Censys实战:5分钟教你用SSL证书追踪暴露的服务器(附真实案例)

利用SSL证书被动测绘网络资产:从Censys查询到自动化监控实战 在网络安全领域,资产发现与暴露面管理是构建防御体系的基础。其核心原理在于识别和盘点互联网上可访问的IT资源。传统主动扫描方式效率有限且易触发告警,而基于SSL/TLS证书的被动发现技术提供了一种更优雅高效的解决方案。每张SSL证书都包含了服务器域名、所属组织、地理位置等丰富的元数据,这些信息在TLS握手过程中被动公开,使其成为理想的资产追踪信标。通过利用Censys、Shodan等网络空间搜索引擎持续收集和索引这些证书数据,安全人员可以像使用搜索引擎一样,快速精准地定位目标组织的暴露资产。这项技术不仅能用于 阅读详情

Censys实战:5分钟教你用SSL证书追踪暴露的服务器(附真实案例)

在数字资产安全管理的日常工作中,我们常常面临一个挑战:如何快速、准确地发现那些本应隐藏在内部网络,却意外暴露在公网上的服务器?传统的端口扫描和IP段探测不仅效率低下,而且容易被防火墙和入侵检测系统拦截。今天,我想和你分享一种更为优雅、精准且常常被忽视的资产发现方法——利用SSL/TLS证书信息进行追踪。这种方法绕过了对IP和端口的直接探测,转而从公开的证书透明度日志中挖掘线索,往往能发现那些常规扫描工具难以触及的“影子资产”。

想象一下,你是一家大型企业的安全工程师,某天突然接到通知,需要紧急梳理公司所有对外暴露的服务器资产。时间紧迫,范围巨大,传统的扫描方式如同大海捞针。这时,如果你懂得如何利用Censys这类网络空间测绘引擎,结合SSL证书的独特属性,就能在几分钟内勾勒出资产轮廓,甚至发现一些连运维团队都未曾登记在册的“惊喜”。这不仅仅是技术操作,更是一种资产发现思维的转变:从主动“敲门”询问,变为被动“倾听”互联网上公开的“身份声明”。

SSL证书,作为服务器在互联网上的“数字身份证”,其包含的组织信息、域名信息都是公开可查的。尤其是证书透明度日志,它要求所有公开信任的证书颁发机构将其签发的证书记录到公共日志中。这意味着,任何一张为公网服务签发的证书,其信息都已悄然记录在案,成为我们进行资产测绘的宝贵数据源。接下来,我将通过几个真实场景,手把手带你掌握这套高效的工作流。

1. 理解SSL证书:你的资产在互联网上的“身份证”

在深入操作之前,我们有必要重新认识一下SSL/TLS证书。它远不止是浏览器地址栏里那个绿色的小锁。从技术角度看,一张标准的X.509证书包含了一系列结构化的字段,这些字段正是我们进行资产关联和追踪的关键。

证书的核心字段及其测绘价值:

  • 主题(Subject): 包含了证书持有者的详细信息,最常见的是CN(通用名称)字段,通常就是域名。例如,CN = *.example.com 表示这张证书适用于example.com及其所有子域名。这是资产归属最直接的证据。
  • 颁发者(Issuer): 签发证书的证书颁发机构。通过追踪同一家CA为同一组织签发的所有证书,可以间接发现关联资产。大型企业通常有固定的合作CA。
  • 主题备用名称(Subject Alternative Name, SAN): 这是资产发现的“富矿”。一张证书可以绑定多个域名或IP地址。我见过不少企业的证书,其SAN字段里密密麻麻列出了数十个内部域名、测试环境域名甚至旧的域名,这些信息在内部资产清单里可能早已被遗忘。
  • 序列号与指纹: 证书的唯一标识。即使服务器IP变更,只要证书没换,我们就能通过指纹持续追踪同一台服务。
  • 有效期: 过期的证书往往意味着被遗忘的服务,这些服务的安全风险通常更高。

证书透明度(Certificate Transparency, CT)日志是这一切成为可能的基础。为了防范恶意或错误签发的证书,主流浏览器要求CA将签发的证书公开记录到CT日志中。这些日志是公开可查询的数据库,Censys等引擎会持续抓取并索引这些数据。因此,当你为api.internal.company.com申请了一张证书时,即便这个域名从未在公开DNS中解析,它的记录也已经留在了CT日志里。

