2025年2月
微积分重点回忆
摘要： 一、微分 用求导来得到微分，也就是函数的变化量。 一阶导数：求一阶导数，之前在校时，大部分人接触它，主要是为了求极值。也就是另f`(x)=0的时候，这个x代入后的f(x)就是极值。实际上，求一阶导数，几何意义就是求变化率，所以，对于路程求时间的导数，就是速度，对于一个曲线，求x的导数，就是斜率。当f 阅读全文
posted @ 2025-02-13 16:36 1234roro 阅读(77) 评论(0) 推荐(0)
2024年7月
TCP重传机制
摘要： 基于超时的重传 原理 发送方发送数据包后，启动一个计时器 （重传定时器），重传间隔为RTO（Retransmission Timeout，RTO）。如果在定时器到期前，没有收到ACK，那就就会假定，数据包丢失，就要重传。RTO是根据RTT（Round-Trip Time，RTT）计算来的，更进一步， 阅读全文
posted @ 2024-07-16 14:58 1234roro 阅读(191) 评论(0) 推荐(0)
TCP拥塞机制
摘要： 说明 TCP的拥塞机制，包含慢启动、拥塞避免、快速重传、快速恢复、拥塞通知等一系列的方法。 常规操作手段 原理 默认，TCP连接，都是慢启动，也可以关闭。因为还不了解网络的带宽，不了解服务器能接受的最大窗口。所以，第一个数据包，一般是1个或者2个MSS那么大，这也就是CWND，拥塞窗口的大小。如果发 阅读全文
posted @ 2024-07-16 14:24 1234roro 阅读(179) 评论(0) 推荐(0)
QUIC
摘要： 本文档只记录我个人认为应该着重进行一下笔记的部分。 RFC QUIC 基本内容介绍在RFC 9000，加密的实现在9001，丢包检测和拥塞机制在9002。 简介 是由Google开发的一种基于UDP的传输层协议，旨在提高网络传输的性能和安全性。关键要素：UDP 443端口，将TLS 1.3内置在QU 阅读全文
posted @ 2024-07-15 17:12 1234roro 阅读(93) 评论(0) 推荐(0)
机器学习--无监督学习--关联规则（预测行为）
摘要： 应用场景 找到事物和事物之间的联系。比如购物篮分析，根据顾客的购物篮情况，推测，哪些产品经常一起购买，这样商场更明白如何进行推销。 常见算法 Apriori。通过对物品的支持度、置信度、提升度的计算，以此了解两个物品之间的关联性。这里其实涉及了两个目标： 1、了解我当前应该怎么捆绑销售，就是直接把某 阅读全文
posted @ 2024-07-12 16:11 1234roro 阅读(145) 评论(0) 推荐(0)
机器学习--无监督学习--聚类
摘要： 适用场景 没有给定一些分类的标签，让你对现有数据基于算法，自己分堆儿（聚类）。 常用算法 K-Means：核心思想就是，自己先假定，一共要分几个类，然后每个类里，你要定一个c位。然后对每个点，都算一下到每个类c位的距离，哪个最小，就划入哪个类。每个点都划分好以后，对每个类的c位进行一次更新。然后继续 阅读全文
posted @ 2024-07-11 11:45 1234roro 阅读(54) 评论(0) 推荐(0)
JA3整理（JA3S类似）
摘要： 概念&应用 JA3，是针对TLS握手过程中，clienthello报文的特征，生成指纹的一种方法。生成了指纹后，可以和在线指纹数据库（或者自己维护的数据信息）进行比对，识别、区分不同的TLS客户端。进而达到识别是否是恶意软件、是否是已知的攻击者、是否是异常行为（和自己当前常见的流量比对）。所以JA3 阅读全文
posted @ 2024-07-10 17:12 1234roro 阅读(519) 评论(0) 推荐(0)
HTTPS会话过程整理
摘要： 整体交互图和数据包截图如上。具体分步骤解析如下： 1、client hello：客户端发送client hello，包含自己支持的TLS版本（服务器从中选择好版本后，客户端不需要再次回复自己也同意，默认就是同意了，不需要显式地回复）、随机数（一会用来计算对称密钥用的）、密码套件（非对称算法使用什么、 阅读全文
posted @ 2024-07-03 16:56 1234roro 阅读(231) 评论(0) 推荐(0)
2024年6月
机器学习--有监督学习--分类算法（预测分类）
摘要： 使用场景：做分类的，比如银行想做客户分类，看看新的这个客户，他是高风险用户还是低风险用户。 原理使用：可以用贝叶斯分类，决策树算法，还有KNN，本篇主要整理KNN。 KNN原理：有N个样本点，对新纪录r，使用KNN进行分类，看它属于哪个分类。具体如下： 1、先确定k值，不建议太大，一般采用交叉验证法 阅读全文
posted @ 2024-06-18 18:18 1234roro 阅读(72) 评论(0) 推荐(0)
机器学习--有监督学习--线性回归（预测数据）
摘要： 整体概念 有监督学习，就是会有一些 已有的标签等已经做好分类的信息，你基于一些算法，把新拿到的数据，贴上对的标签；无监督学习，就是没有标签，你就自己算吧，自己把这一堆数据做不同的聚类。 线性回归 整理原因：为了更好地理解学习算法为什么有用、可靠，还是决定认真看看推导公式和过程。以下是有监督学习线性回 阅读全文
posted @ 2024-06-07 18:26 1234roro 阅读(108) 评论(0) 推荐(0)