보호되어 있는 글입니다.

k-최근접 이웃 회귀에는 치명적인 단점이 존재한다. 해당 모델은 50cm의 농어를 1.033g정도로 예측한다. (실제보다 훨씬 가볍게 예측) 산점도를 보면, 농어는 길이가 커질 수록 무게가 늘어난다. 훈련 샘플에 있는 농어 중 가장 길이가 길었던 샘플이 45 정도이기 때문에 모델은 이 샘플들의 무게를 이용하여 길이 50cm인 농어의 무게를 예측한다. 이때, 45cm정도의 농어 샘플들의 평균이 바로 1.033g이다. 즉, 농어가 아무리 커져도 모델은 1.033g으로 예측할 것이다. 훈련 샘플에 포함되지 않은 범위의 데이터까지 예측할 수 있기 위해서 선형회귀 알고리즘을 사용할 수 있다. 1. 선형회귀 선형 회귀는 비교적 간단하고 성능이 뛰어나기 때문에 대표적인 머신러닝 알고리즘 중 하나이다. 특성이 하나인 ..

1. k-최근접 이웃 회귀 알고리즘 지도 학습은 크게 분류와 회귀로 나뉜다. 회귀는 클래스 중 하나로 분류하는 것이 아니라 임의의 어떤 숫자를 예측하는 문제이다. 이전에 다뤘던 k-최근접 이웃 분류 알고리즘은 예측하려는 샘플에 가장 가까운 샘플 k개를 선택한다. 그 다음 샘플들의 클래스를 확인하여 다수를 차지하는 샘플들의 클래스로 예측한다. k- 최근접 이웃 회귀 또한 분류와 똑같이 예측하려는 샘플에 가장 가까운 샘플 k개를 선택한다. 하지만 회귀이므로 이웃한 샘플의 타깃은 어떤 클래스가 아니라 수치이다. 따라서, 이웃 샘플들의 수치를 이용하여 이들의 평균을 구해 새로운 샘플(예측하려는 샘플)의 타깃을 예측한다. (1) 데이터 준비 #데이터 준비 (농어의 길이와 무게 데이터) #특성=길이, 타깃=무게 i..

1. 데이터 전처리 (1) 넘파이로 데이터 준비하기 - 먼저 간단하게 도미와 빙어의 길이와 무게에 대한 리스트를 생성해준다. #도미와 빙어 데이터셋 합치기 fish_length =[ 25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0, 9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0 ] fi..

1. 지도학습과 비지도 학습 ex. 도미와 빙어를 구분하는 모델 입력: 데이터 (길이와 무게) 타깃: 정답 (생선의 종류) 즉, 타깃은 알아내야 하는 것이다. 특성: 입력으로 사용되는 특징 생선의 길이와 무게 지도 학습: 타깃이 있으므로, 즉 알고리즘이 정답을 맞추는 모델 비지도 학습: 타깃없이 입력 데이터만 활용. 데이터를 파악하기 쉽게 하거나 변형할 때 사용 2. 훈련 세트와 테스트 세트 훈련 세트: 훈련에 사용되는 데이터 테스트 세트: 평가에 사용되는 데이터 모델에 대해 정확하게 테스트하기 위해서는 훈련 데이터와 평가 데이터가 달라야 한다. (연습문제와 시험문제가 달라야 그 사람의 진짜 실력을 평가할 수 있음을 생각하자) (1) 데이터 준비 및 k-최근접이웃 알고리즘 사용 #도미와 빙어 데이터셋 합..