提示: 不要只盯着CN字段。许多资产发现的最佳结果隐藏在SAN字段中。一张用于CDN或负载均衡器的证书,其SAN里可能包含了后端真实服务器的原始域名。

为了更直观地理解证书中各部分信息的作用,可以参考下表:

证书字段技术含义在资产测绘中的用途示例
CN (Common Name)证书的主要主机名直接定位主要服务域名CN = www.github.com
SAN (Subject Alternative Name)证书支持的其他主机名列表发现主域名关联的子域名、内部域名、测试域名DNS:api.github.com, DNS:*.github.io
O (Organization)组织名称按组织归属聚合资产O = GitHub, Inc.
OU (Organizational Unit)组织部门细化资产所属部门OU = IT Operations
Issuer证书颁发机构通过CA关联同一批签发的证书C = US, O = Let's Encrypt, CN = R3
Serial Number证书唯一序列号精确标识特定证书04:7B:BB:...
SHA-256 Fingerprint证书哈希指纹唯一、不可变标识,用于精确追踪a1:b2:c3:...
Validity Period证书有效期识别过期或即将过期的脆弱资产Not Before: 2023-01-01, Not After: 2024-01-01

理解这些字段后,我们就可以像侦探一样,利用Censys提供的强大搜索语法,在海量证书数据中筛选出目标。

2. Censys证书搜索语法精要:从入门到精准定位

Censys提供了专门用于搜索证书的索引(certificates)。其搜索语法直观而强大,核心在于理解如何组合不同的字段过滤器。我们从一个最简单的例子开始。

假设你想查找所有由“Let's Encrypt”颁发给“GitHub”的证书。在Censys的搜索框中,你可以这样构造查询:

parsed.issuer.organization: "Let's Encrypt" AND parsed.subject.organization: "GitHub"

这条查询会返回所有匹配的证书结果。但通常,我们更关心的是这些证书背后正在使用的服务。这时,就需要将证书搜索与主机搜索关联起来。Censys的妙处在于,证书的指纹(sha256或sha1)可以直接关联到services.tls.certificates.leaf_data字段。

一个更实用的组合查询是,先找到特定证书,再定位使用该证书的所有主机:

  1. 找到目标证书并获取其指纹。例如,搜索百度旗下的证书:

    parsed.names: "baidu.com" AND tags: "trusted"
    

    在结果中,点击一张证书,在详情页找到其SHA-256指纹,形如:a1b2c3d4...。

  2. 使用证书指纹搜索关联主机。切换到“主机”索引,输入:

    services.tls.certificates.leaf_data.sha256: "a1b2c3d4..."
    

    或者,更直接地,Censys支持在主机索引中直接使用证书字段进行搜索,这通常更高效:

    services.tls.certificates.leaf_data.parsed.names: "baidu.com"
    

几个在实战中高频使用的证书搜索语法“组合拳”:

  • 发现一证多用的资产群:大型企业常为多个服务使用同一张泛域名证书或包含大量SAN的证书。

    services.tls.certificates.leaf_data.parsed.names: "*.company.com" AND services.tls.certificates.leaf_data.parsed.names_count: >5
    

    这条语句查找使用了包含*.company.com且SAN数量大于5的证书的所有主机,能快速发现使用同一基础设施的批量服务。

  • 追踪特定组织过期的脆弱证书:过期证书是严重的安全隐患。

    services.tls.certificates.leaf_data.parsed.validity.not_after: <2024-01-01 AND services.tls.certificates.leaf_data.parsed.subject.organization: "Example Corp"
    

    这能帮你快速梳理出“Example Corp”名下所有已过期证书对应的服务,便于推动整改。

  • 通过内部域名发现暴露的测试/开发环境:许多内部域名(如internal、dev、staging)会意外出现在公网证书的SAN中。

    services.tls.certificates.leaf_data.parsed.names: /.*\.internal\.|.*\.dev\.|.*\.staging\./ AND services.port: 443
    

