ARL灯塔vps云服务器安装

前提是vps服务器已经安装好docker

1、下载压缩包到本地

2、解除不能扫描edu等域名的限制

解压docker_arl.zip,打开docker_arl/config-docker.yaml文件

删除掉edu.cn等限制域名(图中已删除)



3、上传至vps云服务器

将docker_arl文件上传到云服务器opt目录下

这里我用的是WinSCP 上传

4、部署ARL

vps服务器cd进入docker_arl文件下,ls查看目录下文件

添加一个volume

docker volume create --name=arl_db

拉取环境

docker-compose up -d

前面已经修改了edu黑名单的限制,这里我们还需要修改容器中的python代码,因为python代码中还有黑名单

查看容器

docker ps

找到arl_web的容器id

选择容器

docker exec -it 容器id bash

 进入app目录下,修改config.py文件,跟前面一样把edu.cn删除即可

 

 至此,ARL灯塔就安装完成,访问https://ip:5003,默认账号密码admin/arlpass。

5、添加指纹

前提是有python环境

本地下载python脚本

GitHub - loecho-sec/ARL-Finger-ADD: 灯塔(最新版)指纹添加脚本!

在脚本目录下cmd执行命令:

python ARL-Finger-ADD.py https://ip:5003/ admin arlpass

协助甲方安全团队或者渗透测试人员有效侦察和检索资产,发现存在的薄弱点和攻击面。.zip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