최신 글
- Meta Quest 3S USB 패킷으로 플레이 영상 복구하기 0.서론Meta Quest 3S는 기기 단독으로 사용할 수도 있고, PC와 연결해서 사용할 수도 있다.이때 PC와의 연결은 무선 연결과 유선 연결을 모두 지원하며, PC와 연결해서 사용하는 경우 PC의 응용프로그램을 VR에 스트리밍 하는 식으로 동작한다.유선 연결은 PC와 USB-C Type으로 연결하는 방식이다.이 글에서는 PC와 Meta Quest 3S를 유선연결 한 뒤에 캡처한 패킷으로 플레이 영상을 복구하는 방법에 대해 서술한다. 1.Meta Quest 3S의 USB 패킷 캡처 후 분석USB 패킷 캡처를 위해서 Wireshark와 USBPcap 플러그인을 사용하였다. 해당 플러그인을 설치하면 아래와 같이 USBPcpa1이라는 영역이 생기는데, Meta Quest 3S와 유선 연결을 하고나서 해당.. 2025.11.18
- [논문 구현] 강화학습으로 DDoS공격 트래픽 제어하기 0.관련 링크참고 논문 : DDoS Traffic Control Using Transfer Learning DQN With Structure Information | IEEE Journals & Magazine | IEEE Xplore DDoS Traffic Control Using Transfer Learning DQN With Structure InformationA DDoS attack is one of the most serious threats to the current Internet. The Router throttling is a popular method to response against DDoS attacks. Currently, coordinated team learning (CTL.. 2025.06.13
- [node.js] Socket.IO에 Passport 적용하는 방법 passport의 설정과 관련된건 전부다 이미 되어있다고 가정하여 관련된 코드는 모두 생략하고 socket.io에 적용하는 방법만 서술함 const express = require('express'); const session = require('express-session'); const passport = require('passport'); const io = require('socket.io')(server);//server도 설정되어 있는대로 하면된다. //io의 미들웨어 사용 io.engine.use(session({ //설정은 알아서 } })); io.engine.use(passport.initialize()) io.engine.use(passport.session()) 이렇게 설정해주면 끝.. 2023.12.11
- 토이 프로젝트 : HungryCatScreenMate 소개 HungryCat이라는 내가 만든 캐릭터와 PyQT5를 이용해서 스크린 메이트를 만들어봤다. 이렇게 화면 위에서 돌아다닌다. 오른쪽 하단 트레이 메뉴에서 Give Fish를 누르면 물고기를 줄 수 있다. 물고기를 주면 물고기 쪽으로 걸어가서 물고기를 먹는다. Github ryujm1828/HungryCatScreenMate: HungryCat Screen Mate (github.com) GitHub - ryujm1828/HungryCatScreenMate: HungryCat Screen Mate HungryCat Screen Mate. Contribute to ryujm1828/HungryCatScreenMate development by creating an account on GitHub. gi.. 2023.08.26
- HungryCat강화학습3 - BC + DQN 알고리즘 (with ML-Agent) 개요 이번에는 전문가가 직접 플레이한 샘플을 인공지능이 학습하도록 하는 BC 알고리즘을 사용해 보았다. 하지만 결과는 여전히 첫번째 파이프를 못넘었기 때문에 추가적으로 이 학습된 모델을 load하여 DQN 알고리즘으로 추가적으로 학습시켜 보았다. BC알고리즘 파이토치 구현 import numpy as np import random import copy import datetime import platform import torch from torch import nn import torch.nn.functional as F from torch.utils.tensorboard import SummaryWriter from collections import deque from mlagents_envs.env.. 2023.08.05
- HungryCat 강화학습2 - DQN 알고리즘 (with ML-Agent) 개요 저번 A2C에 이어서 이번에는 DQN방법으로 학습시켜 보았다. 프로젝트의 변경점은 state가 4개에서 6개로 증가되었다. 이미 지나간 pipe의 위치정보 또한 인식해야 올바르게 학습이 되는 환경이라 생각하여 지나간 pipe의 정보또한 state에 넣어주었다. 파이토치 코드 import numpy as np import random import copy import datetime import platform import torch from torch import nn import torch.nn.functional as F from torch.utils.tensorboard import SummaryWriter from collections import deque from mlagents_envs.. 2023.08.03