pairwise算法

1. 如何使用MapRece计算相似度

et expansion），主要有如下几种方法（以Document Similarity为例）：Brute Force：最直接、暴力的方法，两个for循环，计算任意两篇文档之间的相似度，时间复杂度为O(n^2)。这种方法可以得到最好的效果，但是计算量太大，效率较差，往往作为baseline。
Inverted Index Based：由于大量文档之间没有交集term，为了优化算法性能，只需计算那些包含相同term文档之间的相似度即可，算法伪代码如下：基于MapRece的分布式计算框架如下：为了进一步优化计算，节省空间，研究人员提出了一系列剪枝策略和近似算法，详细见：《Scaling Up All Pairs Similarity Search》、《Pairwise document similarity in large collections with MapRece》、《Brute Force and Indexed Approaches to Pairwise Document Similarity Comparisons with MapRece》。
Locality Sensitive Hashing（LSH）：通过对文档进行某种度量操作后将其分组散列在不同的桶中。在这种度量下相似度较高的文档被分在同一个桶中的可能性较高。主要用于Near-plicate detection和Image similarity identification等，详细见：《Approximate Nearest Neighbors: Towards Removing the Curse of Dimensionality》、《Google news personalization: scalable online collaborative filtering》。

2. 网络无线密码怎么破

目前的破解方法是我们获得握手包后，用我们字典中的PSK+ssid先生成PMK（如果有HASH表则略过），然后结合握手包中的（客户端MAC，AP的BSSID，A-NONCE，S-NONCE）计算PTK，再加上原始的报文数据算出MIC并与AP发送的MIC比较，如果一致，那么该PSK就是密钥。
目前最耗时的就是算PMK，可谓破解的瓶颈。即使搞定了运算量的问题，海量的密钥存储也是个问题（PMK都是64字节长度）！
最近出来的tkiptun-ng只是可以解开使用tkip加密了的数据包，并不是说能够快速算出PMK或PSK。如果感兴趣，可以到书店看看讲哈希的书，说不定你把这些HASH算法都破解出来了。

3. 用MEGA计算pairwise distances，出现n/c，求助

您好，我来为您解答：
第一个关于n/c的问题我刚刚大致弄清楚了， 好像就是达到了mutation saturation，也就是ds太高了， 就出现这个结果。
如果我的回答没能帮助您，请继续追问。

4. pairwise disjoint 和 disjoint 的区别是什么

区别是：
pairwise disjoint指的是两两不相交。
disjoint指的是（使）脱节，（使）解体，（使）脱臼；不相交的。

例句如下：
pairwise disjoint
1、Let F denote a family of pairwise disjoint compact convex sets in the plane.
令F表示平面上一个互不交紧凸集族。
2、Another researching branch is to study the optimal division of agents into coalitions( the pairwise disjoint subsets) so that the sum of the revenues of all coalitions ismaximal.

另一种研究方法研究agents的最优划分，把Agents划分为若干个联盟（两两互不相交的子集），使各个联盟收益的总和最大。
3、The Smallest Size of a Maximal Family of Subsets of a Finite Set No k of Which arePairwise Disjoint.

极大的无k个子集两两不相交的子集系的最小容量。

disjoint
1、A new algorithm for generating the sum of disjoint procts is proposed.
给出网络可靠度一种新的不交和算法。
2、The disjoint collections of code and data reside within explicit boundaries called services.

这些相互无关的代码和数据的集合，驻留在显示的界限中，也就是服务。
3、DB210 can now automatically reorganize disjoint partition ranges of a partitionedtable space.

DB210现在支持自动重新组织分区表空间的不相连分区范围。

5. 如何构造相似度矩阵

求解高维相似度矩阵（All Pairs Similarity Search，or Pairwise Similarity），或者在大规模数据集上挖掘Top-K最相似的items（K-Nearest Neighbor Graph Construction， or TopK Set expansion），主要有如下几种方法（以Document Similarity为例）：
Brute Force：最直接、暴力的方法，两个for循环，计算任意两篇文档之间的相似度，时间复杂度为O(n^2)。这种方法可以得到最好的效果，但是计算量太大，效率较差，往往作为baseline。
Inverted Index Based：由于大量文档之间没有交集term，为了优化算法性能，只需计算那些包含相同term文档之间的相似度即可，算法伪代码如下：基于MapRece的分布式计算框架如下：为了进一步优化计算，节省空间，研究人员提出了一系列剪枝策略和近似算法，详细见：《Scaling Up All Pairs Similarity Search》、《Pairwise document similarity in large collections with MapRece》、《Brute Force and Indexed Approaches to Pairwise Document Similarity Comparisons with MapRece》。
Locality Sensitive Hashing（LSH）：通过对文档进行某种度量操作后将其分组散列在不同的桶中。在这种度量下相似度较高的文档被分在同一个桶中的可能性较高。主要用于Near-plicate detection和Image similarity identification等，详细见：《Approximate Nearest Neighbors: Towards Removing the Curse of Dimensionality》、《Google news personalization: scalable online collaborative filtering》。

