摘 要:介绍了在以太网中网络监听的原理,对基于广播式原理和交换式原理的监听检测分别作了论述。针对网络监听给以太网安全带来了极大的威胁,提出了防范网络监听的几种方法。    随着计算机网络应用的普及,网络已日益成为生活中不可或缺的工具,但伴之而来的非法入侵也一直威胁着计算机网络系统的安全。由于以太网中采用广播方式,因此,在某个广播域中可以监听到所有的信息包。网络监听是黑客们常用的一种方法。当成功地登录进一台网络上的主机,并取得了这台主机的超级用户的权限之后,往往要扩大战果,尝试登录或者夺取网络中其他主机的控制。而网络监听则是一种最简单而且最有效的方法,他常常能轻易地获得用其他方法很难获得的信息。
1
财务会计准则委员会 介绍 主要代码 先决条件 Python 3.6(numpy,skimage,scipy) TensorFlow> = 1.4 的opencv2 枕头(PIL) 易言 火车 您可以使用生成虚拟深度图。 对于单帧舞台: cd fas_sgtd_single_frame && bash train.sh 对于多帧阶段: cd fas_sgtd_multi_frame && bash train.sh 测试 我们提供OULU-NPU协议1的示例。您可以从 (pwd:luik)或下载模型,然后将其放入fas_sgtd_multi_frame/model_save/ 。 cd fas_sgtd_multi_frame && bash test.sh 执照 代码:根据MIT许可。 它仅用于研究目的,不允许用于商业用途 引文 如果您使用此代码,请考虑引用: @inprocee
2022-06-02 19:47:35 126KB Python
1
实验三,ARP欺骗详细过程实验报告 验证型实验,了解ARP欺骗的原理,掌握ARP欺骗的实验过程 (1)准备实验环境 (2)在虚拟机上运行cain主程序 (3)扫描活动主机 (4)配置信息 (5)开启ARP欺骗实验过程 (6)观察ARP缓存
ARP欺骗 作者文章电子版 需要的下载
2022-06-02 09:07:04 960KB ARP协议
在GPS转发欺骗式干扰中,转发时延是一项关键技术,当转发时延不合理时,会使接收机钟差改变,容易被识别,降低欺骗干扰的成功率。利用GPS伪距定位原理,推导了转发时延的算法,并针对不同的计算结果分析其对接收机钟差的影响。得出的结论为:当被转发卫星到转发器的距离与转发器到真实点距离之和不大于被转发卫星到虚拟点的距离时,干扰不会对接收机钟差产生影响,否则会影响接收机的钟差。从这个角度出发,对GPS转发欺骗式干扰源的部署位置做了分析,当转发器位于被转发卫星和真实点的连线上,可以使不对接收机钟差产生影响的虚拟点的选择
2022-06-01 21:25:12 772KB 工程技术 论文
1
欺骗性函数 图式划分:指引相互之间竞争的定义位为同一集合的一组图式。 如#表示定义位,则H1=*1*0*,H2=*0*1* ,H3=*1*1*, H4=*0*0* 同属于划分*#*#*。 总平均适应度(OAF):对一个给定图式,OAF即为其成员 的平均适应度。 欺骗性函数——包含全局最优的图式其OAF不如包含局部最优的OAF,这种划分称为欺骗划分,它会使GA陷入局部最优。如最高阶欺骗函数有k个定义位,则此函数称k阶欺骗
2022-05-30 15:04:44 696KB 详解
1
EasyAntiCheat-模拟器 在大多数游戏中欺骗 EasyAntiCheat 的简单 DLL ** 仅用于调试目的 ** 简单地为游戏提供一个虚假的 EAC 接口,使其相信 EAC 已加载。 对欺骗客户端-服务器通信没有任何作用 用法 用这个替换游戏文件中的 EasyAntiCheat_(platform).dll(通常在名为 EasyAntiCheat 的文件夹中)。 然后用实际的游戏可执行文件替换启动器。 未在所有游戏上测试,根据游戏您可能需要实现更多界面功能。
2022-05-30 00:41:32 10KB C++
1
CPS控制层欺骗攻击检测算法的研究.docx
2022-05-29 14:07:00 5.02MB 算法 文档资料
适用于渗透测试ARP欺骗小白,简单易懂,精简学习笔记。 详细讲述了ARP如何窃取别人图片,如何窃取别人密码的详细知识点。
2022-05-24 09:00:10 589B web安全 综合资源 安全 压力测试
1
学习卷积神经网络的面部反欺骗 “”论文的实现 结果 CASIA内测 原始数据集:或(密码:h5un) 规模 1.0 1.4 1.8 2.2 2.6 吝啬的 开发EER 0.1094 0.0408 0.0346 0.0339 0.0670 0.0571 测试HTER 0.1033 0.0492 0.0568 0.0675 0.0875 0.0729 测试EER 0.0923 0.0461 0.0578 0.0665 0.0790 0.0683
2022-05-21 11:13:34 12KB deep-learning mxnet face-antispoofing Python
1