ubuntu运维学习笔记(非常详细)零基础入门到精通,收藏这篇就够了

Ubuntu命令笔记(新手入门推荐 目录 一、Linux基础命令 二、用户和用户组 三、权限管理... 阅读详情

Keywords: Ubuntu, Linux

1. 学习教程

《Lecture 1: Course Overview + The Shell (2020)》

2. 发行版信息

lsb_release -a

uname -r

3. 常见术语

根目录:/

4. 常见配置目录

4.1 /etc: 存储系统级配置的目录

讯飞星火:etc是“etcetera”的缩写,意为“等等”;

4.1.1 /etc/apt/sources.list: 软件包源配置

4.2 /usr/share/: 共享数据文件(by Claude3.7-Sonnet-Poe)

"/usr/share/"目录主要用于存储与系统架构无关的共享数据文件。这个目录包含了许多应用程序可以共同使用的数据,例如:

  • 图标、主题和壁纸
  • 应用程序的文档和手册页
  • 字体文件
  • 本地化文件(翻译和语言支持)
  • 声音文件
  • 模板文件
  • 应用程序的共享配置数据

这个目录中的文件通常可以被多个程序共享使用,而且它们通常是只读的,不会在程序运行时被修改。"/usr/share/"目录下的内容对于系统的正常运行非常重要,不过,作为普通用户,一般不需要直接修改这里的文件。

5. 常用快捷键

快捷键功能
Ctrl + Alt + T打开终端
Alt + Prtsc + [REISUB]使用系统管理器重启电脑
([REISUB]需要等待1-2秒)

6. 管理员模式

su root

7. 系统更新

在这里插入图片描述
出现这种情况并不是卡住,等待60分钟后更新会继续进行;

7.1 等待时间日志

  • 2025年08月31日:22分钟
  • 2025年08月28日:68分钟

8. 环境变量

Ubuntu中的环境变量是区分大小写的;

9. 基础指令

查看指令的文档:man cmd
查看指令对应的程序路径:which cmd
查看当前工作目录(当前目录所在的绝对路径):pwd
登出(关闭终端):logout

10. Bash中的通配符(*?[])

通配符含义
*0或多个字符
?单个字符
[]指定字符集,如:[0-9]匹配数字

10. 终端使用

修改终端启动设置:

gedit ~/.bashrc

9.1 常见操作

(1)“在终端中执行bash命令”

Note
在Linux系统中,在已登录的会话中执行bash命令会启动一个新的 bash shell,这个新启动的shell是非登录shell,它会读取并执行~/.bashrc文件来进行初始化设置。

我们咨询了ChatGPT:

ChatGPT4:
在开发环境中,在终端执行 bash 命令可能有几个原因:

  1. 启动新的 Bash 实例:执行 bash 命令会启动一个新的 Bash shell 实例。这可能是为了确保使用的是标准的 Bash 环境,特别是在不确定当前终端使用的是哪个 shell(比如 zsh, fish, 或其他)的情况下。
  2. 初始化环境变量和设置:新的 Bash 实例会读取并执行 ~/.bashrc 文件(针对非登录shell)。如果在开发工作中有特定的环境变量或别名设置在 ~/.bashrc 中,这会确保这些设置被正确加载和应用。
  3. 清晰的会话开始:在一些情况下,开发人员可能想要一个干净的、未受之前命令影响的shell环境。执行 bash 命令可以提供一个新的、干净的工作环境。

总的来说,这样做是为了确保在一个预期的、配置正确的 Bash 环境中工作,特别是在多shell环境或复杂的开发设置中。

9.2 使用代理

在雷锋V中开启系统代理,然后重启终端;

9.3 重启终端

(gnome-terminal &) && exit

Ubuntu 22.04 LTS 默认使用的是GNOME桌面环境。

11. 查看硬件信息

5.1 查看显卡信息

lspci | grep -i vga

12. 文件管理

12.1 常见文件格式

12.1.1 tar.gz:压缩文件格式

以tar.gz为后缀的文件是一种压缩文件,在Linux和macOS下常见,Linux可以直接解压使用这种压缩文件。

12.2 查看文件:cat

12.3 文件解压缩

10.3.1 解压文件
解压.zip文件
unzip file.zip

这将会将压缩文件解压到当前目录下;

解压文件到特定目录下
unzip file_zip -d _home_user_target_directory

10.3.2 压缩文件
Bash命令压缩打包文件夹

使用tar命令打包文件夹

tar zcvf FileName.tar.gz DirName 

参数说明:

  • z:使用gzip指令处理备份文件;

12.4 创建软链接(ln)

