ZY_Jack的博客

原创 清理入侵痕迹

清理入侵痕迹1、首先在HISTCONTROL=ignorespace，使后面以空格开头的命令都不被记录2、在root目录下 vim .bash_history文件，删除记录。记得命令前面要有空格。3、删除完之后，再执行 history -r命令，把.bash_history的命令读到history中，这样关闭之后就不怕history命令保存到.bash_history中了。...

原创 Ubuntu 20.04安装LAMP，并配置sqli-labs靶场

Ubuntu 20.04安装LAMP，并配置sqli-lab靶场一、安装lamp安装apache2安装php安装mysql安装libapache2-mod-php安装php-mysql确认安装成功确认apache2安装成功确认http安装成功确认mysql安装成功二、下载配置sqli-lab靶场一、安装lamp安装apache2sudo apt-get install apache2安装phpsudo apt-get install php安装mysqlsudo apt-get insta

原创 CTF训练 FTP服务后门利用(含靶场下载地址)

FTP服务后门利用扫描端口及漏洞msf扫描和漏洞利用扫描端口及漏洞攻击机ip：192.168.88.129靶机ip： 192.168.88.130nmap -sV 扫描端口searchsploit ProFTPD 1.3.3c这节主要介绍ftp端口。使用searchsploit来查看该版本的ftp服务有没有可利用的漏洞。searchsploit ProFTPD 1.3.3cmsfconsole打开metasploitmsf扫描和漏洞利用search ProFTPd-1.3

原创 CTF训练 SMB信息泄露(含靶场下载地址)

SMB信息泄露确认ip，挖掘信息针对smb协议弱点探测针对http协议弱点探测构造payload获取shell在wordpress中上传webshell优化终端获得flag确认ip，挖掘信息仍然是首先查看ip，通过sudo -i 获取root，然后用netdiscover找到靶机的地址。靶机的ip是192.168.43.120因为虚拟机的网络设置选的是桥接模式，所以后面显示的是vmware, Inc。挖掘开放信息服务：nmap -sV 192.168.43.17针对smb协议弱点探测因

原创 CTF训练 ssh私钥泄露(含靶场下载地址)

这里写目录标题安装靶机探测ip扫描端口，探测隐藏文件扫ssh远程登陆扫ssh2john转换信息，字典解密安装靶机探测ip扫描端口，探测隐藏文件扫ssh远程登陆扫ssh2john转换信息，字典解密

原创 R语言 使用regsubsets等函数进行回归模型的选择

两模型比较：anova（）函数：可以比较两个嵌套模型的拟合优度。fit1<-lm(Murder~Population+Illiteracy+Income+Frost,data=states)fit2<-lm(Murder~Population+Illiteracy,data=states)anova(fit2,fit1)结论：p=0.994，不显著，不需要将Income和Frost添加到线性模型中。AIC（）函数：考虑了模型的统计拟合度遗迹用来拟合的参...

原创 R语言 观测异常值并改进

全面的回归分析包括对异常值的分析：离群点、高杠杆值点、强影响点。离群点：模型效果不佳的观测点。使用car包中的outlierTest（）函数，可以求得最大标准化残差绝对值Bonferroni调整后的p值，若不显著，则说明数据集中没有离群点，若显著，则必须删除该离群点。> library(car)> outlierTest(fit)可见，在这个...

原创 R语言 回归诊断几种方法

8.3回归诊断回归诊断技术提供了评价回归模型使用性的必要工具，能帮助发现并且纠正问题。有几种方法进行回归诊断。分别是标准方法、car包中的函数、gvlma函数。建议先通过gvlma函数进行验证，如果违反假设条件，再使用其他方法来判断哪些假设没有满足并进行修改。第一种：标准方法（了解），对lm()函数的返回对象使用plot()函数。> fit<-lm(weight~height...

原创 R语言 报错：Error in .Call.graphics(C_palette2, .Call(C_palette2, NULL)) : 图形狀態不对

原创 R语言 错误：Error in vcov.(mod, complete = FALSE) : 没有"vcov."这个函数

使用effect函数的时候报错Error in vcov.(mod, complete = FALSE) : 没有"vcov."这个函数使用args命令查看effect函数的参数可以发现> args(effect)function (term, mod, vcov. = vcov, ...) 很可能系统把list识别成vcov.函数，因此报错。...

