声明：学习视频来自b站up主 泷羽sec，如涉及侵权马上删除文章
感谢泷羽sec 团队的教学
视频地址：安全见闻（1）_哔哩哔哩_bilibili
目的：开阔眼界，了解各种网络安全，网络技术这些领域相关知识
一.编程语言
1.常见编程语言
C语言：一种通用的，面向过程的编程语言，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等领域。
Swift：苹果公司开发，用于iOS和macOS应用。
Kotlin：可与Java互操作，主要用于Android开发。
2.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。
3.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。
4.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。
5.移动开发
Objective-C：曾为iOS主要语言，现在逐渐被Swift取代。
6.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。
7.其他
Pascal：曾广泛用于教学和早期软件开发。
总结：
渗透测试首选Python，因为其简单易学，上手快，可以编写相关的工具；其次，也要学会JavaScript，因为XSS漏洞就是针对JavaScript的；后面学有余力可以进行PHP的学习，对后期的白盒测试，代码审计有着至关重要的作用。一个人的精力是有限的，学习哪一门语言看个人需求。
二.程序
1.WEB程序（网站）
Web应用程序是一种可以通过Web访问的应用程序。渗透测试对应的就是对web程序的入侵
2.二进制程序
二进制程序指的是计算机中使用二进制代码编写的程序，也称为机器码程序。二进制的应用大多数是逆向分析的人在运用
3.驱动程序
驱动程序是一个软件组件，它允许操作系统和设备进行通信，也属于软件。例如：Windows中后缀为sys结尾的都属于驱动程序范围
4.上机位
上位机是指可以直接发出操控命令的计算机
5.脚本程序
脚本程序十分多，lua,php,java(也可以算是脚本)
6.操作系统
操作系统也是属于软件程序的一种，只不过是很大的一个软件，但是从本质上来说也属于软件程序的范畴。
7.裸板程序
裸板程序是没有操作系统的，也没有进程的概念，也是属于软件程序的一种，它就是一个代码组成的
8.机器学习
一般用Python来写，但是像go之类的语言也是可以写的，但归根结底就是一个程序
9.biso程序
就是一个加载在计算机主板上最基础的一段程序，负责最基础的硬件控制和设置。
三.操作系统
| 操作系统名称 | 类型 |
|---|---|
| iOS | 非实时操作系统 |
| Mac | 非实时操作系统 |
| Linux | 非实时操作系统 |
| Android | 非实时操作系统 |
| Windows | 非实时操作系统 |
| Wince | 实时操作系统 |
| vxworks | 实时操作系统 |
| RT-Thread | 实时操作系统 |
非实时操作系统：在操作过程中，比如我们点一下刷新，立马就弹出来了，但是电脑的CPU在执行的时候并没有立马执行你的指令，它可能先执行其他指令再执行你的指令。主要致力于在各种情况下提供良好的整体性能，用户体验和多任务处理能力，但不能保证在严格时间限制内对事件作出响应
实时操作系统：能够在确定时间内对外部事件做出响应并完成特点任务。具有严格的时间确定性和可预测性。常用于对时间要求极为严格的嵌入式系统，工业控制等领域
四.硬件设备
计算机硬件
-
中央处理器（CPU）：计算机核心部件，负责执行指令和处理数据，它的性能决定了计算机运行速度
-
内存：用于存储正在运行的程序和数据，它的容量和速度对计算机的性能有很大影响
-
硬盘：用于长期存储数据，包括操作系统，应用程序，文件等，它的容量和速度也是影响计算机性能的因素
-
显卡：用于处理图像和图像数据，它的性能决定了计算机的图像处理能力
-
主板：是计算机的核心电路板，连接各种硬件设备，如CPU，内存，硬盘，显卡等。主板的质量和性能对计算机的稳定性和扩展性有很大影响
网络硬件
-
网络服务器：提供网络服务，如文件存储、电子邮件、Web 服务等。网络服务器通常具有较高的性能和可靠性，以满足大量用户的需求。
-
网络存储设备：用于存储网络中的数据，如网络附加存储（NAS）和存储区域网络（SAN）。它们提供了大容量、高可靠性的数据存储解决方案。
-
网络打印机（接口开放可利用）：可以通过网络连接被多台计算机共享，方便用户打印文件。
-
网络摄像头（接口开放可利用）：用于视频监控和远程会议等应用。它可以通过网络将视频信号传输到其他设备上。
注意：红队打点时，网络打印机和网络摄像头是有渗透的机会
移动设备硬件
-
智能手机：集成了多种功能，如通信、拍照、娱乐、办公等。智能手机的硬件包括处理器、内存、存储、屏幕、摄像头等
-
平板电脑：类似于智能手机，但屏幕更大，适合阅读、浏览网页、观看视频等。平板电脑的硬件也包括处理器、内存、存储、屏幕、摄像头等。
-
可穿戴设备：如智能手表、智能手环等，它们可以监测用户的健康数据、运动数据等，并与智能手机等设备进行连接和交互。可穿戴设备的硬件包括传感器、处理器、内存、存储、屏幕等。
硬件发展趋势
-
