C1-2数据抓包与模拟传输

本文记录了一位开发者在遇到信息传递难题时,如何借助Postman进行网络抓包来解决问题的过程。从初次接触Postman的困惑,到在浏览器F12检查中发现关键的form-data数据,再到成功在Postman中模拟发送信息并收到回复,作者详细描述了这一学习与实践的历程。此外,还提到了模拟登录和课堂信息收发的场景。

C1-2认证任务

任务说明:
在这里插入图片描述
在这里插入图片描述

利用csdn浏览器助手可以直接进行json格式化,经过格式化后我们可以看到暗号为以下内容。
在这里插入图片描述

之后的操作属实让我挠头,我发现我只会做到这里,只能受到信息传不出去啊。然后我借鉴了其他人的帖子,发现可以选择postman抓包工具进行网络抓包。这对我来说,是一个全新的开始。当我刚开始使用postman时,我post到的所以信息就只有上图显示的那几段。其他人收到的几个关键信息phone和usename我根本就没收到啊。
在这里插入图片描述
就感觉很无奈,我尝试了各种设置,都没有得到正确的信息。之后我在浏览器的F12检查中偶然发现的form-data数据
在这里插入图片描述
我不知道为什么,我在postman没有接收到这两条,却是在浏览器检查中看到的。
之后,我尝试把这两条信息填写到postman中,并添加之前给出的返回信息,kouling:今晚打老虎
在这里插入图片描述

于是成功的得到了回复信息。
Wow,nice!

任务二:用模拟器收发信息。
首先进行登录并创建课堂
复制登录信息,并建立一个小号
我这里是教师号是微软账号,学生号为自建号。
学生号输入登录信息,进入对应计算机模拟信息传送课程
在这里插入图片描述
在这里插入图片描述

加入房间-连接成功
在这里插入图片描述

尝试发送ascll码类型信息
在这里插入图片描述
在这里插入图片描述

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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