原创 R语言 OLS回归中的几种回归方法

线性回归：R语言实战 简单线性回归如果直线形式的线性回归不够准确，可以多加一个二次项，构成多项式回归，变成一条曲线来提高拟合的精度。多项式回归：R语言实战笔记 多项式回归如果预测变量不止一个，就变成了多元线性回归。其实线性回归主要还是作为一个验证手段，下面举个多元线性回归的例子。> library(car)> states<-as.data.fram...

原创 R语言实战笔记 多项式回归

多项式回归数据准备：Women数据集（系统自带）：15个年龄在30~39岁间女性的身高和体重信息目的：通过身高预测体重，获得等式来判断过轻或者过重个体。使用多项式回归，新增加一个自变量的平方项Height²，比简单线性回归更为准确。> fit2 <- lm(weight ~ height + I(height^2), data=women)> summary(fit2...

原创 R语言中的fitted() 和 predict()

R语言中的fitted() 和predict()总结来说，fitted（拟合）是在给定样本上做预测，而predict（预测）是在新的样本上做预测。以前一篇中的数据为例，图片是根据高度（height）来预测体重（weight）。其中真实的数据是第一项，fitted得到的数据（拟合数据）是第二项，表现在图中：真实值位于离散的点上，而fitted和predict得到的拟合值则是位于直线上。p...

原创 R语言实战 简单线性回归

简单线性回归数据准备：Women数据集：15个年龄在30~39岁间女性的身高和体重信息目的：通过身高预测体重，获得等式来判断过轻或者过重个体。> fit<- lm(weight~height,data=women)> summary(fit)得到的结果如图所示，主要现在需要的信息在图中框出：红色框的结果可以得到拟合的等式：拟合得到的Weight=-87.52...

原创 R语言实战 OLS回归

第八章回归OLS回归这里演示的大部分内容中，都是利用OLS法通过一系列的预测变量来预测响应变量。OLS回归的大概介绍：OLS回归拟合模型的形式：n是观测的数目k是也测变量的数目第i次观测对应的因变量的预测值（具体来讲，它是在已知预测变量值的条件下，对Y分布估计的均值）第i次观测对应的第j个预测变量值截距项（当所有的预测变量都为0时，Y的预测值）预测变量j的回归系数（斜...

原创 R语言实战笔记 基本统计分析 （思维导图）

原创 R语言实战笔记 基本统计分析 组间差异的非参数检验

组间差异的非参数检验若数据无法满足t检验或ANOVA的参数假设，可使用非参数方法两组的比较Mann-Whitney U检验两组数据独立时使用。用来判断一个总体中获得更高得分的概率是否比另一个总体要大。> library(MASS)> with(UScrime,by(Prob,So,median))> wilcox.test(Prob~So,data = UScri...

原创 R 中的with() 函数和 by()函数 的简单使用

with(data, expr, …)函数用于在一个从data构建出的环境中运行R表达式。by(data, INDICES, FUN, …, simplify = TRUE)函数用于将data中的数据，按照INDICES里面的内容拆分成若干个小的data frame，并且在每一小块data frame上应用FUN函数。数据介绍：以前面文章中使用的数据为例：取数据集中的So（也就是是否位于南...

原创 R 语言实战笔记 基本统计分析 t检验

t检验如果变量是类别型的，那么可以直接使用7.3节中的显著性检验的方法。结果变量为连续型的组间，并假设其呈正态分布，则需要使用这节的方法。数据准备MASS 包中的 UScrime 数据集，包含了1960年美国47个州的刑罚制度对犯罪率影响的信息。感兴趣的变量：Prob （监禁的概率）、U1 （14~24岁年龄段城市男性失业率）U2 （35~39岁年龄段城市男性失业率）类别型变量 So...

原创 R语言实战笔记 基本统计分析-相关

相关相关系数可以用来描述定量变量之间的关系。将使用R基础安装中的state.x77数据集，提供了美国50个州在1977年的人口、收入、文盲率、预期寿命、谋杀率和高中毕业率数据等。数据如下：相关的类型Pearson、Spearman和Kendall相关：可以用cor(x, use= , method= )函数计算三种相关系数。而cov()函数可用来计算协方差。cor和cov的参数：...

