信息安全专业毕设没写算法会显得工作量少吗？

不一定。毕设的重点在于解决一个实际问题或者提出一个新的解决方案，而不是仅仅考虑算法的使用。如果你的毕设可以提出一个创新的思路或者解决了一个实际问题，那么它的价值就不会因为没有使用大量算法而降低。当然，如果你的毕设需要算法来支撑你的解决方案，那么你需要合理地使用算法来解决问题。最终，毕设的价值不在于算法的数量或者复杂度，而在于解决问题的实际效果和创新思路的贡献。

相关问题

请写出银行家算法的工作流程？

银行家算法是一种避免死锁的算法，它通过安全性检查来避免系统进入不安全状态。其工作流程如下：

1. 初始化：对于每个进程，需要记录它所需要的资源数、已分配的资源数和还需要的资源数。同时，需要记录系统中每种资源的总数和可用资源数。

2. 安全性检查：从未完成进程中找到一个进程，它所需要的资源数小于等于系统中可用的资源数，如果找不到这样的进程，则认为系统处于不安全状态，否则进入第3步。

3. 执行分配：假设找到了一个进程P，将它所需要的资源分配给它，并将它标记为已完成。此时，系统中可用的资源数增加，进入第2步。

4. 回收资源：如果进程P释放了它所占用的资源，则将这些资源回收，并将它们加入到系统中可用的资源数中。

以下是银行家算法的数据结构：

- Available：向量，表示系统中每种资源的可用数量。
- Max：矩阵，表示每个进程所需要的最大资源数。
- Allocation：矩阵，表示每个进程已经分配的资源数。
- Need：矩阵，表示每个进程还需要的资源数。

这种算法在实际工作中有什么缺陷吗？

虽然基于生成对抗网络（GAN）的陶瓷修复算法在陶瓷文物保护和修复方面有很大的潜力和应用前景，但在实际工作中仍然存在一些缺陷和局限性，主要包括以下几点：

1. 数据集的限制：GAN模型的性能很大程度上取决于训练数据集的质量和数量，如果数据集中的样本数量不足或者数据质量不高，那么训练出来的模型效果可能不如预期。

2. 模型的泛化能力：GAN模型在训练集上表现良好，但在测试集上可能会出现过拟合的问题，导致修复效果不理想。因此，如何提高模型的泛化能力是一个需要解决的问题。

3. 修复效果的主观性：陶瓷文物的修复涉及到很多主观因素，如修复的程度、颜色的匹配等等，因此不同的修复者可能会有不同的修复效果。这也会影响到基于GAN的算法的应用效果。

4. 时间和成本：基于GAN的陶瓷修复算法需要大量的计算资源和时间，同时需要专业的技术人员进行算法的开发和调试，这会增加修复的时间和成本。

综上所述，虽然基于GAN的陶瓷修复算法具有很大的潜力和应用前景，但在实际应用中还需要面对一些挑战和局限性。