    使用正则表达式匹配,能有效抓取这类容易遗漏的非生产环境资产。

掌握这些语法后,你已经具备了在证书维度进行资产测绘的基本能力。但真正的价值在于将这种能力应用到具体、复杂的场景中。

3. 实战案例拆解:从一张证书挖出一个资产集群

理论说得再多,不如一个真实案例来得直观。去年在一次内部红队演练中,我们接到了对一家大型科技公司(代号“A公司”)进行外部资产发现的任务。除了已知的官网,我们对其网络边界知之甚少。

第一步:起点——已知主域 我们从其公开的官网 www.a-company.com 入手。在Censys中搜索该域名相关的证书:

services.tls.certificates.leaf_data.parsed.names: "a-company.com"

结果返回了数十张证书。我们注意到其中一张由“GlobalSign”签发的证书特别显眼,它的SAN字段异常丰富,包含了超过20个不同的子域名。

第二步:深挖——分析高价值证书 我们点开这张证书,将其SHA-256指纹复制下来。然后,在主机索引中搜索使用该指纹的所有服务:

services.tls.certificates.leaf_data.sha256: "证书指纹"

查询结果令人惊讶:有超过50个独立的IP地址在使用这张完全相同的证书。这些IP分布在全球不同的云服务商和数据中心。

第三步:关联分析——勾勒资产图谱 我们进一步分析这些主机:

  1. 服务类型: 通过services.service_name字段,发现它们运行着HTTP、IMAPS、POP3S等多种服务。
  2. 软件指纹: 通过services.software字段,识别出大部分是Nginx和Apache,但有几个IP运行着Exchange Server和Citrix Gateway。后者立即引起了我们的注意,因为它们是常见的远程访问入口,也是攻击者重点关注的目标。
  3. 地理位置: 利用location.country和location.provider字段,我们发现资产主要集中在美国东部、欧洲和新加坡的AWS、Azure区域,这与A公司公开的业务布局吻合。

第四步:发现“意外”——暴露的内部系统 在梳理SAN列表时,我们发现了几个非标准的域名:

  • vpn.internal.a-company.com
  • jenkins.build.a-company.com
  • confluence.corp.a-company.com

这些明显是内部系统使用的域名。通过查询DNS记录,我们发现vpn.internal.a-company.com并未设置公网解析。然而,Censys显示有一个位于公有云上的IP(非公司宣称的VPN网关IP)在使用包含该域名的证书提供443端口服务。这极有可能是一个配置错误的测试或备份VPN节点,意外暴露在了公网。

我们将这个IP、对应的证书信息以及关联的其他资产整理成一份报告。后续的验证证实,这确实是一个被遗忘的测试环境VPN服务器,其上运行的软件版本存在已知高危漏洞。这个案例清晰地展示了,通过一张证书,我们不仅完成了资产普查,还精准定位到了一个高危暴露点。

4. 进阶技巧:绕过干扰,定位真实源头

在实际使用中,你会遇到很多干扰项,最常见的就是CDN和云WAF。它们会用自己的证书终止TLS连接,从而隐藏后端真实服务器的证书信息。这时,我们需要一些技巧来穿透这层“迷雾”。

技巧一:利用非标准端口和旧证书 CDN通常只覆盖标准的443端口。许多管理服务、API服务或遗留系统会运行在8443、9443等非标准HTTPS端口上,并且可能使用自签名或旧的商业证书,这些服务可能直接暴露了真实服务器。

services.tls.certificates.leaf_data.parsed.names: "target.com" AND services.port: !443 AND services.port: >8000 AND services.port: <10000

这条查询搜索target.com域名在8000-10000端口上(非443)的TLS服务,常能发现直连的服务器。

技巧二:关注证书有效期和序列号模式 大型企业为不同业务线签发的证书,其有效期和序列号可能呈现一定的规律或批次。通过分析这些模式,可以推断出未直接关联的证书是否属于同一组织。

services.tls.certificates.leaf_data.parsed.validity.not_after: 2024-12-31 AND services.tls.certificates.leaf_data.parsed.issuer.organization: "DigiCert" AND services.tls.certificates.leaf_data.parsed.serial_number: /^123456/