请参考博文【《Ubuntu学习笔记》——如何建立软链接】

12.5 更改文件夹所有者:chown

13. 软件管理

13.1 软件安装

snap可以提供更新的、隔离的或跨平台的软件包;一般来说,会比apt提供的软件包版本更高;
Apt: Advanced Packaging Tool,用来管理Linux上的软件包;是高于dpkg的high-level接口工具。

13.1.1 从仓库中安装软件
Apt安装
sudo apt-get package-name

13.1.2 Snap命令无法安装deb文件
13.1.3 .deb文件安装:apt > dpkg
sudo apt install <path>/<package_name>.deb

13.1.4 .run文件安装
修改安装文件权限
chmod +x Install.run

+x:给文件添加可执行权限。

运行安装文件
sudo ./Install.run

13.1.5 Bash安装
./Software.sh

Note
如果提示:“bash: ./xxx.sh: 权限不够”,需要为安装脚本添加运行权限,

chmod u+x Anaconda3-2022.10-Linux-x86_64.sh

13.1.2 软件卸载:apt > dpkg

关于Ubuntu中用于卸载软件包相关命令的讲解,请参考博文《Ubuntu apt-get彻底卸载软件包》

13.1 查询应用包名:apt search keywords
13.2 卸载软件及其配置文件:apt purge
sudo apt purge package_name

14. 运行文件

7.1 文件类型介绍

.sh: Shell文件,一般Bash脚本文件。

7.2 文件执行

# 执行.sh脚本
./script.sh
# 需要加上./才能执行

如果出现“权限不够”的提示:

bash: …/…/script.sh: 权限不够

这可能是因为此sh脚本的文件权限不够,可以使用chmod 777 ./script.sh给改变文件的权限:

15. 流的使用

14.1 “管道符|,跟重定向符>的区别是什么?”

管道和重定向符号是不同的概念,有着不同的用途。管道用于将命令的输出传递给另一个命令,而重定向符号>用于将输出写入另一个文件中。

16. 权限管理

11.1 赋予.sh文件“sudo NOPASSWD”权限

请参考资料《python - How do I sudo a command in a script without being asked for a password? - Ask Ubuntu》
这个设置最主要的作用是:执行sudo */script.sh不需要输入密码。
要实现这个设置效果,需要使用visudo修改sudoers文件,sudoers文件对用户使用sudo的权限进行管理,
这里我们准备修改sudoers文件,使script.sh程序在sudo执行时不需要输入用户密码;
在修改时,我们发现sudoers文件提示:

# Please consider adding local content in /etc/sudoers.d/ instead of
# directly modifying this file.
#
# See the man page for details on how to write a sudoers file.

这里是说Ubuntu希望关于sudoers的设置请考虑放在本地设置/etc/sudoers.d/(目录)中,
相关的具体操作请参考《Ubuntu Manpage: sudoers — default sudo security policy plugin》
首先我们需要创建本地内容文件(local content)

sudo visudo -f /etc/sudoers.d/$usr_local
# usr_local: 自定义的本地内容文件,这里我用“usr_local”的格式命名
# 注意:这里一定要使用绝对路径“/etc/sudoers.d/...”

这里我们添加下面的设置:

$usr_name$ ALL=(ALL) NOPASSWD: /home/usr_name/.../script.sh
# 这里usr_name为当前用户的用户名
# command部分需要填写指令的绝对路径


这里设置的格式请参考《Ubuntu Manpage: sudoers — default sudo security policy plugin》,搜索关键字NOPASSWD;
如果是其它命令的话,设置语句的格式相同,不过注意:这里要使用命令程序的绝对路径,可以使用which指令来获得指令程序的绝对路径;

17. 输入法

11.1 英文输入法:ibus-typing-booster

添加输入法时,搜索boost或其他;

18. 文本编辑

在Ubuntu系统中,编辑文件可以使用Gedit和Vim这两个程序进行编辑,使用时这样来选择:

  • 图形界面:gedit
  • 终端界面:vim (如果无法使用图形界面就只能用vim了)

12.1 vim

12.1.1 vim的工作模式
命令模式:刚刚启动vim进入的模式

此状态下敲击键盘动作会被Vim识别为命令,而非输入字符,比如我们此时按下i,则会进入输入模式;
于是,常用的几个命令有:

  • i:切换到输入模式,以输入字符。
  • x:删除当前光标所在处的字符。
  • ::切换到底线命令模式,以在底线行输入命令。
可视模式:“选中模式”

可以底色加灰的方式高亮选中的字符区域;

