python 代写

# CS135 Project A: Classifying Sentiment ## 1. Overview – **Project Timeline** – Release on Thu 9/26 – Form partners by Sun 10/06 – Due on Thu 10/17 – Intermediate deadlines for Problem 1 and Problem 2 code/experimentation and writeup – **Team Formation** – Encouraged to work in teams of 2, but can work individually

# FIT5196 – S2 – 2024 Assessment 2 ## 1. Introduction This is a group assessment worth 40% of the total mark for FIT5196. It consists of three tasks related to data analysis and manipulation. ## 2. Task 1: Data Cleansing (50%) ### 2.1 Input and Output Files – **Input files**: `Group_dirty_data.csv`, `Group_outlier_data.csv`, `Group_missing_data.csv`, `warehouse.csv`

CS188 Project 2: Multi-Agent Search 加州大学伯克利分校EECS 188 AI课程2024年秋季项目2的代写。该项目主题是多智能体搜索（Multi – Agent Search），要求学生为经典的吃豆人游戏（Pacman）设计智能体，包括实现 minimax 和 expectimax搜索算法，并设计评估函数。项目截止日期为10月2日晚上11:59（太平洋时间）。 1. **项目文件结构** – **编辑文件**：`multiAgents.py`，用于实现多智能体搜索智能体。 – **参考文件**：`pacman.py`（运行游戏的主文件，定义了游戏状态类型）、`game.py`（游戏世界的逻辑）、`util.py`（用于搜索算法的数据结构）等。 – **可忽略文件**：如`graphicsDisplay.py`（图形显示相关）、`ghostAgents.py`（控制幽灵的智能体）等。 2. **项目任务** – **Q1（4分）：反射智能体（Reflex Agent）**：改进`multiAgents.py`中的`ReflexAgent`，使其在`testClassic`布局中表现良好，并在`openClassic`布局上进行测试评分。 – **Q2（5分）：极小极大算法（Minimax）**：在`multiAgents.py`的`MinimaxAgent`类中实现对抗搜索智能体，扩展游戏树到任意深度，使用给定的评估函数对叶子节点评分。 – **Q3（5分）：α – β剪枝（Alpha – Beta Pruning）**：在`AlphaBetaAgent`中实现α – β剪枝算法，提高搜索效率，确保剪枝后的结果与`MinimaxAgent`相同（极小极大值相同，选择的动作可能因打破平局的行为不同而不同）。 – **Q4（5分）：期望极大算法（Expectimax）**：在`ExpectimaxAgent`中实现期望极大算法，用于建模可能做出次优选择的智能体的概率行为。 – **Q5（6分）：评估函数（Evaluation Function）**：在`betterEvaluationFunction`中编写一个更好的评估函数，用于评估状态，在`smallClassic`布局上进行测试评分。 3. **项目工具** – **自动评分器（Autograder）**：可用于在本地对答案进行评分，通过`python autograder.py`命令运行所有问题的测试，也可针对特定问题或测试用例运行。 4. **注意事项** – 不要从项目1复制文件，否则无法通过Gradescope的自动评分器。 – 不要更改提供的函数或类的名称，否则会影响自动评分器的运行。 –