这个查询结合了过期时间、颁发机构和序列号前缀,用于定位一批可能同时签发、用于特定项目的证书。

技巧三:结合其他网络元数据 Censys的强大之处在于能交叉关联多种数据。不要孤立地看证书。

  • 结合HTTP响应头: 搜索使用特定证书且HTTP Server头为Apache/2.4.6 (CentOS)的主机,可以进一步缩小范围。
    services.tls.certificates.leaf_data.parsed.names: "target.com" AND services.http.response.headers.server: "Apache/2.4.6 (CentOS)"
    
  • 结合自治系统号(ASN): 如果你知道目标公司使用的云服务商或ISP的ASN,可以大幅过滤无关结果。
    autonomous_system.asn: AS16509 AND services.tls.certificates.leaf_data.parsed.subject.organization: "Target Company"
    
    (AS16509是Google的AS号)

技巧四:自动化与持续监控 对于需要持续监控的资产,手动查询效率太低。你可以利用Censys的API(付费功能)或编写脚本定期执行关键查询。例如,一个简单的Python脚本可以定期检查是否有新的、包含你公司域名的证书出现在CT日志中,并及时告警。

import requests
import json
from datetime import datetime

# 示例:使用Censys API查询新证书(需替换为你的API ID和密钥)
API_URL = "https://search.censys.io/api/v2/hosts/search"
API_ID = "your-api-id"
API_SECRET = "your-api-secret"
QUERY = 'services.tls.certificates.leaf_data.parsed.names: "yourdomain.com" AND services.start_time: "last 24h"'

auth = (API_ID, API_SECRET)
response = requests.post(API_URL, json={"q": QUERY}, auth=auth)

if response.status_code == 200:
    data = response.json()
    new_hosts = data.get('result', {}).get('hits', [])
    if new_hosts:
        print(f"[{datetime.now()}] 发现 {len(new_hosts)} 个新主机使用目标域名证书:")
        for host in new_hosts:
            print(f"  IP: {host.get('ip')}, 服务: {host.get('services', [{}])[0].get('service_name', 'N/A')}")

将这些技巧融入你的工作流,你就能从被动的数据查阅者,转变为主动的威胁猎手和资产管理员。

5. 构建你的自动化资产追踪工作流

将上述散落的技巧整合成一个系统化的、可重复的工作流,能极大提升效率。以下是我在多次项目中总结出的一套四步法:

第一步:初始种子收集

  • 输入: 公司主域名、已知子公司域名、品牌/产品名称。
  • 操作: 在Censys中,使用parsed.names和parsed.subject.organization进行宽泛搜索,收集第一批证书指纹和关联IP。
  • 输出: 一个初始的证书指纹列表和IP地址列表。

第二步:关联扩展与去噪

  • 输入: 上一步的证书指纹列表。
  • 操作:
    1. 对每个指纹,搜索所有使用它的主机(services.tls.certificates.leaf_data.sha256)。
    2. 分析这些主机的其他服务(如services.service_name)、端口、横幅信息。
    3. 从这些主机的HTTP响应、TLS证书中提取新的域名、组织名,作为新的种子。
    4. 利用ASN、云提供商标签(tags: "aws")过滤掉明显无关的IP(如CDN节点)。
  • 输出: 一个更丰富的、去噪后的资产列表(IP:端口:服务:证书指纹)。

第三步:风险评估与分类

  • 输入: 资产列表。
  • 操作:
    1. 暴露面分析: 识别直接面向公网的服务(如Web、VPN、RDP、数据库)。
    2. 脆弱性标识: 标记使用过期证书、自签名证书、低强度加密套件(通过services.tls详情判断)的服务。
    3. 关键性标记: 根据域名(如包含admin、api、vpn)、服务类型(如exchange、citrix)标记高价值资产。
    4. 生成报告: 按风险等级、业务部门、地理位置对资产进行分类汇总。
  • 输出: 带有风险标签和分类的资产清单,以及需优先处理的高危资产列表。

第四步:持续监控与告警

  • 输入: 关键证书指纹、核心域名、高价值IP段。
  • 操作:
    1. 使用Censys API或计划任务,定期(如每天)执行监控查询。
    2. 监控是否有新的证书包含了你的核心域名(可能意味着新的子域名或服务上线)。
    3. 监控是否有新的主机开始使用你已知的关键证书指纹(可能意味着服务器扩容或迁移)。
    4. 监控是否有资产证书即将过期或已过期。
    5. 设置告警,当发现高风险变化(如在非公司ASN上出现包含内部域名的新证书)时立即通知。
  • 输出: 持续的资产变化日志和实时告警。