模式切换
模式切换按键
命令模式 ⇒ 插入模式i键
插入模式 ⇒ 命令模式Esc键
7.1.2 vim中的常用命令

退出vim::q
退出vim(不保存)::q!
撤销:u

19. 文件管理

mkdir:创建文件夹

迭代删除文件夹

rm -r folder

重命名文件

mv oldname newname

查看软链接指向的具体路径

使用 long listing format 查看软链接:

ls -l /<path>/soft_link

20. 进程管理

19.1 查找进程:pgrep

pgrep是一个在Linux系统中广泛使用的工具,它允许用户根据进程名或其他属性来查找正在运行的进程ID(PID)。例如,如果想要查找名为“firefox”的进程,可以在Ubuntu终端中输入以下命令:

pgrep firefox

这将返回与“firefox”进程名称匹配的所有进程的PID。

21.TTY使用

在开机引导界面进入控制台:Ctrl + Alt + F1~F6(可以分别进入6个tty界面)

22.内存查看(gnome-system-monitor)

图形化资源查看器:gnome-system-monitor
终端查看进程信息:top

11.2 Top查看内存信息

按内存排序进程信息:

top -o %MEM

参数说明:
%MEM:进程占用的物理内存与总内存的百分比

23. 硬盘管理

12.1 在Ubuntu系统中查看有几块物理硬盘——lsblk

step 1:打开终端,输入lsblk;
step 2:看到输出的结果如下:

$ lsblk
NAME   MAJ:MIN RM   SIZE RO TYPE MOUNTPOINT
sdb      8:16   0 223.6G  0 disk
├─sdb5   8:21   0  30.5G  0 part [SWAP]
├─sdb3   8:19   0 135.9G  0 part
├─sdb1   8:17   0     1K  0 part
└─sdb6   8:22   0  57.2G  0 part /
sdc      8:32   1 119.3G  0 disk
└─sdc4   8:36   1 119.3G  0 part /media/yucheng/Ubuntu 16.0
sda      8:0    0   1.8T  0 disk
├─sda5   8:5    0   1.8T  0 part
└─sda1   8:1    0     1K  0 part

这里“sd+a”:“sd”是硬盘标识,“a”是硬盘序号;
可以看到上面的提示信息有3块硬盘:分别是sda、sdb和sdc。

12.2 查看磁盘剩余空间

df -hl

查看根目录空间占用

在文件浏览器中打开根目录,在右键菜单中查看文件夹属性;

12.3 磁盘空间清理

12.3.1 根目录磁盘清理
(1)查看根目录可用空间
df -h /

(2)查找大于1GB的文件
find ~ -type f -size +1G -exec ls -lh {} \;

常用清理命令

可以使用下面的命令进行清理:

sudo apt-get autoclean
sudo apt-get clean
sudo apt-get autoremove

查看/目录中占用空间最大的文件夹

关于如何查看最大占用的一级目录,可以参考博文《Ubuntu / 根目录 100%(清理 / 根目录)》

12.3.2 Home分区清理
  1. 删除不用的conda环境;

12.4 如何查看硬盘的读写速度

12.4.1 Ubuntu测试硬盘的读取速度

示例代码如下,

sudo hdparm -Tt /dev/sda

其中,
sudo:此命令需要管理员权限;
/dev/sda:表示硬盘的编号。

24. 环境变量

15.1 配置PATH环境变量

在配置编程环境时,我们有时候需要设置PATH环境变量,
请参考博文《Ubuntu 更改环境变量 PATH》;
修改Ubuntu系统中的环境变量一共有4种方式

15.1.1 直接修改PATH值:

生效方法:立即生效。
有效期限:临时改变,只能在当前的终端窗口中有效,当前窗口关闭后就会恢复原有的path配置。
作用范围:仅对当前用户。

echo $PATH //查看当前PATH的配置路径
 
export PATH=$PATH:/xxx/xxx //将需配置路径加入$PATH  等号两边一定不能有空格
 
//配置完后可以通过第一句命令查看配置结果

15.1.2 修改.bashrc文件:
gedit .bashrc   //编辑.bashrc文件
//在最后一行添上: 
export PATH=$PATH:/xxx/xxx   //等号两边没空格

生效方法:(有以下两种)

1. 重新启动终端
2. 输入“source .bashrc”命令,立即生效

有效期限:永久有效
用户局限:仅对当前用户

25. update-alternatives:切换基础运行库版本

update-alternatives可以通过设置alternatives来指定可执行指令(例如:gcc)对应的程序路径;

设置指令软链接

格式:--install link name path priority [--slave link name path]
参数说明:
priority:在auto模式中用于选定最佳的链接选项。
slave:从属选项,在主选项生效时,会同时激活从属选项,例如:

update-alternatives --install /usr/bin/java java /usr/local/jre1.6.0_20/bin/javac 100
update-alternatives --install /usr/bin/java java /usr/local/jre1.6.0_20/bin/javac 100 --slave /usr/bin/javac javac /usr/local/jre1.6.0_20/bin/javac

移除name指向path的可选项

例如:sudo update-alternatives --remove java $JAVA_HOME/bin/java

移除name的所有选项:--remove-all name

关于如何移除name对应的所有选项,请参考官方文档《Ubuntu Manpage: update-alternatives - maintain symbolic links determining default commands》

