【杂记】Python学习、机器学习(图像处理)、网络渗透、考研杂记

博主分享了Python学习的心路历程,从选择Python3.6到使用Notepad++进行编写,通过requests和BeautifulSoup实现网页抓取。同时对机器学习产生兴趣,尤其是图像处理领域,尝试理解卷积神经网络。此外,探讨了网络渗透,通过Kali Linux入门,了解TCP/IP和安全技术。最后,博主表达了考研的想法,希望通过学习提升自己。
摘要由CSDN通过智能技术生成

最近一段时间的精力分配有点混乱,关注的东西也比较乱,现在整理一下。


主要有四大类:Python学习、机器学习(图像处理)、网络渗透、考研相关


先来说说Python的学习:


    貌似是前段时间用C#写一个获取网页源码,并解析得到需要的信息的工具的时候,网上资料说做爬虫和网页解析,Python更适合,又发现Python最近很火,然后就入了Python的坑。大概花费了一、两天的时间搞定了IDE,一开始准备入手Vim和Gvim,装好后发现配置好复杂搞不定,而且Vim命令行的工作模式也不太适合我这样的小白。偶然发现我电脑里面竟然躺着Pycharm,然后就装了Pytharm,可以用python打印“Hello world!”了。玩了大概一周的时间,发现Pycharm启动起来比较慢,还比较臃肿。就切换到了Notepad++,在里面编写好代码之后在命令行里调试、运行,这个配合用起来比较顺手。


    对于Python解释器的选择也纠结了一段时间,网上查了资料,一开始看到资料说2.7版本的比较实用,依赖包比较完善、成熟;但是也说3.6代表未来,更适合现在学习。两个版本之间,我不知道选择那个恰当。后面偶然在知乎上面看到一篇讲Python能够做哪些好玩的事情的文章,提到了廖雪峰老师的Python的教程。点进去后,教程上面说2.7已经过时了,应该学习3.6;他的教程也很详细,然后我就根据教程开始了python3.6的学习。


    一开始学习的内容都是比较基础的东西,比如循环、判断、函数等,因为有C#的基础,理解起来并不

  • 3
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
机器学习网络空间安全领域的应用非常广泛,以下是一些常见的应用场景: 1. 威胁检测和入侵检测:通过机器学习算法,可以对网络流量数据进行分析和建模,以检测异常或恶意行为。例如,可以使用监督学习算法来训练模型,对网络流量进行分类,判断是否存在入侵行为。 2. 恶意软件检测:机器学习可以用于识别和分类各种类型的恶意软件,包括病毒、木马、蠕虫等。通过对恶意软件样本进行特征提取和训练,可以构建模型用于自动化的恶意软件检测和防御。 3. 用户行为分析:通过机器学习算法,可以对用户在网络中的行为进行分析和建模,以便检测异常活动或未授权访问。例如,可以使用聚类算法来识别用户行为模式,从而发现潜在的安全威胁。 4. 欺诈检测:机器学习可以用于识别网络上的欺诈行为,如网络钓鱼、虚假广告等。通过对欺诈行为的模式进行学习和建模,可以提高欺诈检测的准确性和效率。 5. 异常检测:机器学习可以用于检测网络中的异常情况,如异常流量、异常登录等。通过对正常行为模式进行建模,可以识别出与之不符的异常行为,从而及时发现和应对潜在的安全威胁。 需要注意的是,在网络空间安全领域使用机器学习算法也存在一些挑战,如数据集的不平衡、对抗样本攻击等。因此,需要综合考虑算法选择、特征工程、模型评估等因素,以提高机器学习网络安全中的应用效果和鲁棒性。
评论 1
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