耗时3个月 暗访40+安全大牛 终于总结了2023各安全大厂面经(包含护网红蓝队面试题)

护网蓝队/红队面试题汇总 蓝队护网面试题 什么是蓝队和红队? 描述一下蓝队的工作方式和目的。 什么是安全事件? 安全事件响应流程包含哪些步骤? 什么是SOC? 描述一下SOC的功能和职责。 SOC与NO​C有什么区别? 什么是威胁情报? 描述威胁情报的分类和来源。 什么是APT? 描述APT攻击的典型攻击链。 什么是攻击图? 描述攻击图的作用和功能。 什么是网络漏洞? 描述网络漏洞的危害和分类。 什么是漏洞扫描? 描述漏洞扫描的目的和原理。 常用的漏洞扫描工具有哪些? 什么是漏洞利用? 描 阅读详情

主要提供两个方向,一个是漏洞挖掘,一个是红队。

面了之后,直观感受是,面试也是有套路可言的。

这里的套路指的不是所谓的出题套路,而是涉及的技术栈,都是大同小益的,无非就是那么几样,java,域为主体,其他为辅助。虽然技术栈不变,但是面试的问题每一年都会略有改变,因为安全技术在进步,每一年面试问的东西,或多或少都会和当年出来的新技术有关系,而目前更多的会涉及到云这一块。所以搞安全,一定要与时俱进。

市场要求,本质上还是底线要求,他要求你能够胜任当前岗位,这个要求已经很基本了。对自己的要求应该还需要拔高,更多的应该是因为兴趣就某个问题进行深入钻研,然后完成各种各样的挑战,这样玩下来才更有乐趣。其实不太需要思考钱的问题。技术到位了,公司开高薪是水到渠成的事情。越过过程去想结果,是很难有所收获的。

这里先对各家厂商的面试做个总结:

一 java 很重要二 域很重要三 如果 java 和域都过关,basement 的技术栈已经过关了,后续的就是锦上添花,在给你offer 的基础上加钱。​​​​Java 主要涉及新漏洞和老漏洞的原理,利用,绕 waf 利用。域主要涉及新漏洞和老漏洞的原理,利用,绕 edr 利用。至于红队方向,有的会问 cs 隐藏,cs 特征修改,这个也是必会的。还有免杀,会了更好,不会也没事,如果 java 和域这块过关的话。漏洞挖掘方向,需要能产出漏洞。那么会问的很细,例如 cc 链某条链条的原理,为什么打了 patch 就不行了?为什么这样绕过又可以了?为什么后续 patch 的 patch 又能修复了?例如反序列化,为什么我用这条链就行,另一条链就不行了,不行的原因在哪?写内存马用哪条链条?Javaagent 了解过吗?如何动态修改字节码?内存马的持久化研究过吗?漏洞挖掘,毕竟是单点的代码方向,可以理解问问题的深度。
因此可以这么区分合格红队=java利用ok+懂一些原理+能挖一些简单的洞+内网 ok合格审计=挖洞 ok+懂一些利用后面是问的问题和对应价格参考,没写就代表我不知道。
数据不保真,仅供参考,真实度自行判断。有些重复的问题就不一一写出来了。

漏洞挖掘方向

shopee(30k+)