26. 系统界面设置

14.1 使用GNOME插件设置系统标题栏(顶部通知栏)

之前我是用的GNOME-Chrome插件设置的,现在我们还是使用这个插件进行设置,
打开Chrome浏览器,点击右上角插件按钮,选择插件GNOME Shell integration,
在这里插入图片描述
然后进入插件管理器中进行设置;

27. 网络连接

28.1 判断是否可以连接公网

curl https://www.baidu.com

如果可以正常连接,则会出现如下信息:
在这里插入图片描述

28.2 判断是否可以连接外网

curl https://api.ipify.org

28.3 打开VPN后需要重启终端才会生效

28.4 查询本机IP地址

ip a

此命令是ip addr的缩写;

28. 远程连接

28.1 URL格式

URL由三部分组成:资源类型、存放资源的主机域名、资源文件名。
也可认为由4部分组成:协议、主机、端口、路径
URL的一般语法格式为(带方括号[]的为可选项):
protocol :// hostname[:port] / path / [;parameters][?query]#fragment

28.2 SSH密钥连接

使用SSH协议进行密钥连接的基本步骤如图所示
在这里插入图片描述

12.3 退出连接

logout

29. 故障处理

29.1 在锁屏界面输入密码后无法进入系统

  • 2025.08.19:无法进入系统,使用组合键重启

29.2 显示器黑屏,键盘按键和移动鼠标都无法唤醒

因为 ToDesk Linux客户端存在问题,会“不断产生左上角的托盘图标”,我们猜测长期使用会导致内存泄露,于是导致系统崩溃;

29.2 提示“/dev/sda1: clean…”,无法开机

请参考博文《Linux开机卡在/dev/sda1:clean,***files,***blocks解决方案》

这两年,IT行业面临经济周期波动与AI产业结构调整的双重压力,确实有很多运维与网络工程师因企业缩编或技术迭代而暂时失业。

很多人都在提运维网工失业后就只能去跑滴滴送外卖了,但我想分享的是,对于运维人员来说,即便失业以后仍然有很多副业可以尝试。

运维副业方向

运维,千万不要再错过这些副业机会!

第一个是知识付费类副业:输出经验打造个人IP

在线教育平台讲师

操作路径:在慕课网、极客时间等平台开设《CCNA实战》《Linux运维从入门到精通》等课程,或与培训机构合作录制专题课。
收益模式:课程销售分成、企业内训。

技术博客与公众号运营

操作路径:撰写网络协议解析、故障排查案例、设备评测等深度文章,通过公众号广告、付费专栏及企业合作变现。
收益关键:每周更新2-3篇原创,结合SEO优化与社群运营。

第二个是技术类副业:深耕专业领域变现

企业网络设备配置与优化服务

操作路径:为中小型企业提供路由器、交换机、防火墙等设备的配置调试、性能优化及故障排查服务。可通过本地IT服务公司合作或自建线上接单平台获客。
收益模式:按项目收费或签订年度维护合同。

远程IT基础设施代维

操作路径:通过承接服务器监控、日志分析、备份恢复等远程代维任务。适合熟悉Zabbix、ELK等技术栈的工程师。
收益模式:按工时计费或包月服务。

网络安全顾问与渗透测试

操作路径:利用OWASP Top 10漏洞分析、Nmap/BurpSuite等工具,为企业提供漏洞扫描、渗透测试及安全加固方案。需考取CISP等认证提升资质。
收益模式:单次渗透测试报告收费;长期安全顾问年费。

比如不久前跟我一起聊天的一个粉丝,他自己之前是大四实习的时候做的运维,发现运维7*24小时待命受不了,就准备转网安,学了差不多2个月,然后开始挖漏洞,光是补天的漏洞奖励也有个四五千,他说自己每个月的房租和饭钱就够了。

为什么我会推荐你网安是运维人员的绝佳副业&转型方向?

1.你的经验是巨大优势: 你比任何人都懂系统、网络和架构。漏洞挖掘、内网渗透、应急响应,这些核心安全能力本质上是“攻击视角下的运维”。你的运维背景不是从零开始,而是降维打击。

