Wireshark的捕获接口设置
通过Wireshark菜单栏的“捕获”-“选项”和工具栏的“捕获选项”按钮,可以进入接口捕获接口的设置。打开捕获接口设置界面,首先设置“Input”标签。进行接口选择,关掉不必要的接口。选择使用接口模式,选择“混杂模式”,即抓取经过的所有数据包,包括发往本网卡和本网卡转发的。“非混杂模式”,表示只抓取目标地址是本网卡的数据包。也可以在本界面设置过滤器。在“输出”标签,进行输出文件的设置。勾选“自动
Wireshark的数据包
通过Wireshark工具,可以轻松的看到网卡的数据信息。通过Wireshark显示的数据包内容信息,通常分七栏,介绍一下:1. No.:数据包编号。2. TimeTime显示时间,以1号数据包发生开始计时。3. SourceSource显示内容为数据的发送方,以IP地址方式显示。4. DestinationDestination显示内容为数据包的目的设备或
Wireshark网络工具
Wireshark是网络包分析工具。网络包分析工具的主要作用是尝试捕获网络包,并尝试显示包的尽可能详细的情况。Wireshark是一个免费开源软件,不需要付费,免费使用,可以直接登陆到Wireshark的官网下载安装。在windows环境中,Wireshark使用WinPCAP作为接口,直接与网卡进行数据报文交换,这个工具直接集成在Wireshark的安装包里。安装启动后,进入Wireshark首
PON网络应用场景
PON网络主要应用在两个场景:1. 电信运营商FTTxFTTx解决方案覆盖FTTH、FTTB、FTTC、FTTO等建设场景,还能提供基站专线接入在内的高带宽、高可靠、高安全的全业务接入。 提供主要业务包括:50M@HDTV业务、企业接入业务、Open Access接入、基站专线接入等。1. 企业园区应用-POLPOL是基于PON技术的园区局域网方案,是一个二层传输网络
PON网络应用场景
PON网络主要应用在两个场景:1. 电信运营商FTTxFTTx解决方案覆盖FTTH、FTTB、FTTC、FTTO等建设场景,还能提供基站专线接入在内的高带宽、高可靠、高安全的全业务接入。提供主要业务包括:50M@HDTV业务、企业接入业务、Open Access接入、基站专线接入等。1. 企业园区应用-POLPOL是基于PON技术的园区局域网方案,是一个二层传输网络,提供干兆接
一分钟了解PON网络
PON网络具备节省局端光缆资源、避免故障点的同时,还具备拥有更远的传输距离、更高的带宽以及分光特性(P2MP)的优势。PON(无源光纤网络,Passive Optical Network)网络,主要由三个部分组成:l 光线路终端(OLT,Optical Line Terrinal)l 光分配网络(ODN,Optical Distribution Network)由分光器和光纤组
一分钟了解光纤接入网
大家还记得我们通过运营商提供的网线甚至是电话线上网的经历吧,那时上网使用xDSL(数字用户线路,Digital Subscriber Line)网络技术,xDSL技术是数字用户线路的所有类型的总称,包括RADSL、SDSL、HDSL、ADSL、VDSL和IDSL,乃至后续的G.fast技术。这些技术的传输是越来越快,但带宽小、传输距离短,是xDSL无法跨越的界限。铜退光进,采用光纤技术实现数据的网
设备组件文件转换为EVE-NG环境的支持组件
之前我们提到过EVE-NG支持的三大组件类型:包括Dynamips、IOL和QEMU,以及他们导入EVE-NG的过程。但在实际市场上的网络设备组件却不仅仅局限于这三种,在EVE-NG官网就罗列了仅百种设备组件,可以转换为EVE-NG支持的三种类型并导入EVE-NG环境,其中熟知的包括:安卓节点、Cyberoam防火墙、思科ACS、DellOS10交换机、Fortinet映像、Hillstone防火
EVE-NG的环境导入IOL组件
IOL或IOS On Linux,也称为IOU或IOS On Unix。IOL是一个模拟器,一般仅思科使用。IOL指为i386架构编译的Linux版本。IOU指为Sparc架构编译的Unix(Solaris)版本。由于IOL是内部IOS版本,因此IOL只能由Cisco授权客户使用。需要注意,这里的IOS区别于苹果IOS,是指互联操作系统是思科网络设备的操作系统,简称IOS(Interconnect
QEMU组件安装来了
QEMU(Quick EMUlator)是一个开源的虚拟机,主要用于运行不同的操作系统和应用程序,而不需要在每个目标平台上进行实际安装。QEMU具有快速启动和高效运行的特点,可以在同一台机器上同时运行多个虚拟机。它支持多种虚拟化技术,包括硬件模拟、二进制转换和容器化。QEMU还提供了丰富的选项和参数,以便用户根据不同的需求进行配置和控制。QEMU可以用于开发、测试和部署各种应用程序和操作系统,也可
