网络节点

这里写自定义目录标题 概率和统计是一个东西吗？ 概率函数与似然函数 最大似然估计（MLE） 最大后验概率估计 最大后验估计的例子 贝叶斯派观点 VS 频率派观点 贝叶斯定理 朴素贝叶斯分类器 朴素贝叶斯分类器实例 贝叶斯网络 贝叶斯网络的结构形式 因子图 从贝叶斯网络来观察朴素贝叶斯 概率和统计是一个东西吗？ 概率（probabilty）和统计（statistics）看似两个相近的概念，其实研究的问题刚好相反。 概率研究的问题是，已知一个模型和参数，怎么去预测这个模型产生的结果的特性（例如均值，方差，协方差等等）。 举个例子，我想研究怎么养猪（模型是猪），我选好了想养的品种、喂养方式、猪棚的设计等等（选择参数），我想知道我养出来的猪大概能有多肥，肉质怎么样（预测结果）。 统计是，有一堆数据，要利用这堆数据去预测模型和参数。 仍以猪为例。现在我买到了一堆肉，通过观察和判断，我确定这是猪肉（这就确定了模型。在实际研究中，也是通过观察数据推测模型是／像高斯分布的、指数分布的、拉普拉斯分布的等等），然后，可以进一步研究，判定这猪的品种、这是圈养猪还是跑山猪还是网易猪，等等（推测模型参数）。 一句话总结： 概率是已知模型和参数，推数据。统计是已知数据，推模型和参数。 显然， 本文解释的MLE(最大似然估计)和MAP（最大后验估计）都是统计领域的问题。它们都是用来推测参数的方法(不是推测模型

Gephi安装教程详解 Gephi简介 Gephi是一款用于网络分析的软件。何为网络呢？在Gephi里，会把网络抽象成节点和边的关系，类似于这样的图结构，也就是网络，是Gephi的专长。Gephi提供网络三维和四维的支持，且可以建立具有生命期的四维网络，这种动态网络也为网络科学这一新兴科学提供了基础。 Gephi提供的分析主要分为两种，一种是通过不同的布局算法按照一定的方式排列节点在图中的位置，并从节点的位置对网络做出解读，也就是直接把关系转换为图。另一种是通过不同的统计算法根据节点与边的不同连接关系，用不同的方式进行计算，计算的内容包括网络的总体特征，网络的模块化，节点的中心度，节点的路径特征，节点的动态度。这些统计得出的值会存储到节点或边的数据中，并在外观中作用于节点与边，最终也是显示在图形上，供研究发现网络的特性。 网络科学继承了图论中图的定义，使用相同的概念和术语，也有部分相同的研究内容；Gephi继承了图论中图的定义，使用相同的概念和术语，主要用于网络分析。 Gephi安装 java环境 第一步：查看java环境，打开命令行，输入java -version，回车。 这里我的电脑是没有java环境的，所以需要安装。 第二步：安装java环境，打开java官网，www.java.com。 第三步：点击免费JAVA下载，同意并开始免费下载。 第四步：双击下载后的安装包，开始安装

点击 下载 文档，查看本文所有相关资料。 https://163.53.94.133/assets/uploads/files/large-scale-cloud-yy.pdf 今天的分享偏技术一些，首先我们来看SDN的本质，然后从Tungsten Fabric（以下简称TF）架构上解析为什么比OVS更好，为什么能支撑更大的场景。 先来看云对网络的要求。首先是租户隔离，IaaS就是多租户，对于地址重用的要求，以VLAN的传统方式也是可以实现的。另外，传统VXLAN的协议或OVS的协议，只提供二层隔离的能力，没有三层隔离的能力，只要你的机器绑到外网IP，或者绑到公共的路由层面上，三层是可以互通的，所以说在租户隔离的层面，也有三层隔离的需求。 其次，云需要网络支持虚拟机跨机柜的迁移。VXLAN的话还要跨数据中心大二层，不是说不可以实现，但除了网络要求，还有存储的要求，比较难。虚拟机跨机柜的迁移，最难的是什么？传统网络架构，就是接入-汇聚-核心，路由器以下都是二层架构，机器可以在不同机架上迁移，但一个数据中心，云足够大的时候，二层基础网络是支撑不了整个云的，不同机架在不同三层里面，这时虚拟机做迁移就要要求IP地址不能变。 另外，还有网络功能和服务的要求。在云上面都是共享的资源池，如果以负载均衡为例，将一个性能强大的硬件负载均衡虚拟化给多个租户使用