2.越老越吃香,规避年龄危机: 安全行业极度依赖经验。你的排查思路、风险意识和对复杂系统的理解能力,会随着项目积累而愈发珍贵,真正做到“姜还是老的辣”。

3.职业选择极其灵活: 你可以加入企业成为安全专家,可以兼职“挖洞“获取丰厚奖金,甚至可以成为自由顾问。这种多样性为你提供了前所未有的抗风险能力。

4.市场需求爆发,前景广阔: 在国家级政策的推动下,从一线城市到二三线地区,安全人才缺口正在急剧扩大。现在布局,正是抢占未来先机的黄金时刻。

运维转行学习路线

在这里插入图片描述

(一)第一阶段:网络安全筑基

1. 阶段目标

你已经有运维经验了,所以操作系统、网络协议这些你不是零基础。但要学安全,得重新过一遍——只不过这次我们是带着“安全视角”去学。

2. 学习内容

**操作系统强化:**你需要重点学习 Windows、Linux 操作系统安全配置,对比运维工作中常规配置与安全配置的差异,深化系统安全认知(比如说日志审计配置,为应急响应日志分析打基础)。

**网络协议深化:**结合过往网络协议应用经验,聚焦 TCP/IP 协议簇中的安全漏洞及防护机制,如 ARP 欺骗、TCP 三次握手漏洞等(为 SRC 漏扫中协议层漏洞识别铺垫)。

**Web 与数据库基础:**补充 Web 架构、HTTP 协议及 MySQL、SQL Server 等数据库安全相关知识,了解 Web 应用与数据库在网安中的作用。

**编程语言入门:**学习 Python 基础语法,掌握简单脚本编写,为后续 SRC 漏扫自动化脚本开发及应急响应工具使用打基础。

**工具实战:**集中训练抓包工具(Wireshark)、渗透测试工具(Nmap)、漏洞扫描工具(Nessus 基础版)的使用,结合模拟场景练习工具应用(掌握基础扫描逻辑,为 SRC 漏扫工具进阶做准备)。

(二)第二阶段:漏洞挖掘与 SRC 漏扫实战

1. 阶段目标

这阶段是真正开始“动手”了。信息收集、漏洞分析、工具联动,一样不能少。

熟练运用漏洞挖掘及 SRC 漏扫工具,具备独立挖掘常见漏洞及 SRC 平台漏扫实战能力,尝试通过 SRC 挖洞搞钱,不管是低危漏洞还是高危漏洞,先挖到一个。

2. 学习内容

信息收集实战:结合运维中对网络拓扑、设备信息的了解,强化基本信息收集、网络空间搜索引擎(Shodan、ZoomEye)、域名及端口信息收集技巧,针对企业级网络场景开展信息收集练习(为 SRC 漏扫目标筛选提供支撑)。

漏洞原理与分析:深入学习 SQL 注入、CSRF、文件上传等常见漏洞的原理、危害及利用方法,结合运维工作中遇到的类似问题进行关联分析(明确 SRC 漏扫重点漏洞类型)。

工具进阶与 SRC 漏扫应用:

  • 系统学习 SQLMap、BurpSuite、AWVS 等工具的高级功能,开展工具联用实战训练;

  • 专项学习 SRC 漏扫流程:包括 SRC 平台规则解读(如漏洞提交规范、奖励机制)、漏扫目标范围界定、漏扫策略制定(全量扫描 vs 定向扫描)、漏扫结果验证与复现;

  • 实战训练:使用 AWVS+BurpSuite 组合开展 SRC 平台目标漏扫,练习 “扫描 - 验证 - 漏洞报告撰写 - 平台提交” 全流程。
    SRC 实战演练:选择合适的 SRC 平台(如补天、CNVD)进行漏洞挖掘与漏扫实战,积累实战经验,尝试获取挖洞收益。

恭喜你,如果学到这里,你基本可以下班搞搞副业创收了,并且具备渗透测试工程师必备的「渗透技巧」、「溯源能力」,让你在黑客盛行的年代别背锅,工作实现升职加薪的同时也能开创副业创收!

如果你想要入坑黑客&网络安全,笔者给大家准备了一份:全网最全的网络安全资料包需要保存下方图片,微信扫码即可前往获取!

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

(三)第三阶段:渗透测试技能学习

1. 阶段目标

全面掌握渗透测试理论与实战技能,能够独立完成渗透测试项目,编写规范的渗透测试报告,具备渗透测试工程师岗位能力,为护网红蓝对抗及应急响应提供技术支撑。

2. 学习内容

渗透测试核心理论:系统学习渗透测试流程、方法论及法律法规知识,明确渗透测试边界与规范(与红蓝对抗攻击边界要求一致)。

实战技能训练:开展漏洞扫描、漏洞利用、电商系统渗透测试、内网渗透、权限提升(Windows、Linux)、代码审计等实战训练,结合运维中熟悉的系统环境设计测试场景(强化红蓝对抗攻击端技术能力)。