该文档是关于CYBR3000信息安全作业的说明，作业分为两部分。A部分是入侵防御，需要使用iptables编写规则集，完成五个任务，并将每个任务的规则集写在单独的.txt文件中。B部分是入侵检测，需要编写一个名为IDS.py的Python程序，读取包含入侵检测规则的文件和.pcap文件，检测数据包是否违反规则，并将警报信息记录到IDS_log.txt中。程序需要支持多种检测场景，并遵循特定的规则格式和要求。 介绍 本作业分为两个部分：A部分和B部分。 A部分：入侵防御（总计25分） 非中介 直接联系❤️ cstutorcs 您需要为以下每个任务编写iptables规则集。每个任务的每个规则集都需要写在一个单独的.txt文件中。.txt文件中的每一行都对应一个单独的iptables规则。.txt文件的名称必须与相应任务的名称匹配（例如task1.txt）。如果.txt文件的名称不正确或标记错误，则不会给分。每个.txt文件中的规则应该是可以直接使用的，这意味着其他人可以复制粘贴并在终端中运行规则集中的每个规则来满足任务的要求。 要使用iptables，您需要在基于Linux的系统中测试您的规则。像Docker这样的工具或使用VirtualBox或VMware等软件的虚拟机可以让您运行一个可以使用iptables的Linux环境。 任务： 任务1（5分）：允许来自特定IP地址（192.168.1.100）的传入SSH流量（使用端口22），并拒绝所有其他传入的SSH连接。 任务2（5分）：允许传入的HTTP（端口80）和HTTPS（端口443）流量，但丢弃所有其他传入流量。 任务3（5分）：将传入的ICMP ping请求（ICMP echo – request）限制为每秒仅两个。 任务4（5分）：对于传入流量，仅允许已建立和相关的连接，阻止新的传入连接，除了SSH。 任务5（5分）：默认情况下阻止所有传入和传出流量，但允许来自特定IP（192.168.1.100）的SSH访问、HTTP / HTTPS流量和DNS查询。 B部分：入侵检测（总计75分） 在这部分中，您需要编写一个名为IDS.py的Python程序，该程序模拟入侵检测系统（IDS）的行为。这个程序将读取两个文件：1）一个文件包含入侵检测规则（如Snort中使用的规则），2）另一个文件是.pcap文件，其中包含您的程序将检查的所有数据包，以查看它们是否违反规则。这两个文件都将通过命令行参数传递到您的Python程序（IDS.py）中。IDS.py的开头如下： $python3 NIDS.py <.pcap文件的绝对路径> <IDS规则的绝对路径> 两个路径都需要是绝对路径。 – Python 3.9是此部分所需的版本，并且本次作业的最终测试也将使用Python 3.9。我们不允许使用任何其他Python版本，如果由于错误的Python版本导致意外行为发生，则不会给分。Scapy是此部分允许使用的库，请勿在代码中使用任何其他外部库。 – IDS_rules.txt和.pcap文件的示例在BlackBoard上给出。您需要读取和解析每条规则，并使用该规则来监视和检测.pcap文件中的数据包。请注意，提供的.pcap文件只是在最终评分中使用的.pcap文件的一个子集。 – IDS规则的格式与Snort规则的格式略有不同。您的IDS规则的一个简单示例是： alert tcp 192.168.102.132 any -> any any (msg: "receive a TCP packet";) 当数据包是来自IP地址192.168.102.132的任何端口并发送到任何IP地址的任何端口的传入TCP数据包时，此规则将发出警报。如果发现这样的数据包，IDS.py将把消息记录到名为IDS_log.txt的日志中，格式如下： 2024 – 08 – 18 11:47:53

介绍 本作业分为两个部分：A 部分和 B 部分。 ### A 部分：入侵预防（总计 25 分） – 您需要为以下每个任务编写 iptables 规则集。每个任务的每个规则集都需要写在一个单独的 .txt 文件中。.txt 文件中的每一行对应一个单独的 iptables 规则。.txt 文件的名称必须与相应任务的名称匹配（例如 task1.txt）。如果 .txt 文件的名称不正确或标签错误，则不会给予分数。每个 .txt 文件中的规则应该是可以直接使用的，这意味着其他人可以复制粘贴并在终端中运行规则集中的每个规则，以满足任务的要求。 – 要使用 iptables，您需要在基于 Linux 的系统中测试您的规则。像 Docker 这样的工具或使用 VirtualBox 或 VMware 等软件的虚拟机将允许您运行一个可以使用 iptables 的 Linux 环境。 任务： – 任务 1（5 分）：允许来自特定 IP 地址（192.168.1.100）的入站 SSH 流量（使用端口 22），并拒绝所有其他入站 SSH 连接。 – 任务 2（5