6. 无线网卡可以做蓝牙接收器吗

不可以，因为蓝牙适配器不具备无线网卡的功能，换句话说，若给蓝牙适配器一个MAC地址的话，那蓝牙适配器就可以当无线网卡来使用。

无线网卡是一种无线终端设备，是无线局域网的无线覆盖下通过无线连接网络进行上网使用的无线终端设备。通俗的说无线网卡是一种不需要连接网线即可实现上网的设备比如我们最常见的笔记本、智能手机、平板电脑等数码产品内部都集成有无线网卡。

(6)pairwise算法扩展阅读

“预共享的密钥”PSK（即密码）可以是8~63之间任意长度的可打印的ASCII码字符。使用“Wi-Fi保护访问”的加密算法依赖于“成对主密钥”（Pairwise Master Key，PMK），该PMK是由“预共享密钥”和“服务集标识”计算生成的。

一旦客户端获得了PMK，客户端就会与AP接入点开始协商一个新的、临时的密钥，该密钥称为“成对临时密钥”（Pairwise Transient Key，PTK）。这些成对临时密钥PTK在每次客户端进行连接的时候被动态创建，在之后每次连接的时候进行定期更换。

从编程的角度来看，PTK的生成可以看成是由5个参数组成的函数，其参数有：“成对主密钥”，一个随机数字（由AP接入点提供，称为A-nonce），另一个随机数（由客户端提供，称为S-nonce），以及客户端与AP接入点各自的MAC地址。

PTK的生成之所以需要这么多的变量，究其原因是为了使每次创建的PTK值都独一无二，不会重复。

7. one-versus-rest和one-versus-one有什么不同

one-versus-rest和one-versus-one的不同
SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。
目前，构造SVM多类分类器的方法主要有两类：一类是直接法，直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”实现多类分类。这种方法看似简单，但其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中；另一类是间接法，主要是通过组合多个二分类器来实现多分类器的构造，常见的方法有one-against-one和one-against-all两种。
a.一对多法（one-versus-rest,简称1-v-r SVMs, OVR SVMs）。训练时依次把某个类别的样本归为一类,其他剩余的样本归为另一类，这样k个类别的样本就构造出了k个SVM。分类时将未知样本分类为具有最大分类函数值的那类。
假如我有四类要划分（也就是4个Label），它们是A、B、C、D。于是我在抽取训练集的时候，分别抽取A所对应的向量作为正集，B,C,D所对应的向量作为负集；B所对应的向量作为正集，A,C，D所对应的向量作为负集；C所对应的向量作为正集， A,B,D所对应的向量作为负集；D所对应的向量作为正集，A,B,C所对应的向量作为负集，这四个训练集分别进行训练，然后的得到四个训练结果文件，在测试的时候，把对应的测试向量分别利用这四个训练结果文件进行测试，最后每个测试都有一个结果f1(x),f2(x),f3(x),f4(x).于是最终的结果便是这四个值中最大的一个。
p.s.: 这种方法有种缺陷,因为训练集是1:M,这种情况下存在biased.因而不是很实用.
b.一对一法（one-versus-one,简称1-v-1 SVMs, OVO SVMs, pairwise）。其做法是在任意两类样本之间设计一个SVM，因此k个类别的样本就需要设计k(k-1)/2个SVM。当对一个未知样本进行分类时，最后得票最多的类别即为该未知样本的类别。Libsvm中的多类分类就是根据这个方法实现的。

8. WAP算法该选什么

LINKSYS WRT54G 2种算法都支持，随便选一种就可以了．只要网卡也支持就行

TKIP:

在IEEE 802.11i规范中，TKIP: Temporal Key Integrity Protocol（暂时密钥集成协议）负责处理无线安全问题的加密部分。TKIP在设计时考虑了当时非常苛刻的限制因素：必须在现有硬件上运行，因此不能使用计算先进的加密算法。

TKIP是包裹在已有WEP密码外围的一层“外壳”。TKIP由WEP使用的同样的加密引擎和RC4算法组成。不过，TKIP中密码使用的密钥长度为128位。这解决了WEP的第一个问题：过短的密钥长度。

TKIP的一个重要特性，是它变化每个数据包所使用的密钥。这就是它名称中“动态”的出处。密钥通过将多种因素混合在一起生成，包括基本密钥（即TKIP中所谓的成对瞬时密钥）、发射站的MAC地址以及数据包的序列号。混合操作在设计上将对无线站和接入点的要求减少到最低程度，但仍具有足够的密码强度，使它不能被轻易破译。

利用TKIP传送的每一个数据包都具有独有的48位序列号，这个序列号在每次传送新数据包时递增，并被用作初始化向量和密钥的一部分。将序列号加到密钥中，确保了每个数据包使用不同的密钥。这解决了WEP的另一个问题，即所谓的“碰撞攻击”。这种攻击发生在两个不同数据包使用同样的密钥时。在使用不同的密钥时，不会出现碰撞。

以数据包序列号作为初始化向量，还解决了另一个WEP问题，即所谓的“重放攻击（replay attacks）”。由于48位序列号需要数千年时间才会出现重复，因此没有人可以重放来自无线连接的老数据包：由于序列号不正确，这些数据包将作为失序包被检测出来。

