# CTF 数据分析中的 DNS
在信息安全的领域中，CTF（Capture The Flag）比赛是一项非常受欢迎的活动，参与者需要通过分析、逆向和破解问题以获取“Flag”作为得分。在众多的CTF挑战中，DNS（Domain Name System，域名系统）分析是一个关键组成部分。在这篇文章中，我们将探讨DNS的基本概念、其在CTF中的应用，以及如何进行数据分析，包括代码示例和视觉化图表。
原创
2024-10-27 06:06:28
380阅读
NetCDF4数据格式什么是netCDF数据network Common Data Form 是一种"自我描述"的数据结构. 即: 元数据或数据描述包含在文件本身.NetCDF 文件可以存储多维数据,包含地理空间图像,栅格,地形数据,气候数据和文本的数据来存储不同类型的数据. 这些数据支持元数据.使 netCDF格式具有高度灵活性.netCDF 网络公用数据格式,用来存储温度,湿度,起亚,风速,和
转载
2023-10-30 13:21:09
128阅读
题目类型杂项（misc）密码学（crypho）web安全 3逆向工程 4漏洞挖掘与漏洞利用（PWN，EXPLOIT） 5 一、MISC1、文件的操作和隐写01文件类型的识别filewinhexnotepad++010编辑器https://down.52pojie.cn/?query=002文件分离操作binwalkbinwalk filename
binwalk -e fil
FTP:屏幕信息举例 1、用户要用FTP和远地主机（网络信息中心NIC上的主机）建立连接。 2、本地FTP发出的连接成功信息。 3、从远地服务器返回的信息，220表示“服务就绪”。 4、本地FTP提示用户键入名字。用户键入的名字表示“匿名”。在internet上有许多文件免费向公众提供。用户不需要键入自己的真是名字而只需键入anonymous即可。 
# CTF Wireshark 数据分析：一项网络安全的探索
在网络安全领域，Capture The Flag（CTF）是一种非常流行的竞赛形式。参与者通过解答各种挑战来提高他们的安全技能。其中，Wireshark 是一个强大的网络协议分析工具，常用于捕获和分析网络流量，对于CTF问题的解决非常有帮助。本文将带领大家探索如何使用 Wireshark 进行数据分析，并通过示例代码来巩固理解。
#
# CTF 数据分析题科普
Capture The Flag (CTF) 是一种广受欢迎的网络安全竞赛。参与者通过解决各种安全问题来获取“旗帜”，其中数据分析题尤为重要。本文将对此进行深入探讨，并通过代码示例帮助大家理解数据分析的基本流程。
## 什么是数据分析题？
CTF 数据分析题通常涉及从某些数据集中提取有用的信息。这些数据集可能是日志文件、网络抓包、数据库 dump 或其它格式。参赛
原创
2024-08-29 08:17:53
131阅读
(注：BugCTF是一个复现了很多CTF环境的网站，可免费练习，好像是私人搭建的，值得支持下。)1.关卡描述报告首长！发现一只苍蝇。。在哪？here!卧槽？！好大一坨苍蝇。。 2.解题步骤 2.1 首先下载所给的文件misc_fly.pcapng，是一个抓包软件抓取的数据包 2.2 打开数据包，发现是一堆TCP的包，先不理会底层的数据，只关心应用层。 应用层的协议只有
# CTF数据分析提取压缩包
在网络安全领域中，CTF（Capture The Flag）竞赛是一种常见的比赛形式，旨在让参赛者通过解决各种网络安全问题来提高其技能和知识。在CTF比赛中，参赛者通常会收到一个包含各种文件和数据的压缩包，他们需要对这些数据进行分析和提取以找到答案。
本文将介绍如何使用Python语言对CTF数据进行分析、提取和解压缩，以便更好地参与CTF比赛。
## 数据分析
原创
2024-06-06 04:02:04
380阅读
CTF 题目类型一般分为 Web 渗透、RE 逆向、Misc 杂项、PWN 二进制漏洞利用、Crypto 密码破译。1. Web类题目在传统的CTF线上比赛中，Web类题目是主要的题型之一，相较于二进制、逆向等类型的题目，参赛者不需掌握系统底层知识；相较于密码学、杂项问题，不需具特别强的编程能力，故入门较为容易。Web类题目常见的漏洞类型包括注入、XSS、文件包含、代码执行、上传、SSRF等。信息
DNS解析的过程：1、首先在打开浏览器以后，比如输入http://www.xzx.cn的域名，它首先是由浏览器发起一个DNS解析请求，如果本地缓存服务器中找不到结果，则首先会向根服务器查询，根服务器里面记录的都是各个顶级域所在的服务器的位置，当向根请求http://www.xzx.cn的时候，根服务器就会返回.cn服务器的位置信息。2、递归服务器拿到.cn的权威服务器地址以后，就会寻问cn的权威服
转载
2023-07-28 19:32:23
182阅读