原创 R语言实战笔记 基本统计分析-频数列联表和简单的独立性检验

描述性统计分析使用车辆路试（mtcars）数据集。关注每加仑汽油行驶英里数（mpg），马力（hp），车重（wt）。> myvars<-c("mpg","hp","wt")> head(mtcars[myvars])其中head只取最前面6行> summary(mtcars[myvars])通过summary()计算描述性统计量。summ...

原创 Rstudio 安装其他package （以安装vcd包为例）

Rstudio安装其他package，以vcb包为例。当使用library()来导入某个包的时候，如果出现> library(vcb)Error in library(vcb) : 不存在叫‘vcb’这个名字的程辑包之类的错误，则需要手动导入这个包。首先点击上面工具栏中的Tools选项选择Install Packages在如图所示的Packag...

原创 R语言实战笔记 高级数据管理方法简要介绍（思维导图）

原创 R语言实战笔记 基本数据管理方法简要介绍（思维导图）

原创 R语言实战笔记 初阶图形使用方法简要介绍 （思维导图）

原创 R语言实战笔记 创建数据集方法简要介绍（思维导图）

原创 python使用kivy进行安卓开发——编写一个简单的弹球游戏（来自kivy官方文档）

本文主要通过依据kivy的官方文档进行学习，有关安装的方面网上都有，这里就不赘述了。这节学的是一个简单的弹球游戏。开始：首先新建一个简单的文件main.py，然后测试运行。from kivy.app import Appfrom kivy.uix.widget import Widgetclass PongGame(Widget): passclass...

原创 Python笔记 循环神经网络SimpleRNN层和LSTM层（IMDB电影评论）

  循环神经网络(RNN,recurrent neural network):它处理序列的方式是,遍历所有序列元素,并保存一个状态(state),其中包含与已查看内容相关的信息。总之, RNN 是一个 for 循环,它重复使用循环前一次迭代的计算结果  将这个模型应用于 IMDB 电影评论分类问题,首先进行预处理。from keras.datasets import imdbfrom ...

原创 python笔记 词嵌入在电影评论情感判断的应用

6.1处理文本数据深度学习模型不会接收原始文本作为输入,它只能处理数值张量。文本向量化(vectorize)是指将文本转换为数值张量的过程。 6.1.1单词和字符的 one-hot 编码P1496.1.2 使用词嵌入将单词与向量相关联还有另一种常用的强大方法,就是使用密集的词向量(word vector),也叫词嵌入利用 Embedding 层学习词嵌入:单词索引- &...

原创 Python学习笔记 房价分析（回归问题)

  与前两个问题不同，这个问题是预测连续的数据，属于回归问题。每个数据包含13个特征值，包括犯罪率、当地房产税率等等。#导入数据集from keras.datasets import boston_housing(train_data,train_targets),(test_data,test_targets)=boston_housing.load_data()#数据标准化：减去...

原创 Python学习笔记 新闻分类：单标签多分类问题

 Python学习笔记 新闻分类：单标签多分类问题 在执行import命令的时候疯狂报错，说无法从网站上下载数据。于是手动输入该网址（https://s3.amazonaws.com/text-datasets/reuters.npz）下载。得到文件reuters.npz，放入文件夹    /home/你的用户名/.keras/datasets  中，再import就可以了。#Ju...

原创 python 对电影评论进行分类（二分类问题）

  Deep Learning with Python第一篇：对电影评论进行正负面判断（二分类问题）[前七个步骤是按照书里面进行建模和对比，最后是对任意评论进行正负面判断]基础知识：训练神经网络主要围绕以下四个方面。1、层，多个层组合成网络（或模型）。2、输入数据和相应的目标。3、损失函数，即用于学习的反馈信号。4、优化器，决定学习过程如何进行接下来的例子使...

原创 Ubuntu 安装Jupyter Notebook 最基础的操作

安装Jupyter Notebook并用于深度学习 环境：Ubuntu16.04 如果没有安装pip请参考前一篇文章安装pip。$ sudo pip install --upgrade pip$ sudo pip install jupyter 安装完成后在终端中运行jupyter notebook便可跳转到网页。 点击右侧新建-python3，便可以...

原创 ubuntu 深度学习 Keras等套件安装和问题解决

因为之前windows的精确度问题令人头疼（很可能是两个exe文件报错的问题），因此转战linux，使用的是ubuntu16.04,参考书籍是《Deep Learning with Python》首先确定包管理器是最新的。 $ sudo apt-get update$ sudo apt-get upgrade$ sudo apt-get install python3-pip p...