1、和信息安全相关的返回 response 头2、linux常见命令3、docker常见命令4、jwt是什么5、weblogic反序列化原理(有一个xml反序列化漏洞 还有后台文件上传还有二次 urldecode权限绕过)6、java代码审计exec命令执行的相关利用前面拼了一段然后调用 lang.runtime.exec("fuck" + a) 这里可以利用吗(不行 因为根据 exec 的方法 这里不能识别执行)7、内存马相关原理8、shiro反序列化漏洞利用的时候 由于waf过长被ban了怎么解决这个问题(如果是 waf拦截 可以尝试更换 http 头 如果是tomcat头过长可以在cookie写一个loader 然后shellcode写到 body 里)9、内存马扫描原理 如何检测内存马10、java 代码审计反序列化原理(输入的恶意类被识别 解析了)11、ysoserial原理commoncollections利用链的原理 (cc1 最后 invoke 反射加载输入的方法cc2 cc3 等等大同小异)12、linux 全盘查找文件命令(find / -name fucku)13、docker run 的常用命令(docker run -it centos -p --name -d )14、java反序列化php反序列化 python 反序列化的区别和相同点(java 反序列化需要利用链php反序列化也需要利用链 python反序列化不需要利用链 有一个__reduce__可以自己构造命令执行)15、linux全盘搜索含有某个字符的文件/linux 全盘搜索叫某个名字的文件(grep -rl 'abc' /)(find-name / fucku)

大疆(30k+)

1、mybatis 的 sql 注入审计如何去审2、一个站,只有命令执行权限,没有回显,也不出网,怎么后续深入利用(发散)

深信服(30k+)

1、宽字节注入原理,是只有gbk编码的才存在宽字节注入吗?2、php反序列化原理3、内网一台机器,只有一个mssql的服务账户权限,如何进行后续的利用4、rsa算法原理/aes 算法原理5、一台机器不能出网,如何把一个exe文件放到对应的目标机器上去(dmz 区)

华为

1、log4j 如何绕过 trustcodebase2、Springboot+shiro 环境如何进行渗透3、实战中如何判断 fastjson 的版本4、Fastjson 文件读写 gadget 是哪条,原理是什么5、内存马类型,如何检测6、给一个后台登录框有什么利用思路7、Spring4shell 原理&检测&利用8、安卓系统如何进行 rce,有什么思路9、给一个移动端的 app,已知服务端是 cloud 环境,有什么思路利用

红队&&企业蓝军方向

360 面试题(以下都是同一场面试提的问题,两个面试官,一个代审一个红队,时长接近两小时)

