安全见闻1-优快云博客

资料：

https://player.bilibili.com/player.html?

isOutside=true&aid=113191782714945&bvid=BV1QJsYevEC5&cid=25983845674&p=1

编程语言简要概述

C语言：面向过程，适用于系统软件和嵌入式开发。
C++：在C基础上发展，支持面向对象编程，常用于游戏和高性能计算。
Java：广泛使用的面向对象语言，跨平台，适合企业级应用。
Python：简洁易学，拥有丰富库，适用于数据分析、AI和Web开发。
JavaScript：主要用于前端开发，也可用于服务器端（Node.js）。
C#：微软开发，主要用于Windows应用。
Ruby：简洁、富有表现力，常用于Web开发。
PHP：专注于Web开发，适合服务器端脚本。
Go：高效、简洁，适用于网络编程和云计算。
Swift：苹果开发，用于iOS和macOS应用。
Kotlin：与Java互操作，主要用于Android开发。

函数式编程语言

Haskell：纯函数式，强类型系统，严谨。
Lisp：灵活性强的历史悠久语言家族。
Clojure：Lisp方言，运行在Java虚拟机上，结合函数式编程和Java优势。

数据科学与机器学习

R：广泛用于统计分析和数据可视化。
Julia：专为高性能科学计算和数据分析设计。

全栈开发

TypeScript：JavaScript超集，增加静态类型检查，提高大型项目开发效率。

移动开发

Objective-C：曾为iOS主要语言，现在逐渐被Swift取代。

嵌入式系统开发

汇编语言：不同架构有不同的汇编语言，底层控制硬件。

其他

Pascal：曾广泛用于教学和早期软件开发。

软件程序类型概述

Web程序：
- 包括各种网站和在线应用，主要用于渗透测试。
二进制程序：
- 主要用于逆向分析，与渗透测试不同，通常需要更深的技术基础。
驱动程序：
- 由二进制程序编写，后缀通常为 .sys，用于操作系统的硬件交互。
上位机程序：
- 暂不深入讲解，后续会详细讨论。
脚本程序：
- 包括多种语言如 Lua、PHP、Java，广泛应用于自动化和快速开发。
操作系统：
- 大型软件系统，尽管技术含量高，但本质上也属于软件程序。
裸板程序：
- 不依赖于操作系统，通常用于嵌入式系统开发。
机器学习程序：
- 一般用 Python 编写，也可使用 Go 等语言，最终都是实现特定功能的程序。
量子计算程序：
- 特定于量子计算领域，尚处于发展阶段。
工控程序：
- 用于工业控制系统，涉及到硬件和软件的结合。
BIOS程序与本质理解：
- BIOS程序：是低级代码，负责硬件初始化和操作系统启动。其本质是代码，不应被复杂的术语所迷惑。
- 认清本质：无论别人如何夸大技术，重要的是理解其底层原理。例如，组合技术（如二进制与 Web 的结合）只需掌握其基础即可。
操作系统类型
- 操作系统列表
  - iOS
  - macOS
  - Linux
  - Android
  - Windows
  - Windows CE (Wince)
  - VxWorks
  - RT-Thread

这些类型的程序展示了软件的多样性和应用场景，理解它们的特点有助于在各个领域中更有效地进行开发和渗透测试。

操作系统：实时与非实时

非实时操作系统：
- 包括 Windows、macOS、iOS 和 Linux。主要关注性能和用户体验，但在处理指令时不一定立即响应用户操作。
实时操作系统 (RTOS)：
- 如 VxWorks 和 RT-Thread，能够在确定时间内响应外部事件，适用于时间要求严格的嵌入式系统和工业控制。

网络通讯

在任何系统中，网络通讯都是至关重要的，硬件设备的连接与交互依赖于网络。

计算机硬件组件

中央处理器 (CPU)：
- 计算机的核心，负责执行指令和处理数据，其性能直接影响计算速度。
内存：
- 存储运行中的程序和数据，容量和速度影响计算机性能。
硬盘：
- 用于长期存储数据，包括操作系统和应用程序，容量和读写速度也会影响性能。
显卡：
- 处理图形和图像数据，其性能对图形处理能力至关重要，尤其在游戏和设计领域。
主板：
- 连接各个硬件组件，主板的质量影响计算机的稳定性和扩展性。

网络硬件设备

网络服务器：
- 提供网络服务，如文件存储和Web服务，通常具有较高性能。
网络存储设备：
- 包括 NAS 和 SAN，提供高容量、高可靠性的数据存储解决方案。
网络打印机：
- 通过网络共享，方便多台计算机打印。
网络摄像头：
- 用于视频监控和远程会议，可将视频信号通过网络传输。

移动设备硬件

智能手机：集成多种功能，包含处理器、内存、存储和摄像头。
平板电脑：类似于智能手机，但屏幕更大，适合阅读和观看视频等。
可穿戴设备：如智能手表等，可以监测用户健康数据并连接智能手机等设备。