小型化：硬件设备越来越小型化，便于携带和使用。例如，智能手机、平板电脑等移动设备的体积越来越小，性能却越来越强。
-
高性能：随着技术的不断进步，硬件设备的性能不断提高。例如，CPU 的处理速度越来越快，内存和存储的容量越来越大，显卡的图形处理能力越来越强。
-
智能化：硬件设备越来越智能化，能够自动适应不同的环境和用户需求。例如，智能手机可以根据用户的使用习惯自动调整屏幕亮度、音量等设置。
五.网络
1. 网络类型
-
局域网（LAN）：覆盖范围较小，一般在一个建筑物或一个校园内。例如，公司办公室内的网络就是一个局域网，用于员工之间共享文件、打印机等资源。
-
城域网（MAN）：覆盖范围较大，一般在一个城市内。例如，城市的有线电视网络、宽带网络等。
-
广域网（WAN）：覆盖范围非常大，可以跨越国家和地区。例如，互联网就是一个广域网，连接了全球各地的计算机和网络设备。
2.网络协议
-
TCP/IP 协议：是互联网的基础协议，包括传输控制协议（TCP）和网际协议（IP）。TCP 负责数据的可靠传输，IP 负责数据的路由和寻址。
-
HTTP 协议：超文本传输协议，用于在 Web 浏览器和 Web 服务器之间传输超文本数据，如网页、图片、视频等。
-
FTP 协议：文件传输协议，用于在计算机之间传输文件。
-
SMTP、POP3 和 IMAP 协议：用于电子邮件的发送和接收。
注意：FTP 协议，SMTP、POP3 和 IMAP 协议是端口协议，使用Nmap时扫描出来的端口上面有协议，一般情况下是存在漏洞的
3.网络设备
-
路由器：连接不同的网络，实现网络之间的数据转发。它根据 IP 地址和路由表来确定数据的传输路径。
-
交换机：在局域网中连接多台计算机，实现数据的快速交换。它根据 MAC 地址来转发数据帧。
-
网卡：安装在计算机上，用于连接网络。它将计算机的数据转换为网络信号进行传输，并接收网络信号转换为计算机可识别的数据。
-
无线接入点（AP）：提供无线网络连接，使无线设备能够接入局域网或广域网。
4.网络安全
-
防火墙：用于保护网络免受外部攻击，它可以根据预设的规则过滤网络流量，分为硬件防火墙和软件防火墙
-
加密技术：对数据进行加密，防止数据被窃取或篡改。例如，SSL/TLS 协议用于在 Web 浏览器和 Web 服务器之间进行加密通信。
-
身份认证：确保只有授权用户能够访问网络资源，常见的身份认证方式有用户名和密码、数字证书、生物识别等。
补充：
-
硬件防火墙：把“软件防火墙”嵌入在硬件中，把“防火墙程序”加入到芯片里面，由硬件执行这些功能，从而减少计算机或服务器的CPU负担。
-
软件防火墙：用于保护网络免受外部攻击，它可以根据预设的规则过滤网络流量。
六.人工智能
机器学习
工作流程
1.数据收集
来源：可以从各种渠道获取数据，如数据库、文件、传感器、网络等。
类型：包括结构化数据（如表格数据）、半结构化数据（如 XML、JSON 格式的数据）和非结构化数据（如文本、图像、音频等）。
2.数据预处理
-
数据清洗 去除噪声数据、处理缺失值、纠正错误数据等。例如，对于包含缺失值的数据集，可以采用均值填充、中位数填充等方法进行处理。
-
数据归一化：将数据的特征值缩放到一个特定的范围内，以提高算法的性能和稳定性。常见的归一化方法有最小 - 最大归一化、Z-score 标准化等。
-
特征提取：从原始数据中提取出有用的特征，以便机器学习算法能够更好地处理和理解数据。例如，在图像识别中，可以提取图像的颜色、纹理、形状等特征。
3.模型选择与训练
根据任务类型和数据特点选择合适的机器学习算法。例如，对于分类问题可以选择决策树、支持向量机等算法；对于回归问题可以选择线性回归、随机森林等算法。将预处理后的数据分为训练集和测试集。训练集用于训练模型，测试集用于评估模型的性能。使用训练集对模型进行训练，通过调整模型的参数使得模型在训练集上的损失函数最小化。
4.模型评估与优化
使用测试集对训练好的模型进行评估，常用的评估指标有准确率、精确率、召回率、F1 值、均方误差等。根据评估结果对模型进行优化，可以调整模型的参数、更换算法、增加数据量等。例如，如果模型在测试集上的准确率较低，可以尝试增加训练数据的数量或调整模型的超参数。
5.模型应用
将优化后的模型应用到实际问题中，进行预测、分类、聚类等任务。对模型的应用结果进行监控和评估，不断改进模型以提高性能。
深度学习
深度学习的基本原理主要包括以下几个方面：
一.神经网络基础
1.神经元模型
深度学习的基础是人工神经网络，其灵感来源于生物神经系统。神经网络中的基本单元是神经元，它接收多个输入信号，对这些信号进行加权求和，然后通过一个激活函数处理得到输出。
例子，典型的神经元接收来自其他神经元或输入层的数据，每个输入都有一个对应的权重。假设输入为，对应的权重为，则神经元的加权输入总和为，其中是偏置项。然后，通过激活函数得到神经元的输出。
2.多层神经网络
原理：深度学习中的神经网络通常由多个层次组成，包括输入层、隐藏层和输出层。输入层接收原始数据，隐藏层对数据进行多层次的特征提取和变换，输出层产生最终的预测结果。
例子，在图像识别任务中，输入层接收图像的像素值，隐藏层逐步提取图像的边缘、纹理、形状等特征，最后输出层给出图像所属的类别
标签：Web,网络,硬件,安全,实时操作系统,用于,见闻,数据 From： https://blog.csdn.net/2302_79415891/article/details/143059902