1、shiro 如何绕 waf2、weblogic 如果在打站的时候,一旦遇到了 waf,第一个 payload 发过去,直接被拦截了,ip 也被 ban了,如何进行下一步操作3、jboss 反序列化原理4、weblogic 反序列化原理,随便说一个漏洞,然后说触发原理5、fastjson 怎么判断是不是有漏洞,原理是什么6、fastjson 判断漏洞回显是怎么判断的,是用 dns 做回显还是其他的协议做,为什么7、fastjson 高版本,无回显的情况,如何进行绕过,为什么可以这样绕过8、代码审计,做过哪些,主流的代码审计 java 框架请简述9、泛微,致远,用友这三套系统代码框架简述10、泛微的前台漏洞触发和后台漏洞触发,如何通用性的挖泛微的洞,泛微能反序列化吗,怎么挖11、php 代码审计如果审计到了一个文件下载漏洞,如何深入的去利用?12、php 里面的 disable_function 如何去进行绕过,为什么可以绕过,原理是什么13、假如说,在攻防的时候,控下来一台机器,但是只是一台云主机,没有连接内网,然后也没有云内网,请问怎么深入的对这台云主机进行利用?14、redis 怎么去做攻击,主从复制利用条件,为什么主从复制可以做到拿 shell,原理是什么,主从复制会影响业务吗,主从复制的原理是什么?15、becl 利用链使用条件,原理,代码跟过底层没有,怎么调用的?16、假如我攻击了一台 17010 的机器,然后机器被打重启了,然后重启成功后,机器又打成功了,但是无法抓到密码,为什么无法抓到,这种情况怎么解决这个问题?17、内网我现在在域外有一台工作组机器的权限,但是没有域用户,横向也不能通过漏洞打到一台域用户的权限,但是我知道一定有域,请问这种情况怎么进入域中找到域控?18、jboss 反序列化漏洞原理19、内网拿到了一台 mssql 机器的权限,但是主机上有 360,一开 xpcmdshell 就被拦截了,执行命令的权限都没有,这种情况怎么进行绕过。20、什么是 mssql 的存储过程,本质是什么?为什么存储过程可以执行命令?21、如果想通过 mssql 上传文件,需要开启哪个存储过程的权限?22、内网文件 exe 落地怎么去做,用什么命令去执行来落地,如果目标主机不出网怎么办?23、内网域渗透中,利用 ntlm relay 配合 adcs 这个漏洞的情况,需要什么利用条件,responder这台主机开在哪台机器上,为什么,同时为什么 adcs 这个漏洞能获取域管理员权限,原理是什么24、内网域渗透中,最新出的 CVE-2022-26923 ADCS 权限提升漏洞需要什么利用条件,原理是什么,相比原来的 ESC8 漏洞有什么利用优势?25、内网渗透中,如果拿到了一套 vcenter 的权限,如何去进一步深入利用?db 文件如何解密?原理是什么?26、vcenter 机器拿到管理员密码了,也登录进去了,但是存在一个问题,就是内部有些机器锁屏了,需要输入密码,这个时候怎么去利用?27、内网权限维持的时候,360 开启了晶核模式,怎么去尝试权限维持?计划任务被拦截了怎么办?28、mssql 除了 xpcmdshell,还有什么执行系统命令的方式?需要什么权限才可以执行?29、如果 net group "Domain Admins" /domain 这条命令,查询域内管理员,没法查到,那么可能出现了什么问题?怎么解决30、查询域内管理员的这条命令的本质究竟是去哪里查,为什么输入了之后就可以查到?31、免杀中,如何去过国内的杀软,杀软究竟在杀什么?那么国外的杀软比如卡巴斯基为什么同样的方法过不了呢?32、免杀中,分离免杀和单体免杀有啥区别,为什么要分离,本质是什么?33、打点常用什么漏洞,请简述34、内网横向中,是直接进去拿一台机器的权限直接开扫,还是有别的方法?35、钓鱼用什么来钓?文案思路?如何判断目标单位的机器是哪种协议出网?是只做一套来钓鱼还是做几套来钓鱼?如何提高钓鱼成功率?36、钓鱼上线的主机,如何进行利用?背景是只发现了一个域用户,但是也抓不到密码,但是有域。

shein(希音)企业蓝军(30k+)

1、oss,s3存储桶的一些操作,如何利用云主机漏洞进行操作2、如何利用供应链类似与 npm 投毒 原理是公司具有私有库和共有库 一般优先查找是通过公有的库来进行查找,然后再是私有的库 然而有的东西 私有库有 公有仓库其实并没有因此可以在共有库上传,可以控制一片主机3、spring actuator,泄露 heapdump 包括 s3 oss 存储密码 aksk 从而控制桶4、利用host 头碰撞碰撞出真实的 host 头,然后直接访问真实的 ip 地址,进而绕过 waf,因为首先是waf,然后再是 cdn,最后再是真实 ip,直接把 host 头解析到目标位置,可以绕过waf直连5、mysql的深入利用6、k8s的鉴权部分7、邮件网关spf 的绕过8、weblogic fastjson的原理以及绕 waf 的原理

三快在线(美团)(30k+)​​​​​​​

1、java 反序列化原理2、机器不出网,如何代理进去打内网

深信服(深蓝攻防实验室)​​​​​​​

1、内网怎么打 思路2、国护刷分策略 通用性的寻找通用靶标思路 怎么刷3、数据库 主机 云 vcenter 刷满是多少分    (看你打的多不多 对分的规则熟悉不)4、内网的多级代理用什么东西代理5、如果tcp和udp不出网 用什么策略来进行代理的搭建6、多级代理如何做一个 cdn 进行中转 具体怎么实现7、内网有 acl 策略 如果是白名单 如何绕过这个白名单进行出网上线 ip和域名的都有可能

b 站(30k+)​​​​​​​

1、k8s和docker如何去做攻击 有哪些利用方式 是什么原因导致的2、cs 的域前置和云函数如何去配置3、内网攻击的时候 内网有那些设备可以利用(hadoop kibana 之类的设备)4、攻击redis不同的linux系统有什么不同5、sql注入的时候,如果遇到了返回的时候长度不够怎么解决,如何截取,用什么函数截取6、域前置7、免杀