工具开发实践:基于 Python 编程基础,学习渗透测试工具开发技巧,开发简单的自动化测试脚本(可拓展用于 SRC 漏扫自动化及应急响应辅助工具)。

报告编写指导:学习渗透测试报告的结构与编写规范,完成多个不同场景的渗透测试报告撰写练习(与 SRC 漏洞报告、应急响应报告撰写逻辑互通)。

(四)第四阶段:企业级安全攻防(含红蓝对抗)、应急响应

1. 阶段目标

掌握企业级安全攻防、护网红蓝对抗及应急响应核心技能,考取网安行业相关证书。

2. 学习内容

护网红蓝对抗专项:

  • 红蓝对抗基础:学习护网行动背景、红蓝对抗规则(攻击范围、禁止行为)、红蓝双方角色职责(红队:模拟攻击;蓝队:防御检测与应急处置);

  • 红队实战技能:强化内网渗透、横向移动、权限维持、免杀攻击等高级技巧,模拟护网中常见攻击场景;

  • 蓝队实战技能:学习安全设备(防火墙、IDS/IPS、WAF)联动防御配置、安全监控平台(SOC)使用、攻击行为研判与溯源方法;

  • 模拟护网演练:参与团队式红蓝对抗演练,完整体验 “攻击 - 检测 - 防御 - 处置” 全流程。
    应急响应专项:

  • 应急响应流程:学习应急响应 6 步流程(准备 - 检测 - 遏制 - 根除 - 恢复 - 总结),掌握各环节核心任务;

  • 实战技能:开展操作系统入侵响应(如病毒木马清除、异常进程终止)、数据泄露应急处置、漏洞应急修补等实战训练;

  • 工具应用:学习应急响应工具(如 Autoruns、Process Monitor、病毒分析工具)的使用,提升处置效率;

  • 案例复盘:分析真实网络安全事件应急响应案例(如勒索病毒事件),总结处置经验。
    其他企业级攻防技能:学习社工与钓鱼、CTF 夺旗赛解析等内容,结合运维中企业安全防护需求深化理解。

证书备考:针对网安行业相关证书考试内容(含红蓝对抗、应急响应考点)进行专项复习,参加模拟考试,查漏补缺。

运维转行网络攻防知识库分享

网络安全这行,不是会几个工具就能搞定的。你得有体系,懂原理,能实战。尤其是从运维转过来的,别浪费你原来的经验——你比纯新人强多了。

但也要沉得住气,别学了两天Web安全就觉得自己是黑客了。内网、域渗透、代码审计、应急响应,要学的还多着呢。

如果你真的想转,按这个路子一步步走,没问题。如果你只是好奇,我劝你再想想——这行要持续学习,挺累的,但也是真有意思。

关于如何学习网络安全,笔者也给大家整理好了全套网络安全知识库,需要的可以扫码获取!

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

1、网络安全意识
在这里插入图片描述

2、Linux操作系统
在这里插入图片描述

3、WEB架构基础与HTTP协议
图片

4、Web渗透测试
在这里插入图片描述

5、渗透测试案例分享
图片

6、渗透测试实战技巧
图片

7、攻防对战实战
图片

8、CTF之MISC实战讲解
图片

关于如何学习网络安全,笔者也给大家整理好了全套网络安全知识库,需要的可以扫码获取!

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

Ubuntu系统学习笔记(完整版) Ubuntu是一个以桌面应用为主的Linux操作系统.一般叫做乌班图 什么叫操作系统?widows,用于个人桌面macOS,用于个人桌面Linux,主要用于服务器,商务部署创建虚拟机安装Ubuntu网络安全学习笔记——创建虚拟机_不知天文,不知地理的博客-优快云博客创建虚拟机的硬件条件CPU:i5/i7内存:8G硬盘:固体安装完毕有俩个虚拟网卡 提示:按Ctrl+Alt可以令虚拟机释放鼠标,回到你的主系统中宿主机必须保持联网:因为在安装的过程中,需要联网下载一些软件包如果Ubuntu有问题,如何重装直 阅读详情

相关推荐

Ubuntu基础使用-适合新手的讲解

示例:777 rwxrwxrwx 000 --------- 750 rwxr-x---sudo userdel 用户名 userdel -r 用户名 -r 删除家目录。wc -l 行数 -w单词数 -m 字符数 -c 字节数。Ls -l 第一个字符 软连接 d 文件夹 - 文件,(看下图)修复包:sudo apt-get install -f。安装deb包:sudo dpkg -i deb包文件。

weixin_Z-fovik-Y-2912 1万+

Ubuntu Linux 入门指南:面向初学者

这篇博客全面介绍了 Ubuntu Linux 的使用,包括其由来、安装过程、基本命令、软件管理以及如何获取帮助和支持。从 Ubuntu 的起源和与其他 Linux 发行版的比较,到具体的安装步骤和系统要求,博客为初学者提供了实用的指南。命令部分列出了常用的 Linux 命令及其功能,帮助用户更好地理解和操作 Ubuntu 系统。在软件管理方面,博客详细讲述了如何使用 Ubuntu 软件中心进行软件的安装、卸载和更新,以及如何通过命令行使用 apt 命令进行软件包管理。