EVE-NG初次启动及WEB客户端访问
本章从虚拟机Eve模拟器启动、模拟器的启动配置、浏览器访问三个步骤讲解EVE-NG的首 次启动。 1.启动模拟器打开虚拟机环境,启动安装好的EVE-NG虚拟机,进入如下界面。登录时输入社区版默认账户是root,密码是eve,完成登陆。2. 配置模拟器登陆后默认进入配置界面。操作提示:界面配置操作不可逆,操作错误则需要进入Ubuntu Linux环境手动修改。操作
EVE-NG强大的网络模拟器和实验平台
随着网络技术的迅猛发展,人们对网络安全和网络性能问题的关注日益增加。在这个领域中,EVE-NG作为一种备受欢迎的网络模拟器和实验平台,备受青睐。EVE-NG(End-to-End Network Function Processing Platform)是一种基于软件定义网络(SDN)和网络功能处理(NFV)技术的网络模拟器和实验平台。自2015年起,EVE-NG已成为网络研究和教育领域的热门选择
一分钟了解深度学习算法
深度学习是一种受到生物学启发的机器学习方法,其目标是通过构建多层神经网络来模拟人脑的工作原理。它在过去几十年来取得了巨大的进展,并在图像识别、语音识别、自然语言处理等领域取得了突破性的成果。深度学习的核心思想是模仿人脑的神经网络。人脑中的神经元通过连接起来形成庞大的神经网络,用来处理感知、思维和决策等任务。深度学习的神经网络也是由许多层次的神经元组成,每一层都能够从上一层中学习到更加抽象的特征表示
一分钟了解降维算法
在机器学习中,随着数据特征的增加,需要更大的计算资源来训练模型。这可能导致模型的训练时间和内存消耗增加,甚至可能导致模型无法训练或训练结果不准确。为此,降维算法成为机器学习领域中的一种重要技术,它可以将高维空间中的数据点映射到低维空间中。降维算法可以帮助我们发现数据中的隐藏模式和结构,提高模型的效果和性能。降维算法主要分为线性降维和非线性降维两种。线性降维算法中最有代表性的是主成分分析(PCA),
K-最近邻算法(KNN)是什么算法?
K-最近邻算法(K-Nearest Neighbor,KNN)是一种经典的有监督学习方法,也可以被归为懒惰学习(Lazy Learning)方法。它基于“物以类聚”的原理,假设样本之间的类别距离越近则它们越有可能是同一类别。KNN算法的工作原理简单且直观,当需要将一个测试样本分类时,它首先会计算测试样本与所有训练样本之间的距离,然后根据距离的递增关系进行排序。接着,它会选择距离最小的前K个样本,并
逻辑回归算法是个什么法?
逻辑回归(Logistic Regression)是一种广义的线性回归分析模型,常用于数据挖掘、疾病自动诊断、经济预测等领域。它根据给定的自变量数据集来估计事件的发生概率。变量的范围在0和1之间,通常用于二分类问题,最终输出的预测是一个非线性的S型函数,称为logistic function, g()。逻辑递归(Recursive Logic)是一种在逻辑学中使用的推理方法,它基于递归定义和递归推
流行的机器学习算法——线性回归
线性回归(Linear Regression)是非常流行的机器学习算法。线性回归可以用来确定两种或两种以上变量之间的定量关系。具体来说,线性回归算法可以根据一组样本数据,拟合出一个线性模型,并通过对该模型的参数进行估计和预测,达到对未知数据进行预测的目的。这种算法最常用的技术是最小二乘法(Least of squares)。这个方法计算出最好拟合线,以使得与直线上每个数据点的垂直距离最小。总距离是
上升到人生法则的贝叶斯理论
贝叶斯定理在数据分析、机器学习和人工智能等领域有广泛的应用。贝叶斯定理(Bayes' theorem)是一种用于计算条件概率的重要定理,它基于条件概率的定义,描述了在已知某一条件下,另一个条件发生的概率。需要注意的是,贝叶斯定理的有效性依赖于对概率的准确估计和假设的合理性。在实际应用中,需要根据具体情况对先验概率和条件概率进行合理的设定和估计,以获得准确和可靠的结果。贝叶斯理论是一类概率推
TF-IDF算法是什么呢?
TF-IDF(Term Frequency-Inverse Document Frequency)是一种常用于信息检索和文本挖掘的统计方法,用于评估一个词在文档集或一个语料库中的重要程度。TF-IDF是一种统计方法,用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。TF-IDF(Term
集成学习方法——随机森林
之前我们介绍过决策树,随机森林(Random Forest)是将多个决策树(Decision Tree)组合在一起形成一个强大的分类器或回归器,是一种集成学习(Ensemble Learning)方法。随机森林的主要思想是通过随机选择样本和特征来构建多个决策树,并通过集成这些决策树的预测结果来达到更准确的分类或回归结果。具体步骤如下:随机选择部分训练样本集;随机选择部分特征子集;构建决策树,对每个