顺丰(25k+)​​​​​​​

1、order by后面的 sql 注入如何去做利用2、java反序列化漏洞原理

中通(25k+)​​​​​​​

1、内网有哪些集群化的设备可以打 除了nas之类的还有啥2、内网需要特别注意哪些端口,一个 4开头的,一个1开头的,分别对应哪些服务,有什么利用方式

shopee 红队(Singapore)(30k+)​​​​​​​

1、linux 除了基本的内核提权还有什么别的方式可以进行提权2、如何删除 linux 机器的入侵痕迹3、寻找真实 ip 的快速有效的办法4、print nightmare 漏洞利用&分析5、java invoke 反射具体利用6、域内常用命令7、根据子网掩码探测指定资产8、什么是无状态扫描9、kerberos 原理10、ntlm relay 原理11、内网现在微软至今都没有修复一个漏洞,可以从普通的域用户提权到域管用户,用了ntlm relay,你讲一下是什么漏洞12、100 家单位,现在需要在一天时间内拿到所有单位的 ip,port,banner,怎么做,用什么东西来做13、黄金票据原理,黄金票据在 kerberos 的哪个阶段?如何制作?用哪个用户的 hash 来制作?14、cs 域前置的原理?流量是怎么通信的?从我直接执行一个命令,例如 whoami,然后到机器上,中间的流量是怎么走的?15、java 反序列化原理

shopee&seamoney 蓝军(30k+)

1、如何反溯源

长亭​​​​​​

1、spring spel 漏洞原理&利用方法 什么情况才能利用2、java jdbc 反序列化高版本不出网的条件下如何利用3、tomcat becl 如何利用4、shiro 反序列化用的是哪种加密方法 如何利用5、ueditor 哪种语言环境存在漏洞 怎么利用 如何绕 waf6、内网 Windows Print Spooler 利用&原理7、内网 PotitPetam 利用&原理8、域内 pth 和工作组 pth 的差别9、域内用户和工作组用户的差别10、如何攻击域控11、spirng4shell&log4j 利用12、外网常用打点漏洞有哪些13、一个任意文件读取/任意文件下载,如何进一步利用14、用友 nc beanshell 执行命令如何过 waf15、shiro 反序列化漏洞如果 cookie 中的 payload 过长被 waf 拦截如何绕 waf

天融信:

1、内网网闸有什么用,如何去做利用

2023面试题部分

023 年了,笔者苟在甲方,已经不在外面乱面试了,但是这个系列一旦有素材还是会更新,

素材均来自于笔者朋友面试后新鲜出炉的真题。

JD 企业蓝军

1.信息搜集答:我当时是魔改的 shuize 的脚本,通过 hunter,fofa,quaike 的 api 查询相关域名,备案,加到队列,(这部分是调的 lijiejie 的脚本),subdomain 之类的,去重,加到任务队列,绕 CDN,泛解析加到队列,打一些自己添加的 poc
2.java 反序列化的原理,java 怎么执行 shellcode答:???
3.内存马类型,研究过么就记得 filler 类型和 serverlet 类型,别的记不得了
4.shiro 不出网的利用,怎么回显, (这里面试官说了,key 正确和不正确回显内容一致的情况,答了一种用 dnslog 验证 key 正确性的方式,后来问如果不出网怎么办)答了 shiro 的加密方式,key 是 aes 的 key,两种方式构建回显 tomcat,spring
5.绕 rcf?(没听清,估计是类似终端防护的设备),怎么运行黑 exe白名单文件:forfile mshta ,powershell,(cmd 肯定不行),这里说了一下 powershell 是调一个 lib的,通过写个 c#的程序加载这个 lib,也可以执行命令,net 内存加载,defender 的 dll 劫持,(因为之前弄过 nissrv.exe 和 mpclient.dll 的 dll 劫持,现在估计是不行了),还有个释放的方式,exe 释放个pe 文件再加载,这部分没尝试过,只是看到过样本,他问这种释放的 loader 该怎么写,确实没写过, 6.cs 马的免杀:dll 劫持,分离免杀分成远程加载和本地加载,内存解密,powershell,还有种没试过的,说是利用windows 剪切板执行 shellcode
7.域,内网问如何打域控?答了 zerologon 和 42287, 
8.如果域控没有洞呢?答通过 什么 logon.exe 和 adfind.exe 还有个 powershell 脚本可以查询域用户登陆的主机,找出对应关系和域管登陆的主机,打这些主机,拿到域管 hash,打域控NTML 中继,之前看到过利用 xss 和 ssrf 中继 NTML hash 的案例
9.adfind.exe 通过什么方式查询的了解过么?

我们学习网络安全必然是为了找到高薪的工作,下面这些面试题是来自百度、京东、360、奇安信等一线互联网大厂最新的面试资料,并且有大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

2021web安全最全学习路线,从入门到入职(含书籍、工具包) 本次写的是一篇如何通过针对性系统学习Web安全或者说如何能成为一名渗透测试人员(有疑问或者错误的地方还望大家多多指正)。 相信大家每学习一样东西的时候都是存在一种很迷茫的心态(包括我自己),上网找视频找文章找资料学习得零零散散,最后还是浪费时间只得到一身三脚猫功夫。只有成体系的去学习、让自己的知识由点变成面,这样才能变得更强(文末附上书籍和工具包,希望大家查漏补缺,强中强)! Web 安全 主要包括 HTTP 协议、注入漏洞、XSS 漏洞、SSRF 漏洞、CSRF 漏洞、文件处理漏洞、访问控制漏洞、会 阅读详情

相关推荐

8~15k,网络安全面试真题.pdf

一部分题型如下: 1. 介绍下sql注入 2. 工作中常用的安全设备 3. 有没有用过态势感知? 4. 之前工作经验? 5. 怎么做安全加固? 6. 怎么提权? 7. 渗透流程? 8. 介绍下黄金票据、白银票据? 9. Windows、Linux常用漏洞及编号? 10. Windows常用端口? 11. 介绍下反序列化漏洞? 12. 介绍下redis? 13. 怎么做基线检查? 14. 常用的渗透工具? 15. 被动扫描模式是什么? 16. 远程代码执行漏洞? 17. waf绕过? 18. 文件上传怎么绕过? 19. 怎么对文件内容过滤? 20. 怎么排查攻击来源? 21. 介绍下了解的中间件以及中间件漏洞? 22. 中间件日志分析、Windows、Linux日志分析? 23. 你觉得msf工具最好用的模块? 24. 之前工作的比赛、护网经验? 25. 渗透报告内容都有哪些?

面试分享 | 护网蓝队面试经验

为什么将自我介绍能力放在第一位,实际上自我介绍才是面试中最重要的一点,因为护网面试并没有确定的题目,让面试官去提问更多是的和面试官的一种 “交谈” ,面试的难易程度也自然就取决于你如何去和面试官 “聊天”。所以我认为自我介绍能力是面试能力的首要位置。

zkaqlaoniao的博客 2218

【学习笔记】人群归因分数 PAF 以及combined PAF

人群归因风险比例(Population Attributable Fraction,PAF)是一个流行病学指标,它估计了在总体中,如果能消除一个特定的危险因素,能预防多少百分比的疾病或健康结果。简单来说,PAF回答的是:“如果没有这个风险因素,总体中会有多少病例是可以避免的?

