Cuiyn's Blog

背包问题（Knapsack problem）是一种组合优化的NP完全问题。问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。通过暴力搜索，枚举所有可能性，可以找出最优解。但这里我们主要讨论动态规划(Dynamic programming，DP)解法：背包问题作为NP完全问题，暂时不存在多项式时间算法，动态规划属于背包问题求解最优解的可行方法之一。

今天分析的这篇论文在2016年于CCS会议发表，题目是《Host of Troubles: Multiple Host Ambiguities in HTTP
Implementations》，其DOI信息在这里。

这篇文章给我耳目一新的感觉。各厂商在实现通用协议时，为了兼容性或是设计考虑不周，得到的产品往往比协议规定宽泛。在不同产品的宽泛协议实现之间，也许存在着一些非常严重的漏洞。

贝叶斯分类器是一种简单常用的分类器，本文对贝叶斯分类器及其相关知识进行简要介绍。

在数据挖掘与机器学习中，决策树是一种常用的预测模型，树中每个节点表示某个对象，而每个分叉路径则代表某个可能的属性值；随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。本篇博文按照由浅入深的顺序，依次整理介绍这两种模型相关联的知识。

今天整理的算法是一种概率算法，它与我们以前提到过的神经网络关系紧密：可以用于解决神经网络求解最值问题；与神经网络类似，灵感来源于自然科学。下面开始介绍这个有趣的算法。

今天分析的这篇论文在2016年于NDSS会议发表，题目是《Automatically Evading Classifiers: A Case Study on PDF Malware Classifiers
》，其发布信息在这里。

论文主要针对恶意PDF样本，使用遗传编程算法，提出了一种使机器学习产生错误分类的方法。文章对知识积累的要求不高，听说过遗传算法、了解机器学习的基本概念即可。下面开始介绍文章内容。

最近听取了Batman成员关于神经网络的讲座，十分精彩，学习到了不少东西，担心遗忘，在这里做个总结与回顾。

阅读本篇博文，可能需要掌握机器学习的一些基础知识。我在本科阶段选修了《数据仓库与数据挖掘》，对相关领域有所了解就足够了。

今天介绍的这篇论文来自2016年的CCS会议，题目是《All Your DNS Records Point to Us: Understanding the Security Threats of Dangling DNS Records》，其DOI信息在这里。

这篇文章主要以工作量及工作的公益性见长，难度在CCS会议论文中算不上高，只要有基本的DNS相关知识就可以读懂。这篇文章也是我正式进入研究生阶段阅读的第一篇论文，同时其反映的问题也是我在配置VPS与域名时经常忽视的，所以感觉十分熟悉。下面介绍论文内容。

今天分析的这篇论文在2017年于CCS会议发表，题目是《DoS Attacks on Your Memory in Cloud》，其DOI信息在这里。

这篇文章涉及了很多计算机组成原理的知识，尤其是CPU与内存的知识。我在阅读这篇文章时感到十分吃力，补上了本科计组知识后才好一些。若读者对下面某些内容感到不知所云，不妨一补。