不用任何公开参考资料，估算今年新生儿出生数量 解答：1）采用两层模型（人群画像人群转化）：新生儿出生数=Σ各年龄层育龄女性数量各年龄层生育比率 2）从数字到数字：如果有前几年新生儿出生数量数据，建立时间序列模型（需要考虑到二胎放开的突变事件）进行预测 3）找先兆指标，如婴儿类用品的新增活跃用户数量X表示新生儿家庭用户。Xn/新生儿n为该年新生儿家庭用户的转化率，如X2007/新生儿2007位为20
转载
2023-08-21 09:13:32
633阅读
当我们谈论IT服务管理（ITSM）世界中的大数据时，这里有两个非常不同的概念： • IT为业务提供的大数据工具/服务：对关键的业务运营数据进行数据索引。 • IT运营中的大数据：处理和利用复杂的IT运营数据。大数据中的业务运营服务在竞争日益激烈，数据驱动的世界中，企业管理者都在寻找能够有效管理和解释业务数据（尤其是大数据）的方法。数字化的业务操作，如：电子商务网站和银行移动APP，它们产生了大量的
转载
2023-10-03 08:52:17
206阅读
1.数据分析方法分类业务数据分析师（对数学建模的要求较低）、数据挖掘（对业务与数学建模的要求较高）、大数据分析（需要一定的编程能力）。层层进阶2.职位进阶3.数据分析结果数据可视化4.数据分析的流程在业务理解中要多问问题，了解需求，知道问题的核心。可以看书籍《学会提问》。5. 围绕数据分析师的三大类工作内容
原创
2022-04-15 21:35:17
1588阅读
大数据技术和数据分析有什么关系大数据经过多年发展形成了一个完整的产业链和技术链，大数据的产业链是围绕技术链来打造的，而大数据的技术链则围绕数据价值化这个中心来展开，涉及到数据的采集、存储、安全、分析、呈现和应用，那么大数据技术和数据分析有什么关系呢?1、从大数据的技术链来看：数据分析是其中的重要一环，也是目前大数据价值化的核心环节，所以很多人也把大数据就理解为数据分析了。虽然数据分析比较重要，但是
转载
2024-01-13 20:01:43
252阅读
对于一个ML问题，解决思路通常是：拿到数据后怎么了解数据(可视化) 选择最贴切的机器学习算法 定位模型状态(过/欠拟合)以及解决方法 大量极的数据的特征分析与可视化 各种损失函数(loss function)的优缺点及如何选择首先拿到数据要进行***数据分析***数据准备->数据清洗->数据重构->数据分析 典型的重构就是归一化可以利用降维算法来实现数据的处理，用更少的特征描述原
转载
2023-08-31 13:00:09
393阅读
一个完整的数据分析流程，应该包括以下几个方面，建议收藏此图仔细阅读。（注：图保存下来，查看更清晰） 作为数据分析师，无论最初的职业定位方向是技术还是业务，最终发到一定阶段后都会承担数据管理的角色。因此，一个具有较高层次的数据分析师需要具备完整的知识结构。1. 数据采集了解数据采集的意义在于真正了解数据的原始面貌，包括数据产生的时间、条件、格式、内容、长度、限制条件等。这会帮助数据分析师更
转载
2023-08-24 14:56:23
213阅读
1. 什么是数据分析1) 数据分析发展背景进入到 21 世纪以后，伴随着互联网的迅速发展，大数据应运而生，越来越多的数据被不断的挖掘出来，形成了“数据为王”的时代。就拿我们自己举例子，比如你的购物习惯、你的喜好等等，这些都会组成数据，对你购物习惯的分析会帮助购物平台更精准的推荐商品，这只是数据分析应用的冰山一角，它还可以应用到金融领域、交通领域、畜牧业等等。随着数据规模越来越庞大，单靠人力重复的脑
转载
2023-07-10 15:24:47
138阅读
统计杂碎记录PS: 记录一些自己平时遇到的数理统计概念，持续更新中，后续补充学习1. nested random intercept effects 建议参考：Visualizing Nested and Cross Random Effects2. 方差膨胀因子Variance Inflation Factor (VIF) 这个概念呢其实在做PCA, RDA或者其它类似的分析时可能会用到。 首先
转载
2023-12-22 22:15:08
148阅读
做RFM分析的时候要知道RFM分析的数据格式有两种： 一种是交易数据，也就是每次交易占用一行，关键变量是客户ID、交易日期和交易金额； 另一种是客户数据，就是每个客户占用一行，关键变量是客户ID、交易金额、交易次数和最近交易日期。为了保证数据的准确性，建议采用交易数据格式进行分析，实际上交易数据是可以整理成为客户数据的，而客户数据是无法还原为交易数据的。我从我们后台导出来的就是客户数据，我这里
转载
2023-10-24 00:04:35
163阅读
什么是数据分析数据分析是根据业务问题，对数据进行收集，清洗，处理和建模的过程，用于识别有助于业务的信息，获取关键业务结论并辅助决策制定。这个定义实际上是从两个层面来解释数据分析：它具体是在做什么： 业务问题的界定、数据的收集与整理、分析与模型。它能产生什么样的价值：为企业盈利，为企业的生存和发展建立基础。数据分析越发重要的原因数据增长，用户创造了大量的数据数据的储存与计算能力不断提升在大数据环境下
转载
2024-01-10 15:57:45
123阅读