weixin_53499537的博客 4905

大连暗泉渗透/红队岗面试题(高级渗透测试工程师面试题)总结

如需答案和各大甲乙方安全岗位内推,欢迎咨询本人 QQvx:547006660 本次总结的是从多方朋友得到的暗泉红队岗的面试题,作为一线红队dalao云集的公司,本人感觉面试题质量是非常不错的,大家可以尝试回答一下 面试题目 1.一台内网主机 不属于域,但是明确被告知内网环境有域,这台主机只能ping通其他主机,请问怎么获取域信息 2.怎么用python编写一个通过icmp通信的远控 3.免杀的方法 4.文本框存在注入,怎么绕过对,和空格的过滤 5.windows不能使用漏洞的情况下怎么提权 6.linux

J0o1ey Blog 4483

使用jsch和commons-pool2为sftp创建连接池

使用jsch和common-pool2为sftp创建连接池

文若书生的专栏 3286

Prometheus+Grafana部署及企业微信邮件/群消息告警通知配置

本文详细介绍了在Ubuntu 22.04系统上部署普罗米修斯监控系统的完整流程。首先说明了系统配置要求(2核CPU、4G内存、100G硬盘),然后分步骤指导下载、解压和安装普罗米修斯服务。文章包含配置prometheus.yml文件、启动服务、设置系统服务等关键操作,并提供了访问9090端口验证服务的方法。接着介绍了通过node_exporter监控Linux主机的配置过程,包括安装、启动服务和修改普罗米修斯配置文件添加监控项。最后还涉及了mysqld_exporter的部署流程,用于监控MySQL数据库服

m0_58761900的博客 1642

某红队实习面经(附答案)

免责声明:该⽂章仅供安全学习和技术分享,请勿将该⽂章和⽂章中提到的技术⽤于违法活动上,切勿在⾮授权状态 下对其他站点进⾏测试,如产⽣任何后果皆由读者本⼈承担,与猩红实验室⽆关!如有侵权,联系删除,转载请注明出处,感谢! 面试的时间很长,导致有很多问题都忘了,只想起来这些,面试寄了,师傅们当个参考就好。 1.简单自我介绍 答:工作经验,项目经验,擅长的方向巴拉巴拉 2.你在hvv/攻防演练中取得了哪些成绩? 答:照着自己的经历说就行 3.上一个工作的主要内容? 答:同上 4.有没有遇到过有意思的逻辑漏洞?.

xianyu9w的博客 5450

A类功率放大器

在A类放大器中,导通角是完整的360°或100%的输入信号,而在其他类别的放大器中,晶体管在一个较小的导通角内导通。通过在输出级使用两个互补的晶体管,其中一个晶体管是NPN或N通道类型,而另一个晶体管是PNP或P通道(互补)类型,以所谓的 "推挽 "配置连接,可以获得比A类放大器更大的功率输出和效率。这种类型的电路效率很低(低于30%),而且对直流电源的消耗很大,输出的功率却很小。由于我们感兴趣的是向负载提供最大的交流功率,同时从电源中消耗尽可能少的直流电,所以我们主要关注的是放大器的 "转换效率"。

LSW20072007的博客 2471

HW护网面经(面试题收集)

我会按照应急响应来处理,即响应->阻断->分析->清楚->加固,首先对事件类型进行判断,若为真实攻击,则保护好第一现场,进行信息收集,然后进行阻断,即迅速切断网络,从而阻断传播,然后对核心资产进行隔离,然后对日志、流量等信息进行分析,判断攻击的目标和类型,然后进行清楚处理和相应的补救过程,因为是在护网期间,需要迅速响应,我会选择首先隔离网络,防止核心资产被攻陷。对请求包的内容进行检查,检查是否存在sql注入语句,同时检查响应包内容有执行成功的回显,若相应包中存在sql注入攻击成功的回显,则可判断攻击成功。