一、前言 本文旨在相互交流学习，建议渗透测试前得到用户许可，再进行。笔者不承担任务法律责任。 二、背景说明 Twitter上反gong黑客每三天一次发布一条攻陷内地某某单位的门户网站，或者内部应用系统的推文，加上6月1日我国开始施行《网络安全法》，其中第二十一条明确规定： 国家实行网络安全等级保护制度。网络运营者应当按照网络安全等级保护制度的要求，履行下列安全保护义务，保障网络免受干扰、破坏或者未经授权的访问，防止网络数据泄露或者被窃取、篡改： （一）制定内部安全管理制度和操作规程，确定网络安全负责人，落实网络安全保护责任； （二）采取防范计算机病毒和网络攻击、网络侵入等危害网络安全行为的技术措施； （三）采取监测、记录网络运行状态、网络安全事件的技术措施，并按照规定留存相关的网络日志不少于六个月； （四）采取数据分类、重要数据备份和加密等措施； （五）法律、行政法规规定的其他义务。 这使得越来越多的单位开始重视放在互联网上的应用系统安全。 采购传统WAF来解决是一种有效的办法，但是随着硬件设备的添加，或增加单位日常运维成本，或改变单位内部的网络结构，耗时耗力不少，费用也挺高。 不少厂家为解决上述痛点，开始采用SaaS（Sofeware as a Service）模式的云防护的办法，0部署，0维护，毕竟云计算也是当下的一个热点（大云物移嘛）。 三、云防护的原理

一、整体框架 1、以太坊介绍 以太坊是一个开放的有智能合约功能的公共区块链平台，通过其专用加密货币以太币（Ether，简称“ETH”）提供以太虚拟机（Ethereum Virtual Machine）来处理去中心化合约应用。 以太虚拟机 以太坊虚拟机(EVM)：可以执行复杂算法的编码的，具备图灵完备的基于栈的虚拟机。 以太坊使用场景 支付系统：用于去中心数字货币交易，价值互换 去中心化应用：黄金和股票的数字化应用、金融衍生品应用、数字认证、追踪溯源、游戏等 以太坊特点 智能合约（smart contract）：存储在区块链上的程序，由各节点运行，需要运行程序的人支付手续费给节点的矿工或权益人。 代币（tokens）：智能合约可以创造代币供分布式应用程序使用。分布式应用程序的代币化让用户、投资者以及管理者的利益一致。代币也可以用来进行首次代币发行。 叔块（uncle block）：将因为速度较慢而未及时被收入母链的较短区块链并入，以提升交易量。 账户系统和世界状态：以太坊不采用UTXO，容易支持更复杂的逻辑 状态通道（state channels）：原理类似比特币的闪雷网络，可提升交易速度、降低区块链的负担，并提高可扩展性。尚未实现，开发团队包括雷电网络（Raiden Network）和移动性网络（Liquidity Network）。 以太坊缺点 性能有待提升

前言 OpenStack是 模仿亚马逊 AWS 使用python开发的 IssA层实现框架 ，openstack遵循Apache2.0协议，使我兴奋的是它的WEB管理模块 horizon ，是使用Django开发的，站在巨人的肩膀上，也许我可以对其 进行二次开发； openstack涉及知识大而全，本文主要介绍openstack以下内容 openstack概念 openstack主要 组件的介绍 以及 组件间的通信流程 openstack支持的几种网络模式 （vlam/ gre/ vxlan） openstack支持的分布式存储 （Ceph） 基于openstack搭建一个iaas层私有云环境 什么是OpenStack OpenStack是一个由NASA（ 美国国家航空航天局 ）和Rackspace合作研发并发起的，以 Apache 许可证授权的 自由软件 和 开放源代码 项目。 该项目采用了模块化设计 由众多的模块组成1个框架，各个模块负责自己不同的功能； 0.核心组件： Horzion ：提供web页面让用户管理主机（创建主机、挂载云盘、绑定浮动IP） Nova： 支持各种虚拟机驱动（Vmware/Zen/KVM）调用虚拟机驱动创建出主机；（硬件资源供应商） Glance ：给虚拟机提供镜像；（操作系统供应商） Newtron ：Neurton实现了SDN(软件定义网络

