作业一 网络对抗技术

中国人民公安大学(PPSUC)网络对抗技术作业

姓名:杜宏波

学号:201421420025

指导老师:高见

1.虚拟机的安装与调试

安装XP和linux两个虚拟机,查看主机与两个虚拟机器的IP地址,并确保其连通性

(1)XP 使用NAT模式进行连接

 

 

 

 

(2) Linux 使用host-only模式进行连接 

 

 

(3)主机

 

 (4)利用主机测试与虚拟机一、二的是否连同

 

 

2、windows基本命令(每个命令做完并附截图)

     (1)Ping 主机可达

 

 (2)dir显示目录   cd 进入目录

 

 (3)Arp -a -d -s arp缓存

 

 (4)net share 查看计算机IPC$共享资源

 

 (5)netstat -ano网络链接状态

 

 (6)输出重定向 >

 

 

(7)pconfig /all 网络配置

 

 (8)net user查看计算机的用户

 

 (9)net user xiaodi 123456 /add添加用户名为xiaodi,密码为123456的用户

 

 (10)net localgroup administrators xiaodi /add添加用户名为xiaodi的用户到管理员组及删除

 

 

3、Linux基本命令(每个命令做完并附截图)

(1)Ping 主机可达    Ctrl+c键来强行终止当前程序

 

 (2)fconfig 查看网络状态 

 

 (3)创建一个用户,并将其纳入root组,然后将用户删除

 (4)创建用户,并和root用户相互切换

 

 (5)创建文件夹,文件夹中创建一些文件,将文件夹打包,最后解包到另一个文件中

 

 

(6)创建一个文件,并更改该文件的权限为rwxrwxrwx

 

 (7)使用find命令查找指定的文件

 

 

 (8)尝试grep的基本用法(自己想个例子做)

 

 

 (9)显示/etc/passwd 中的内容

 

转载于:https://www.cnblogs.com/P201421420025/p/7538200.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 李宏毅是一位著名的机器学习专家,他在GAN(生成对抗网络)方面做出了重要贡献。GAN是一种包含两个神经网络的模型,一个称为生成器(Generator),另一个称为判别器(Discriminator)。GAN的目标是让生成器尽可能地生成与真实样本相似的数据。 在李宏毅的作业代码讲解中,他会介绍GAN的基本原理、算法和代码实现。首先,他会讲解生成器和判别器的结构和原理,包括生成器如何生成样本,以及判别器如何对生成的样本进行评价。 然后,李宏毅会详细解释GAN的损失函数和优化方法。他会讲解如何使用反向传播算法更新生成器和判别器的参数,以使它们在训练中达到更好的表现。此外,他还会解释GAN的训练过程中可能遇到的一些问题,并提供解决方法。 在代码方面,李宏毅会给出一个简单的实例,展示如何使用Python和深度学习框架(如TensorFlow或PyTorch)来实现一个基本的GAN模型。他会详细解释每个代码部分的功能和作用,并给出相应的代码注释,方便学习者理解。 总的来说,李宏毅的GAN网络作业代码讲解涵盖了GAN的基本原理、算法和实现细节。通过他的讲解,学习者可以更好地理解并应用GAN,从而在生成对抗网络领域取得更好的成果。 ### 回答2: 李宏毅是一位著名的机器学习和深度学习专家,他的GAN(生成对抗网络网络作业代码讲解十分受欢迎。 GAN是一种由生成器和判别器组成的对抗网络模型。生成器尝试生成与真实数据相似的新样本,而判别器则负责判断这些样本是真实的还是伪造的。GAN网络的训练过程是通过生成器和判别器之间的对抗来进行的。 在李宏毅的GAN网络作业代码讲解中,他通常会从基本概念开始讲解,介绍GAN网络的工作原理和训练过程。他会解释生成器和判别器的结构以及它们的作用,包括如何设计合适的神经网络模型来实现生成器和判别器。 接着,他会具体解释代码中各部分的功能和实现细节。他会展示如何使用Python和深度学习框架(如Tensorflow)来编写GAN网络的代码,并演示如何处理数据、构建网络结构、定义损失函数和优化器等。 此外,李宏毅还会给出一些GAN网络的应用案例,例如生成图像、语音合成等。他会详细说明如何调整和优化代码,以实现更好的生成效果。 总之,李宏毅的GAN网络作业代码讲解是非常有帮助和详细的,对于想要深入了解和学习GAN网络的人来说,这是一份宝贵的学习资料。通过他的讲解,我们可以更好地理解和应用GAN网络,为自己的深度学习项目增添新的工具和技术
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