weixin_65633498的博客 1680

《QGIS快速入门与应用基础》293:色带调整与透明设置

详细讲解了QGIS中遥感影像色带调整与透明设置的核心技术,帮助用户将遥感成果从基础合成提升到专业出图标准。主要内容包括: 色带精细化调整: 多波段真/假彩色合成的优化技巧(Gamma校正、色彩平衡、色阶端点校准) 单波段栅格数据的伪彩色规范设置(行业标准色带选择与分类方法) 透明设置: 研究区黑边/白边的消除方法 多图层叠加时的透明融合技巧 特定地物的差异化半透明显示 实用建议: 提供行业标准参数模板和效果对比图 标注新手操作红线和常见问题排查 强调符合遥感行业规范的可视化要求。

LuckyHanMo的博客 362

C#实现自己的远程桌面控制工具

1. 创建一个winform工程并添加RDP客户端COM组件。右击工具箱,然后点击选择项,选中下图所示组件并点击确定。为窗口加载时添加自动连接远程桌面代码。3.调试运行程序,验证远程桌面控制。拖放RDP控件到窗口中。2.编写远程桌面连接代码。

6090

2024国护护网hw面试经历全记(推荐新手入门看)_护网经历简历(2)

还有兄弟不知道网络安全面试可以提前刷题吗?费时一周整理的160+网络安全面试题,金九银十,做网络安全面试里的显眼包!王岚嵚工程师面试题(附答案),只能帮兄弟们到这儿了!如果你能答对70%,找一个安全工作,问题不大。对于有1-3年工作经验,想要跳槽的朋友来说,也是很好的温习资料!【完整版领取方式在文末!!

2401_83974020的博客 2700

渗透测试之哥斯拉实战

可以直接在这里使用meterpreter命令进行对服务端的控制。选择目标 - 添加,配置连接信息,之后测试连接成功!php的shell功能如图。先要进行数据库的配置信息。可以直接在这里打包全站。

大河之犬的博客 2490

护网面试(排查及分析思路汇总)

护网面试题目,排查思路和分析思路

m0_64376527的博客 1730

零倾覆力矩点(ZMP)

从形式上讲,ZMP 指的是空间中相对于一个平面(通常是地平面)抵消接触力矩的点的集合。这个集合实际上是一个轴,而不是一个点,但为了方便起见,让我们按照传统的推导方法来计算地面平面上的 ZMP。这一推导从任何多刚体系统的牛顿-欧拉运动方程开始:其中,为机器人的总质量,为重力矢量,为系统的重心,为加速度,为固定点的角动量变化率。在右侧,表示净接触扭矩,即施加到机器人上的所有接触扭矩之和,坐标取自质心 (COM)。

机器人控制与仿真应用 2372

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

某红队岗面试经验

当时面试的是某红队岗,红队岗所要求的技术能力是极强的,要了解特别多的东西,必须得把自身的大脑打造成攻防说明书,当说到某个组件或系统就能想起相关的历史漏洞,大家可以参考下下面的问题来调整自己的学习路线。

mashiro_hibiki的博客 1077

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

护网经验&面试题目原版

面试官您好,我是。熟悉常见的TOP10漏洞,有一定基本漏洞扫描和渗透能力 ,日志分析以及安全设备告警分析,能看懂安全产品,然后在校期间也是参加过项目研发的。将shellcode进行加密,动态解密恢复,申请可写可执行内存并写入解密后的shellcode,将函数指针指向这块内存的起始位置并开始执行。

LCW991207的博客 4980

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

面试问题-(红队/HW)

Windows:当前设备的安全设备有哪些,当前账户权限(是否为域用户/所处的组/有哪些acl/是否委派/有无ipc空连接/连接过的rdp),所在的网段(域控在哪儿),终端的wifi密码,最近浏览的文件,注册表(有无其他第三方数据文件),浏览器密码书签,相关的web服务(weblogic/vcenter/exchange/ADCS/jenkins/zabbix),所否存在常见的CVE(ms17010,2020-1472)GET型payload总的操作流程:没有开启强制路由,通过?