这套工作流将一次性的资产发现,变成了一个持续的、闭环的安全管理过程。它不仅能用于外部攻击面管理,同样适用于内部红队评估和蓝队资产自查。

最后,我想强调的是,任何强大的工具都是一把双刃剑。本文所探讨的技术,旨在帮助安全从业者和运维人员更好地管理和保护自有资产。请务必在合法授权的前提下进行所有探测活动,并严格遵守相关的法律法规和职业道德。通过SSL证书进行资产测绘,其精髓在于利用公开信息进行逻辑关联和推理,这是一种更智能、更隐蔽的“看见”的方式。当你熟练运用后,你会发现互联网的“表面”之下,资产的脉络比你想象的更加清晰。

子域名挖掘全攻略:从被动收集到主动枚举的完整安全评估流程 在网络安全领域,信息收集是渗透测试与安全评估的基石,其核心在于全面发现目标资产。子域名作为主域名下的分支,常承载着开发环境、管理后台、API接口等重要业务,是攻击面的关键组成部分。其挖掘原理融合了DNS解析、证书透明日志、网络空间测绘等多种技术,通过被动情报聚合与主动探测相结合的方式,系统性地发现“影子资产”。这项技术的价值在于能比攻击者更早地识别潜在风险点,有效缩小攻击面。在实际应用场景中,安全工程师需要构建分层侦查体系,利用搜索引擎语法、第三方聚合平台进行被动收集,再结合字典爆破、证书透明日志追踪等主动 阅读详情

相关推荐

数量1倍数特性.pdf

数量1倍数特性.pdf

不同情景下该如何进行资产测绘(超级详细实战篇)

本文将从多个真实攻防场景出发,拆解每一种情境下的资产测绘思路、操作流程,并给出可复现的示例方法。

QQQQQzou的博客 854

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

APP抓包-资产获取+Frida反代理绕过和证书校验绕过

有时候明明配置没问题,为什么抓不到app数据包呢? 1.目标没走http/s协议 解决方案:抓取目标使用的协议或者全局(全协议)抓包 2.目标设置了反虚拟机 解决方案:使用手机配合抓包即可 3.目标设置了反代理或证书校验的检测—防抓包机制

xiaoheizi的博客 6691

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

Ollama安全加固指南:防止本地大模型暴露与工具调用风险

Ollama作为轻量级本地大模型运行时,其默认配置存在严重安全短板——绑定0.0.0.0地址、开放11434端口、默认启用工具调用(Tool Calling)等行为,极易导致服务暴露于公网,引发LLMjacking、算力劫持与内网横向渗透。原理上,Ollama未内置身份认证、沙箱隔离与输入校验机制,使攻击者可通过API端点直接执行系统命令或覆盖system提示词,实现100%模型欺骗。技术价值在于将AI部署从‘能跑’升级为‘可信可控’;典型应用场景涵盖个人开发调试、企业RAG知识库、客服工单自动化等,尤其需

408

frontend-design skills

frontend-design skills

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

OpenCV教程:超详细的OpenCV入门教程,值得收藏

OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉库,它提供了很多函数,这些函数非常高效地实现了计算机视觉算法(最基本的滤波到高级的物体检测皆有涵盖)。 OpenCV 使用 C/C++ 开发,同时也提供了 Python、Java、MATLAB 等其他语言的接口。 OpenCV 是跨平台的,可以在Windows、Linux、Mac OS、Android、iOS 等操作系统上运行。 OpenCV 的应用领域非常广泛,包括图像拼接、图像降噪、产品质检、..

pythonandaiot的博客 14万+
上一篇: 如何优雅地解决Spring Boot中的Bean冲突?@Primary与@ComponentScan的深度解析
下一篇: Puppeteer实战:5分钟搞定Cloudflare Turnstile验证码(附Node.js代码)
普通网友
博客等级 码龄27年 205粉丝 1502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  | 博主筛选后可见
 
 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