www.addesp.com
/
2023-12-01 09:48
校园网保证一机一号和检测共享上网的原理
出于利益等原因，许多校园网采取一机一号的管理方式。即一个宽带账号只能由一台规定的设备使用。同时检测共享上网以避免使用路由器或类似方式实现共享。那么这些限制背后的原理是什么呢？
无图
1
喜欢
te
tech.meituan.com
/
2023-11-29 23:40
基于UI交互意图理解的异常检测方法
美团到店平台技术部/质量工程部与复旦大学周扬帆教授团队开展了科研合作，基于业务实际场景，自主研发了多模态UI交互意图识别模型以及配套的UI交互框架。本文从大前端质量保障领域的痛点出发，介绍了UI交互意图识别的方法设计与实现。基于UI交互意图编写的测试用例在实际业务中展现出了可以跨端、跨App的泛化能力，希望可以为从事相关工作的同学带来一些启发或帮助。
无图
1
喜欢
bl
blog.yuanpei.me
/
2023-10-24 23:39
C# 使用 LibUsbDotNet 实现 USB 设备检测
基于某些不可抗因素上的考虑，博主需要在程序中集成某厂商的硬件。我猜测，人们觉得这件事情“简单”，或许是看到这个设备有一条 USB 连接线，因为在人们的固有印象中，只要把它接到电脑上就可以正常工作了。事实的确如此，因为你只要考虑串口(SerialPort)、USB 以及这两者间的相互转换即可。当然，这世上的事情圆满者少，遗憾者多，博主在使用过程中发现，厂商的提供的 SDK 存在 Bug，当设备从电脑上拔出后，其 SDK 的初始化函数依然正常返回了，这意味着我们无法在使用设备前“正确”地检测出硬件状态。考虑厂商愿不愿意修复这个 Bug 还是个未知数，博主不得不尝试另辟蹊径。
无图
1
喜欢
pa
paper.seebug.org
/
2023-08-18 22:58
浅谈 URL 解析与鉴权中的陷阱
本文主要是针对 URL 解析的路径部分。因为 URL 的路径部分通常涉及到资源和服务的路由，以及对应的鉴权校验。通常我们在漏洞挖掘和渗透测试时都收集过一些鉴权绕过的 “Tricks”，但很多时候并不了解其所以然，每每测试结束后总觉得缺少了些什么。这些绕过的 payload 是否覆盖了所有场景？是否还有其他可能的变种？其实也不能完全肯定。
因此就有了这篇文章，一方面记录和整理笔者遇到过的鉴权绕过技巧，另一方面也尝试分析这些绕过背后的原理，希望对大家有所启发。
无图
1
喜欢
bl
blog.nsfocus.net
/
2023-04-09 21:42
开放环境下的鲁棒异常检测
机器学习模型有效的前提假设是：训练阶段与模型部署阶段的数据分布一致，然而在真实世界中，数据往往是变化的，输入与输出之间的关联性也会发生变化，这种现象（概念漂移）会导致机器学习模型的表现下降；异常检测任务作为安全领域的一项重要任务，应用领域广泛，异常检测的模型同样会受概念漂移现象的影响。为了提高异常检测算法的鲁棒性，本文介绍一篇NDSS2023年的论文，该论文关注正常行为的变化情况，剔除过期正常行为，添加新增正常行为，从而使模型适应数据的变化，提高鲁棒性。
无图
1
喜欢
in
insights.thoughtworks.cn
/
2023-04-06 10:43
浅谈基于深度学习的漏洞检测
深度学习在图像处理、视频实体识别、自然语言处理等领域中已经取得了长足的发展和突出的成果，这自然驱使着安全研究员们将神经网络引入到安全领域中。
无图