2401_88326437的博客 1413

100道护网面试题大全(附答案)

另外,还需要注意在电脑上和移动设备上的安全性,定期检查本地的登录记录、应用程序的授权和权限等情况,并保持杀毒软件和更新的操作系统。答:保护移动设备的网络安全性可以采取如下措施:档板密码和生物识别技术来保护设备和数据,保证设备的操作系统和应用程序的及时更新,使用加密性的Wi-Fi连接,保护移动设备免受恶意软件和网络攻击的脱离。答:外部攻击的方式多种多样,组织可以通过采取多种措施来防范外部攻击,例如加强网络安全设备、使用强密码和多因素身份验证、定期更新和升级系统和软件,以及禁止使用未授权的设备和应用程序。

2301_77300311的博客 6098

【网络安全 渗透测试 hw 红队 驻场 面试题 分享】

面试指导,网络安全,面试分享,渗透测试

HoAd'blog 860

某厂的红队实战靶机面试_红队面试靶机,面试有问题答不上来正常吗

三个靶机分别为:tomexam考试系统、银行系统、jspxcms,都是java开发的系统,均存在大量SQL注入、越权未授权、XSS、弱口令等问题,此处只关注能够GetShell的问题。

2401_84181704的博客 703

护网面经大全

事件描述:描述安全事件的基本情况影响分析:分析安全事件的影响范围和程度原因分析:分析安全事件的原因和漏洞处置过程:描述安全事件的处置过程和方法经验教训:总结安全事件的经验教训改进措施:提出改进措施和建议。

qq_62608648的博客 2534

【护网】面试及经验分享(非常详细),零基础入门到精通,看这一篇就够了

【护网】面试及经验分享(非常详细),零基础入门到精通,看这一篇就够了

隔壁王叔的博客 1712

护网面试总结

怎么确定一个网站是不是站库分离 (1)查询web服务器名 LENOVO-GH*****—select @@servername; (2)查询数据库服务器名 DESKTOP-1HV****—select host_name(); 对比两个查询结果,即可判断。相同则同站同库,不同就是站库分离 知道那些防火墙设备 常见的 HW 设备有:公安部网防G01、K01、360网康/网神防火墙、微步威胁情报、安恒云-Web应用防火墙(玄武盾)、默安蜜罐、知道创宇蜜罐、山石防火墙 NGAF/NGFW:下一代 Web 应用防火

shayebudon的博客 9375

2025年常见渗透测试面试题-红队面试宝典下(题目+回答)

自学渗透测试两年,专注Web漏洞挖掘(SQL注入/XSS/文件上传),提交过多个高危SRC漏洞并协助修复。熟悉内网基础但侧重合规测试,通过技术论坛(先知社区)和实战提升技能。

soc的博客 1354

面试题总结1(无序)

安恒信息 -> 网络安全讲师 1做过的项目 2认为红队项目的重点 3在校成绩 4挖过的漏洞及讲述 5攻防学了多久,跟谁学的,学习路线,是否考研,加入的社团 6学校教的网络安全相关知识哪方面认为比较重要 7学习免杀后,愿意把你学的东西教授给政府或银行,是否愿意搭建攻防环境,参与攻防项目。 8路由器配置是否熟悉 9vulhub和hacker thebox靶场打了几个 10未来发展路线 11是否用过msf和cs 国誉网安 ->护网 1给你一个登录页面,有什么想法 2sq

m0_55772907的博客 2418
上一篇: 自制眼镜、找黑客改高考成绩?这些高考作弊黑产太离谱
下一篇: 面试官:MySQL连环炮,你顶不顶得住?
AI小模型
博客等级 码龄6年 6863粉丝 487原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI小模型

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值