CDBmax的博客 4888

ubuntu菜鸟

ubuntu菜鸟飞飞

Ubuntu新手入门

笔者是在VMware上安装的ubuntu-18.04.2-desktop-amd64.iso 期间遇到很多很多的坑,填完之后觉得有必要把它们记录下来。 1、如果Ubuntu安装是用来交叉编译的,尽量满足一下条件,不然编译的时候会出问题(默认硬盘20G,内存1G) 硬盘要尽量设为 50G 内存设为 4G 如果忘了设置还有补救的办法, 1)内存更改比较简单,把虚拟机关闭后,在配置里更...

tajon1226的专栏 8162

qcc51xx如何配置spdif输入

qcc51xx如何配置spdif输入。

Alex_886的博客 1375

Zabbix 简介、优缺点、基础原理

(8条消息) Zabbix 的基础概念、原理和架构_Lee木木的博客-优快云博客_zabbix架构类型Zabbix 的基础概念、原理和架构_Lee木木的博客-优快云博客_zabbix架构类型 --------------------------------------------------------------------------------------------------------------------------- 一、Zabbix 简介 Zabbix是由A...

weixin_50196615的博客 2037

ubuntu运维/ubuntu安装教程(非常详细)零基础入门到精通,收藏这篇就够了

Ubuntu 18.04.6 服务器系统已经安装完成。但现在还是一个“裸”系统,接下来进行至关重要的初始化配置。这两年,IT行业面临经济周期波动与AI产业结构调整的双重压力,确实有很多运维与网络工程师因企业缩编或技术迭代而暂时失业。很多人都在提运维网工失业后就只能去跑滴滴送外卖了,但我想分享的是,对于运维人员来说,即便失业以后仍然有很多副业可以尝试。

A1_3_9_7的博客 4430

西门子200 SMART与博图WinCC通讯全攻略:从PC Access到S7-200协议避坑指南

本文详细解析了西门子S7-200 SMART PLC与博途WinCC上位机通讯的两种主流方案:基于PC Access SMART的OPC通讯和利用博途内置S7-200协议驱动直连。文章深入对比了两种架构的优缺点、配置步骤,并提供了从网络层到软件层的深度排错指南与性能优化建议,帮助工程师高效、稳定地实现系统集成。

gg901的博客 820

运维工程师一月多少钱(非常详细),零基础入门到精通,看这一篇就够了

运维工程师的月薪因地区、工作经验、技能水平及公司规模等因素而有所不同。

Python84310366的博客 1362

Flink 运维监控与指标采集实战(Prometheus + Grafana 全流程)

Flink运维监控在实时计算场景中至关重要,因为Flink作业需要7×24小时稳定运行,对性能、资源、故障感知和状态变化的实时监控是保障系统稳定的关键。Flink自带的Metrics系统提供了基本的监控能力,但为了更全面的监控,Prometheus+Grafana成为最主流的解决方案。通过配置PrometheusReporter和Grafana仪表盘,可以实现对Flink作业的全面监控,包括CPU、内存、吞吐量、Checkpoint状态、KafkaSink性能等关键指标。此外,自定义指标采集和报警机制的配置

晴天彩虹雨的博客 1370

【银河麒麟V10】【桌面】【服务器】系统启动问题

1、如果之前运行好好的,重启后系统报错,一般80%是因为fstab的问题,回想下之前有没有添加过外接存储,修改过/etc/fstab,如果是的话一般是因为存储异常(比如网络存储无法连接,本地存储路径变化)导致系统开机自检失败,导致无法正常启动; 处理方式:进入单用户(单用户进入的几种方式上面有专门文章介绍),修改/etc/fstab,将新增的内容暂时注释掉,然后重启系统,能正常进入系统后再分析失败原因。 ...

桂安俊@KylinOS 3万+

Linux命令大全(非常详细)从零基础入门到精通,看完这一篇就够了_linux 命令

## 3.2 权限修改Linux/Unix 的文件调用权限分为三级 : 文件拥有者、群组、其他。利用 chmod 可以藉以控制文件如何被他人所调用。**使用权限** : 所有使用者##### 语法##### 参数说明其中:* u 表示该文件的拥有者,g 表示与该文件的拥有者属于同一个群体(group)者,o 表示其他以外的人,a 表示这三者皆是。* + 表示增加权限、- 表示取消权限、= 表示唯一设定权限。

m0_60388419的博客 1215

uniapp [安卓苹果App端] - 在“安卓app/苹果app“平台端打包编译后,微信授权登录报错 login:fail [:-1]未能完成操作。(PGWXAPI错误-1。)错误码code:-10

uni-app,安卓Android,苹果ios,安卓app端,苹果App端,uniapp苹果安卓app,微信授权登录,uniAppAPP端微信登录报错,出现微信确认登录界面后点击登录报错,BundleID,应用ID,微信登录,app微信一键登录,微信登录绑定点确定就出错,AppSecrect,login:fail[:-1]未能完成操作。(PGWXAPI错误-1。),"errCode":-100,"code":-100,在uniappmanifest.json配置了AppSecrect还是报错无