硬件发展趋势

小型化：硬件设备趋向体积越来越小，便于携带。
高性能：处理器、内存、存储的性能和容量不断提高。
智能化：硬件设备更加智能，可以适应不同用户习惯。
互联互通：设备之间的联网与互联越来越密切，形成物联网。

网络类型

局域网（LAN）：覆盖范围较小，通常用于办公室、学校或家庭等局部区域，用于共享资源（如文件和打印机）。
城域网（MAN）：覆盖一个城市范围内的网络，例如城市的宽带网络或有线电视网络。
广域网（WAN）：覆盖范围极广，跨越国家甚至全球的区域，典型例子是互联网，它连接了世界各地的计算机和网络设备。

网络协议

TCP/IP协议：互联网的基础协议。
- TCP（传输控制协议）：确保数据可靠、有序地传输。
- IP（网际协议）：负责数据的路由和地址解析。
HTTP协议：超文本传输协议，用于Web浏览器和服务器之间传输网页、图片等超文本数据。
FTP协议：文件传输协议，用于计算机之间安全传输文件。
SMTP、POP3和IMAP协议：用于电子邮件的发送与接收。SMTP负责发送，POP3和IMAP负责接收。

网络设备

路由器：用于连接不同的网络并转发数据，依据IP地址和路由表确定数据的传输路径。
交换机：局域网内的多台计算机通过交换机进行数据交换，依据MAC地址转发数据帧。
网卡：计算机连接网络的硬件设备，将计算机数据转换为网络信号进行传输。
无线接入点（AP）：为无线设备提供网络接入，使其能够连接到局域网或广域网。

网络安全

防火墙：保护网络免受外部攻击，依据规则过滤进出网络的流量。
加密技术：对数据进行加密，常用的SSL/TLS协议用于确保Web浏览器和服务器之间的通信安全。
身份认证：通过验证用户身份来确保只有授权用户能访问网络资源，常用的方法包括用户名和密码、数字证书以及生物识别等。

通讯协议

TCP（传输控制协议）：用于可靠的、面向连接的数据传输，确保数据到达目的地。
UDP（用户数据报协议）：用于快速、不可靠的通信，不提供数据重传机制，适用于实时应用（如视频流、在线游戏等）。
IP（网际协议）：用于网络间的路由和数据传输地址解析，是互联网数据传输的基础协议。

总结：这些网络类型、协议和设备共同构成了现代网络通信的基础。了解这些概念有助于理解网络运作原理，并为进一步学习网络安全和协议栈奠定基础。

机器学习工作流程

数据收集
- 来源：数据可以来自数据库、文件、传感器、网络等多种渠道。
- 类型：包括结构化数据（如表格数据）、半结构化数据（如XML、JSON）和非结构化数据（如文本、图像、音频等）。
数据预处理
- 数据清洗：去除噪声数据、处理缺失值、纠正错误数据。常用方法如均值填充、中位数填充等。
- 数据归一化：将数据缩放至统一范围，常见方法包括最小-最大归一化和Z-score标准化。
- 特征提取：从数据中提取有用特征，如图像识别中提取颜色、纹理、形状等。
模型选择与训练
- 根据任务类型选择算法：分类问题可以使用决策树、支持向量机等；回归问题可以使用线性回归、随机森林等。
- 数据分割：将数据分为训练集和测试集。
- 使用训练集训练模型，调整参数最小化损失函数。
模型评估与优化
- 评估指标：常用指标包括准确率、精确率、召回率、F1值、均方误差等。
- 根据结果调整模型参数、选择不同算法或增加数据量来优化模型。
模型应用
- 将优化后的模型应用于实际问题，执行预测、分类、聚类等任务。
- 持续监控和评估应用结果，优化模型以提高性能。

深度学习的基本原理

1. 神经网络基础

神经元模型：深度学习的核心是人工神经网络，其灵感来源于生物神经元。一个神经元接收多个输入信号，每个输入对应一个权重，通过加权求和后，输入激活函数得到输出。
激活函数：激活函数决定了神经元的输出值常见激活函数包括ReLU（修正线性单元）、sigmoid和tanh。它们引入非线性，增强了神经网络处理复杂问题的能力。

2. 多层神经网络

层次结构：深度学习中的神经网络通常包括：
- 输入层：接收原始数据，如图像的像素值、文本的词向量等。
- 隐藏层：多层隐藏层对输入数据进行特征提取，每一层逐步提取高阶特征。例如，图像识别中，低层提取边缘特征，高层提取更复杂的形状和结构。
- 输出层：生成最终的预测结果。例如，图像分类任务中，输出层可能是图像的类别标签。
深度网络：深度神经网络有多个隐藏层，层数越多，提取的特征越复杂。深度学习的能力主要源于其处理复杂模式、特征提取的多层次特性。