Mudrock的博客
外卖评论情感分类
基于 PyTorch 完成外卖评论情感分类实验：以 waimai_10k 中文评论数据集为对象，搭建「中文分词与词表构建 → 序列化与填充 → 模型定义 → 训练与测试 → 可视化对比」的完整流程，分别用双向 LSTM 的 TextRNN 与 Transformer 编码器的 TextTransformer 完成负面/正面二分类，并对两种模型的参数量、测试准确率、训练曲线、混淆矩阵与预测结果做对比分析。
基于无监督学习的Web日志异常检测系统
基于无监督学习的 Web 日志异常检测系统实践记录：以 Kaggle Web Log Dataset 的 16007 条 OJ 服务器日志为对象，构建从原始日志到异常告警的无监督检测流水线——数据清洗与字段解析、Drain 日志模板挖掘、时间窗口特征工程、Isolation Forest 无监督异常检测，最终定位出登录爆破尝试与越权访问等典型异常请求。
AI算法用于日志异常分析（Python）
基于 Python 的日志异常分析实验：用 Drain 算法解析 HDFS 模拟日志并统计模板频率，用 TF-IDF + Isolation Forest 完成异常检测，再在实验4专用 DVWA 环境中执行 SQL 注入、暴力破解、目录扫描等真实攻击，对比规则统计法与 AI 算法两种检测结果。
CIFAR-10图像分类
基于 PyTorch 的 CIFAR-10 图像分类实验：围绕 CIFAR-10 数据集搭建「数据工程 → 模型定义 → 训练与测试 → 可视化对比」完整流程，分别用多层感知机（MLP）与 ResNet-18 完成 10 类彩色图像分类，并对比两种模型的参数量、测试准确率、训练曲线、混淆矩阵与预测结果。
DVWA靶机攻击日志收集与观察
记录「DVWA 靶机攻击日志收集与观察」实验：在实验 2 的日志架构基础上引入 DVWA 靶机，由 Promtail 从靶机采集日志，通过攻击 DVWA 靶机产生攻击日志，再在浏览器中利用 Grafana 观察生成的攻击日志，建立攻击行为与日志数据之间的关联概念。
日志收集与分析系统操作
记录「日志收集与分析系统操作」实验的完整过程：在 Kali Linux 中用 Docker Compose 部署 Loki + Promtail + Grafana，实现本地 journald 日志的实时采集、集中存储与可视化展示，再通过 Grafana Explore 与自定义 LogQL 查询、Dashboard 面板完成日志级别分布统计与错误/警告趋势监控。
常用操作系统日志查看与分析
记录「常用操作系统日志查看与分析」实验的完整过程：先在 Kali Linux 上用 last、journalctl、dmesg 分析本机日志，再借助 Windows 11 事件查看器与 Python 脚本（python-evtx）解析 EVTX 样本，完成登录事件（4624/4625）的提取、筛选与统计。