【转自】 http://www.ruijie.com.cn/fa/xw-hlw/61072/ 网络运维新挑战 为了确保业务的高可靠，基于Scale out方式实现的分布式计算和存储应用（Hadoop/ Map reduce/HDFS）得到了大规模使用，不仅摆脱了单服务器的计算、存储性能的限制，同时可提供更灵活的扩展性，能够快速响应业务需求变化，提高系统的可靠性、可用性和存取效率。 然而业务本身在网络中分布是不可控的，因此在实际网络流量模型中不可避免会出现多对一的通信模式，即 Incast模型。下图即典型的Incast通信模型： ▲ TCP Incast通信模型示意图 例如，当一台Master节点向一组Slave节点发起一个计算任务请求时，所有Slave节点几乎会同时返回计算结果数据，对于Master节点来说就产生了一个“微突发流”。对于合理的“微突发流”，可以依靠接入交换机设备内部的报文缓存机制解决微突发丢包问题。 目前，主流交换芯片的片上缓存比较小，一般以Mbyte为单位。下图是对应1G、10G和25G交换机常用芯片的缓存容量。 接口速率 缓存容量 1000Mbps 4MB 10Gbps 16MB 25Gbps 32MB ▲ 带宽提升与缓存提升对比说明 从表中不难看出，网络接口速率从1Gbps发展到25Gbps，服务器的吞吐能力增加25倍，而交换机芯片的缓存容量同比仅增加8倍

为督促自己更好的理解论文，而不是仅看看不思考，今后【论文】系列将会至少每周总结一篇这周看过的论文，总结需分为两部分，一部分忠于原文详细总结原理方法，另一部分阐述自己的理解，以便达到整理研究思路，提高论文写作水平的目的 本周总结思考的论文为：Object-based analysis and interpretation of human motion in sports video sequences by dynamic Bayesian networks. 1 前言 虽然文献的研究对象为实例级别(object-based)，但由于文献发表时间早于Alexnet的出现，所以动作实例特征的提取不涉及高级语义，仅为纹理颜色形状等低级特征，故**视频物体(VOs,video objects)**的提取前置步骤不列为总结重点，重点放在如何使用数学方法建模时序上。 本文要解决的两个关键问题为： 1. what features we shall count on 2. what mapping we shall use 针对这两个关键问题，本文涉及的关键步骤有： video objects segmentation 目的：根据镜头检测的结果分割VOs 算法：change detection or object tracking（两种都用了） video objects

D分离——贝叶斯网络 文章结尾有例题分析。 基本概念 D分离的概念来自于贝叶斯网络,是用来寻找条件独立的有效方法 条件独立性 :有节点A,B,C,如果有 ​ \(P(A|B,C)=P(A|B)\) 即给定B(或者说B已确定)时,C的任何信息都不能改变A的可信度度量,则称A和C是在B的条件下独立的. 条件独立性有什么用呢？ 答案是帮助我们简化贝叶斯网络的联合概率的计算 有向网络连接中节点间的三个基本关系 由于贝叶斯网络是一个DAG（有向无环图）网络。所以节点间的关系基本分为三类。 (1) 串行连接 ​ 在串行连接中A通过事件B影响C，同样事件C也是用过事件B影响A。我们认为当证据B确定时，A、C条件独立。 称A和C被B节点D分离。 (2) 分叉连接 ​ 在分叉连接中A影响子节点，同样子节点通过A影响其他子节点。我们认为当A已知时，其各个子节点相互独立。称B、C、...、Z被A节点D分离。 (3) 汇集连接（比较特殊） ​ 在汇集连接中只有 A节点未知 时，我们才能认为其父节点们相互独立。 值得需要注意的是，如果某节点影响了节点A或者节点A的后代节点，我们认为其父节点们并不相互独立。 如上图，事件e直接影响了A，那么B、C...、Z并不独立 如上图，事件e直接影响了A的后代结点E，那么B、C...、Z并不独立。 D分离的条件 下面给出D分离的严格数学定义。 给定证据结点集𝛆

OpenStack基础理论 云计算概述 概念 狭义的云计算是指IT基础设施的交付和使用模式 广义的云计算是指服务的交付和使用模式 云资源 网络资源 存储资源 服务器资源 云计算服务模型 IaaS（基础架构即服务） 提供底层IT基础设施服务，包括处理能力、存储空间、网络资源等 一般面向对象是IT管理人员 PaaS（平台即服务） 把安装好开发环境的 系统平台作为一种服务通过互联网提供给用户 一般面向对象是开发人员 SaaS（软件即服务） 直接通过互联网为用户提供软件和应用程序的服务 一般面向的对象是普通用户 OpenStack概述 一款云计算模型中的一个项目 NASA和Rackspace合作研发并发起 以Apache许可证授权的自由软件和开放式源代码项目 旨在为公共及私有云的建设与管理提供软件的开源项目 覆盖了网络、虚拟化、操作系统、服务器等各个方面 OpenStack服务框架 服务 项目名称 描述 Compute （计算服务） Nove 负责实例生命周期的管理，计算资源的单位。对Hypervisor进行屏蔽，支持多种虚拟化技术（红帽默认为KVM），支持横向扩展 Network（网络服务） Neutron 负责虚拟网络的管理，为实例创建网络的拓扑结构。是面向租户的网络管理，可以自己定义自己的网络，各个租户之间互不影响 Identity（身份认证服务） Keystone