匿名详解第一步

关于匿名详解的第一步,简单的翻墙模型
1.看图简单明了,知道每一步IP以及HTTP的流向
这里写图片描述

2.简单的TOR通信模型
TOR客户端先与目录服务器通信
获得全球节点信息,然后再随机选择三个节点(HOP)组成电路
之后到达目标网站服务器
这里写图片描述

3.预设参数模型。
这里写图片描述

每个cell相当于与一个参数,是当前节点与下一跳节点建立连接关系的所需要的参数.

Relay cell1 被一重加密,到了入口节点后就被解密,再用来与中间节点完成握手;
Relay cell2 被两重加密,到了入口节点时第一重加密解除,到了中间节点时第二重加密解除,中间节点鞥看到明文,被用来与出口节点完成握手;
Relay cell3 被三重加密,同理,只有出口节点能看到明文(HTTP)。

这一过程中,只有入口节点知道用户的真实IP地址,出口节点知道用户的目的地和传输内容(HTTP),TOR电路的cell里没有其他任何关于任何用户真实身份的信息。
TOR 使用的是在传输层之上应用层之下的SOCKS代理,无法操纵修改上层协议。
既是预设那么就无法做到随机了,且密钥泄露也很危险。

4.半握手模型(diffie-hellman算法)
在diffie-hellman算法的帮助之下,onion proxy 和中间节点通过入口节点的中介交换了参数,然后各自算出私钥用于后续通信而不用担心被监听。入口节点虽然知道这两个参数,但也没有办法算出私钥来。
同理,也可以与出口节点安全通信,客户端最里面一层的加密只有出口节点才能解开,入口节点及中间节点都看不到只有出口节点才能看到的内容。

TOR 还有一个特性:将很多用户的流量整合到一个TLS连接里同时传输。看起来就像一个用户一样。同一个IP的大量流量同时指向一个网站,类似DDOS,会触发网站防御机制,输入验证码。

5.deep web 模型

建站模型
这里写图片描述

这里写图片描述

这里写图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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