被混合到TKIP密钥中的最重要因素是基本密钥。如果没有一种生成独特的基本密钥的方法，TKIP尽管可以解决许多WEP存在的问题，但却不能解决最糟糕的问题：所有人都在无线局域网上不断重复使用一个众所周知的密钥。为了解决这个问题，TKIP生成混合到每个包密钥中的基本密钥。无线站每次与接入点建立联系时，就生成一个新基本密钥。这个基本密钥通过将特定的会话内容与用接入点和无线站生成的一些随机数以及接入点和无线站的MAC地址进行散列处理来产生。由于采用802.1x认证，这个会话内容是特定的，而且由认证服务器安全地传送给无线站。

AES
对称密码体制的发展趋势将以分组密码为重点。分组密码算法通常由密钥扩展算法和加密（解密）算法两部分组成。密钥扩展算法将b字节用户主密钥扩展成r个子密钥。加密算法由一个密码学上的弱函数f与r个子密钥迭代r次组成。混乱和密钥扩散是分组密码算法设计的基本原则。抵御已知明文的差分和线性攻击，可变长密钥和分组是该体制的设计要点。

AES是美国国家标准技术研究所NIST旨在取代DES的21世纪的加密标准。

AES的基本要求是，采用对称分组密码体制，密钥长度的最少支持为128、192、256，分组长度128位，算法应易于各种硬件和软件实现。1998年NIST开始AES第一轮分析、测试和征集，共产生了15个候选算法。1999年3月完成了第二轮AES2的分析、测试。预计在2000年8月AES的最终结果将公布。

在应用方面，尽管DES在安全上是脆弱的，但由于快速DES芯片的大量生产，使得DES仍能暂时继续使用，为提高安全强度，通常使用独立密钥的三级DES。但是DES迟早要被AES代替。流密码体制较之分组密码在理论上成熟且安全，但未被列入下一代加密标准。

我也讲不清楚选哪个好了～

9. 代码反平庸吗

代码反混淆（deobfuscation）和代码混淆（obfuscation）对应，是其逆过程。维基网络将代码混淆定义为故意生成人类难以理解的源代码或机器码的过程（"In software development, obfuscation is the deliberate act of creating source or machine code that is difficult for humans to understand."）。代码反混淆可以理解为将原本人类难以理解的代码转化为简单的、可理解的、直观的代码的过程。

这篇文章主要介绍一下
"Big Code" 在代码反混淆领域的应用。更具体一点就是介绍一下提出 "JSNice" 和 "Deguard"
的两篇文章，这两篇文章虽然已经发表快五年了，但至今没有文章Follow这两份工作，因为文章已经将使用 "Big Code"
做代码命名反混淆做到了极致。后来的人无法在这个问题上推陈出新，脱颖而出。

"Big Code"： 代码托管网站如GitHub上的大量免费可用的高质量代码被称为 "Big Code" ，这些数据结合统计推理或深度学习为新兴的开发工具的出现提供了契机。

概率图模型：概率图模型是用图来表示变量概率依赖关系的理论，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。

问题

为了项目的安全，开发者在打包发布项目时会对代码进行混淆加密，包括但不限于用无意义的短变量去重命名类、变量、方法，以免代码被轻易破解泄露。另外由于JS脚本主要用于Web开发，对其进行混淆还能压缩脚本的大小，使得浏览器下载、加载更加快速，提升用户的浏览体验。

这一类通过对类、变量、方法重命名的混淆方案确实能加大其他开发者对代码的理解难度。其他开发者不干了，为了能方便理解他人混淆后的代码，学习（抄袭）他人的经验，针对这一类混淆方法的反混淆方法也应运而生。

下面先展示一下安卓APP的代码混淆技术：

其他元素，比如类名，Feilds名称的不等约束比较简单，直接处理就行。

所有不等约束以集合 表示， ， 中任意两个节点的名称必须不一样。

注意这个约束只用与预测阶段，因为训练数据（未混淆）本身满足这些约束。很容易可以把这些约束结合到JSNice的算法1中。

Deguard的概率图优化算法和JSNice也不一样，采用的是pseudo likelihood estimation。具体阐述推荐阅读文章[3]。

值得注意的是，为什么JSNice就没有Deguard中提到的相等约束和不等约束，笔者个人认为还是由问题和语言特性共同决定，JSNice的名称预测其实只预测了局部变量，而JS的语言特性导致其本身不需要检测局部变量的名称冲突，只有执行结果报错才会说明程序出错。也就是说其实JS本身语言特性就没有这类约束，自然不需要建模。

10. matlab怎么计算所有点y方向的距离（pairwise distance)

建议用gradient 可以矩阵求导。 1。如果F是一维矩阵，则FX=gradient（F，H）返回F的一维数值梯度。H是F中相邻两点间的间距。 2。如果F是二维矩阵，返回F的二维数值梯度。 [FX，FY]=gradient(F,HX,HY)。HX，HY参数表示各方向相邻两点的距离。