🏆 前端领域优质创作者 3769

Ubuntu安装教程(非常详细)从零基础入门到精通,看完这一篇就够了_

很多小伙伴在Ubuntu的安装上总会有疑问,今天就来给小可爱们来一套完整的Ubuntu快速安装教程。

Innocence_0的博客 6645

从数据到行为的可控暴露:SAP RAP 中的 BO Projection 与 BO Interface 全面实践指南

本文系统梳理了ABAP RAP中BO Projection与BO Interface的定位与实现方式。BO Projection面向业务服务(如UI/API),通过CDS投影视图(as projection on)和行为定义裁剪字段与操作,实现差异化暴露;BO Interface则为EML代码和跨组件复用提供稳定访问层,使用transactional_interface标识。两者均遵循C_/I_命名规范,通过分层设计实现封装性、安全性和灵活性。文中结合真实案例展示了如何通过不同投影满足多角色需求,并详细说明

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 258

机器学习笔记 - 基于深度学习(HomographyNet)的图像单应性估计

论文提出了一个深度卷积神经网络来估计一对图像之间的相对单应性。我们的前馈网络有10层,以两个堆叠的灰度图像作为输入,并产生一个8自由度的单应性,可用于映射从第一个图像到第二个图像的像素。我们为HomographyNet提出了两种卷积神经网络架构一个直接估计实值单应性参数的回归网络,以及一个在量化单应性上产生分布的分类网络。我们使用4点单应性参数化,将一个图像的四个角映射到第二个图像。我们的网络使用扭曲的MS-COCO图像以端到端的方式进行训练。论文的贡献如下。........................

学以致用 知行合一 3087

如何在linux下用tar方式安装Mysql5(1),Linux运维从入门到精通

本书是获得了很多读者好评的Linux经典畅销书**《Linux从入门到精通》的第2版**。本书第﹖版以最新的Ubuntu 12.04为版本,循序渐进地向读者介绍了Linux 的基础应用、系统管理、网络应用、娱乐和办公、程序开发、服务器配置、系统安全等。另外,本书还为读者提供了大量的Linux学习资料和Ubuntu安装镜像文件,供读者免费下载。需要《Linux入门到精通》、《linux系统移植》、《Linux驱动开发入门实战》、《Linux开源网络全栈》电子书籍及教程的工程师朋友们劳烦您转发+评论。

m0_61408947的博客 871

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'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('DeepLearnToolbox'));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('state',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'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',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 = 'sigm';%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, 'Too big error');```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('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';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)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';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, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% 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'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 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, 'Too big error');```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('state',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, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',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, 'Too big error');%% ex3 neural net with dropoutrand('state',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, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % 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, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % 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, 'Too big error');%% 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('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % 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, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Coze Loop 部署 + 实战应用,coze从入门到精通,收藏这篇就够了

相信你现在已经知道如何部署和应用 Coze Loop。建议你不妨亲自动手去实践,体验一下使用 Coze Loop 的乐趣。

2301_81940605的博客 2272

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

nacos 2,Linux运维开发者必须收藏的8个开源库

本书是获得了很多读者好评的Linux经典畅销书**《Linux从入门到精通》的第2版**。本书第﹖版以最新的Ubuntu 12.04为版本,循序渐进地向读者介绍了Linux 的基础应用、系统管理、网络应用、娱乐和办公、程序开发、服务器配置、系统安全等。需要《Linux入门到精通》、《linux系统移植》、《Linux驱动开发入门实战》、《Linux开源网络全栈》电子书籍及教程的工程师朋友们劳烦您转发+评论。我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

2401_84181309的博客 852

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Linux入门教程(非常详细)从零基础入门到精通,看完这一篇就够了!

学Linux就像打怪升级,刚开始可能被命令行吓到,但坚持一个月后,你会发现图形界面才是真正的"新手模式"!每个报错都是进步的机会(虽然有时候真的很想砸键盘…)。现在就打开你的Linux系统,开始敲命令吧!(如果还在用Windows?快去装个WSL!

wangluoanquan111的博客 1597
上一篇: idc运维面试题汇总,零基础入门到精通,收藏这篇就够了
下一篇: 网络运维面试整理大全,零基础入门到精通,收藏这篇就够了
程序员_大白
博客等级 码龄5年 1万+粉丝 4001原创
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
 
 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
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