0. 생성 분류 문제 (시나리오) 시나리오: 한빛 마켓에서 생선을 파는데, 직원이 생선 구분을 못한다 따라서, 머신러닝을 이용해 생선의 특성을 통해 생선의 이름을 알려주는 머신러닝을 만들어야 한다. 한빛마켓에서 팔기 시작한 생선은 도미 등이 있다. 데이터셋 출처: https://github.com/Ankit152/Fish-Market (책에서는 캐글이었는데, 현재 삭제된 것으로 보임) 생선을 분류하는 일이니 생선의 특징을 통해 쉽게 구분할 수 있을 것이다. 생선에 대해 잘 아는 김팀장이 생선길이가 30cm이상이면 도미라고 알려주었다. 하지만, 30cm이상인 모든 생선이 도미는 아니다. 이 문제를 머신러닝으로 어떻게 해결할 수 있을까? 보통 프로그래밍된 프로그램은 '누군가 정해준 기준대로' 일을 한다. 하..

1. 문제 https://dreamhack.io/wargame/challenges/28 xss-1 여러 기능과 입력받은 URL을 확인하는 봇이 구현된 서비스입니다. XSS 취약점을 이용해 플래그를 획득하세요. 플래그는 flag.txt, FLAG 변수에 있습니다. 플래그 형식은 DH{...} 입니다. 문제 수정 내역 dreamhack.io 2. 해결 과정 (1) 문제 파일 다운로드 #!/usr/bin/python3 from flask import Flask, request, render_template from selenium import webdriver from selenium.webdriver.chrome.service import Service import urllib import os app = ..

https://learn.dreamhack.io/173와 https://www.fis.kr/ko/major_biz/cyber_safety_oper/attack_info/security_news?articleSeq=3408 등 다양한 정보를 보고 정리한 내용입니다. 틀린 내용이 있다면 댓글로 알려주시면 감사하겠습니다. XSS 클라이언트 사이드 취약점은 웹 페이지의 이용자를 대상으로 공격할 수 있는 취약점이다. 해당 종류의 취약점을 통해 이용자를 식별하기 위한 세션 및 쿠키 정보를 탈취하고 해당 계정으로 임의의 기능을 수행할 수 있습니다. XSS는 클라이언트 사이드 취약점 중 하나로, 공격자가 사용자의 웹 브라우저에 악성 스크립트 코드를 주입하고, 사용자가 악성 스크립트 코드를 실행함으로써, 사용자의 정보를..

해당 강의를 수강하며 정리한 내용입니다. [무료] 기초부터 따라하는 디지털포렌식 - 인프런 | 강의기초부터 따라하는 디지털포렌식 강의입니다. 강의를 따라하다보면 "물 흐르듯, 자연스럽게" 실력이 늘어가는 강의를 추구합니다., 초보자 눈높이에 딱 맞춘, 원리를 이해하는 디지털포렌식 입1. Event Logs로그컴퓨터를 이용했을 때 컴퓨터 내에 (자동으로) 남는 기록 이벤트 로그(Event Logs)Windows 운영체제에서 시스템의 로그를 남기는 방식이벤트 뷰어(Event Viewer)를 통해 확인할 수 있음 (윈도우 기본 프로그램)이벤트 로그에는 시스템 로그, 응용 프로그램 로그, 보안 로그 등이 존재응용 프로그램 로그, 보안 로그, Setup 로그, 시스템 로그, 응용 프로그램 및 서비스 로그 등이 존..

해당 강의를 수강하며 정리한 내용입니다. [무료] 기초부터 따라하는 디지털포렌식 - 인프런 | 강의 기초부터 따라하는 디지털포렌식 강의입니다. 강의를 따라하다보면 "물 흐르듯, 자연스럽게" 실력이 늘어가는 강의를 추구합니다., 초보자 눈높이에 딱 맞춘, 원리를 이해하는 디지털포렌식 입 www.inflearn.com 1. AmCahce & ShimCache 응용 프로그램과 운영체제의 호환성을 위해 존재하는 캐시이다. 운영체제가 업데이트 되면 DLL이 생성 혹은 삭제되면서 호환성 문제가 발생한다. Windows에서는 프로그램 호환성 관리자를 이용하여 이 문제를 해결한다. -> 이때, AmCache와 ShimCache를 사용하게 된다. Amcache 모든 실행 파일의 이름, 경로, 크기, 해시 값을 확인할 수..