博-阿哥的案例列表
安全管理平台
为安全组管理敏感数据提供工具支撑， 编写后端多线程抓取mysql数据接口， 存储数据mongoDB， 制作前端操作界面： mysql地址配置， 各数据库结构与数据样本， 各数据库用户权限表， 配置自动标注策略页面。其中地址配置仿navicat, 其他各数据页面提供详细查询，批量标注， 导出数据等功能
信息安全画像系统
使用算法：随机森林， 逻辑回归 离线模型：python: sklearn 线上模型：scala: mllib， louvain community 安全画像的目的是通过标签的形式揭露活跃用户在平台上的安全风险。这里的用户的标识方式并不局限于账号，也可以是手机号、设备、IP等平台普适性的资源。我们认为手机号、设备、IP的风险取决于使用它们的账号的历史行为的好坏。因此，安全画像将以账号维度为核心，在账号画像达到理想的准确率及覆盖率的前提下，将账号的标签映射到手机号、设备、IP等维度，得到它们的风险标签。 线上准确率：97.8% 召回率：85.58% 担任角色：算法工程师，主要负责骗
案例判断参考
博-阿哥的案例列表
安全管理平台
为安全组管理敏感数据提供工具支撑， 编写后端多线程抓取mysql数据接口， 存储数据mongoDB， 制作前端操作界面： mysql地址配置， 各数据库结构与数据样本， 各数据库用户权限表， 配置自动标注策略页面。其中地址配置仿navicat, 其他各数据页面提供详细查询，批量标注， 导出数据等功能...
信息安全画像系统
使用算法：随机森林， 逻辑回归 离线模型：python: sklearn 线上模型：scala: mllib， louvain community 安全画像的目的是通过标签的形式揭露活跃用户在平台上的安全风险。这里的用户的标识方式并不局限于账号，也可以是手机号、设备、IP等平台普适性的资源。我们认为手机号、设备、IP的风险取决于使用它们的账号的历史行为的好坏。因此，安全画像将以账号维度为核心，在账号画像达到理想的准确率及覆盖率的前提下，将账号的标签映射到手机号、设备、IP等维度，得到它们的风险标签。 线上准确率：97.8% 召回率：85.58% 担任角色：算法工程师，主要负责骗...
