tcpdump -ieth1 -Xlns0 ‘tcp port 19999 and ip[52:4] != 100′

-i  eth1 指定监听的端口

-X 除掉以太网层的包头，都显示出来，这样的话，看到的就是4500开头的东西了，这是ip包头开始的。同时会包的内容以十六进制显示出来，这个一定要加晒。Print each packet (minus its link level header) in hex and ASCII.

-l 使用行缓冲，这里话所见既所得，避免缓冲区刷新导致看不到的情况。Make stdout line buffered.

-n     不要进行ip到域名这种转换，加上快一些。Don’t convert addresses (i.e., host addresses, port numbers, etc.) to names.

-p 加上避免包乱序。一般还好。Don’t  put  the  interface  into  promiscuous mode.  Note that the interface might be in promiscuous mode for some

-s0 后面这个是零哦，限制每个包的长度，为0的话，就是不限制，如果一些包长度很大的话，限制一下也好，否则就刷屏了。

后面的一串串就是设置的表达式了。内容过于丰富。一般也只会搞什么协议的，dst 或者 src port这样的，最多也就会用到ip包或者tcp/udp包的偏移多少字节后是什么值作为条件。

ip[52:4]  ip包偏移52个字节后4个字节是100.

Facebook比以往更为重视强化信息安全功能。这些改进减少了一些问题。 每天阻止600,000个被破坏的登录是一个巨大的努力！然而，信息安全功能并不简单。Facebook承认其安全功能的复杂度，因此随后官方发布了这份信息图。在这份信息图里，Facebook强调在 Facebook，我们对于用户的隐私和安全非常谨慎。通过例如数据库检查和路障这样的科技创新和人工操作的结合保障用户隐私安全。

转自：http://djt.open.qq.com/portal.php?mod=view&aid=18

1. 技术背景

分类问题是人类所面临的一个非常重要且具有普遍意义的问题。将事物正确的分类，有助于人们认识世界，使杂乱无章的现实世界变得有条理。自动文本分类就是对大量的自然语言文本按照一定的主题类别进行自动分类，它是自然语言处理的一个十分重要的问题。文本分类主要应用于信息检索，机器翻译，自动文摘，信息过滤，邮件分类等任务。文本分类的一个关键问题是特征词的选择问题及其权重分配。

在搜索引擎中，文本分类主要有这些用途：相关性排序会根据不同的网页类型做相应的排序规则；根据网页是索引页面还是信息页面，下载调度时候会做不同的调度策略；在做页面信息抽取的时候，会根据页面分类的结果做不同的抽取策略；在做检索意图识别的时候，会根据用户所点击的url所属的类别来推断检索串的类别等等。

2. 自动分类的原理和步骤

在分类的时候首先会遇到文档形式化表示的问题，文档模型有3种：向量空间模型，布尔模型和概率模型，其中我们常用的是向量空间模型。向量空间模型的核心描述如下：

• 文档（Document）：文本或文本中的片断（句子或段落）。
• 特征项（Term）：文档内容用它所包含的基本语言单位来表示，基本语言单位包括字、词、词组、短语、句子、段落等，统称为特征项。
• 特征项权重（Term Weight）：不同的特征项对于文档D的重要程度不同，用特征项Tk附加权重Wk 来进行量化，文档D可表示为（T1，W1；T2，W2；…；Tn，Wn）
• 向量空间模型（Vector Space Model）：对文档进行简化表示，在忽略特征项之间的相关信息后，一个文本就可以用一个特征向量来表示，也就是特征项空间中的一个点；而一个文本集可以表示成一个矩阵，也就是特征项空间中的一些点的集合。
• 相似度（Similarity）：相似度Sim（D1，D2）用于度量两个文档D1和D2之间的内容相关程度。当文档被表示为文档空间的向量，就可以利用欧氏距离、内积距离或余弦距离等向量之间的距离计算公式来表示文档间的相似度。

其中特征选取是文本表示的关键， 方法包括：文档频率法（DF）、信息增益法和互信息法等等。

在做特征选取之前，一般还要进行预处理的工作，要对先对网页降噪。另外在实际的分类中，除了利用文档的内容特征之外，可能还会用到实际应用中所特有的特征，比如在网页分类中，可能用到url的特征、html的结构特征和标签特征等信息。

分类的基本步骤是这样的：定义分类体系，将预先分类过的文档作为训练集，从训练集中得出分类模型，然后用训练获得出的分类模型对其它文档加以分类。

3. 常用的分类算法

文档自动分类是学术界研究多年，技术上比较成熟的一个领域。目前分类算法主要分下面这些：

其中比较常用的是：支持向量机（SVM）方法、朴素贝叶斯(NB)方法、神经网络（NN）方法、K近邻（KNN）方法、决策树（Decision Tree）方法等。

• 支持向量机（Support Vector Machines, SVM）由Vapnik在1995年提出，用于解决二分类模式识别问题。它通过寻找支持向量来确定决策面，并使分类间隔最大。SVM方法提供了解决 “维数灾难”问题的方法。SVM方法较好的理论基础和它在一些领域的应用中表现出来的优秀的泛化性能，尽管SVM算法的性能在许多实际问题的应用中得到了验证，但是该算法在计算上存在着一些问题，包括训练算法速度慢、算法复杂而难以实现以及检测阶段运算量大等等。
• 朴素贝叶斯(Naive Bayes，NB) 概率分类器是机器学习中很常用的一种方法，其基本思想是利用单词和分类的联合概率来估计给定文档的分类概率。

贝叶斯公式：P(C|X)*P(X)=P(X|C)*P(C)

特征向量：X=(x1,x2,x3…)    C={C1,C2,……}

其中P(C)是每个类别的先验概率，即，互联网上各个分类所占总页面的比例

P(X|C)：条件概率，表示在类别为C的训练集合中，X的分布情况。

P(X)：每个特征值的分布，由于特征值的分布是随机的，所以P(X)相等

• 神经网络（Neural network，NN）技术是人工智能中的成熟技术。将神经网络用于文档分类时，需要为每个分类建立一个神经网络，通过学习得到从输入单词（或者更复杂的特征词向量）到分类的非线性映射。其计算量和训练时间非常庞大。
• KNN是著名的模式识别统计学方法，已经有四十年历史，它是最好的文本分类算法之一。KNN算法相当简单：给定一个测试文档，系统在训练集中查找离它最近的k个邻居，并根据这些邻居的分类来给该文档的候选分类评分。把邻居文档和测试文档的相似度作为邻居文档所在分类的权重。如果这k个邻居中的部分文档属于同一个分类，则该分类中的每个邻居的权重求和并作为该分类和测试文档的相似度。该方法的特点是允许文档可以属于多个分类。KNN通过查询已知类似的例子的情况，来判断新例子与已知例子是否属于同一类。

通过我们对现实网页的分类测试情况看，这些方法中SVM方法的效果是比较好的，但是性能不高; 朴素贝叶斯的分类效果虽然略差于SVM，但是性能上要好很多。

4. 网页分类应用

4.1分类算法

实际应用中, 除了分类效果外, 速度是一个需要重点考虑的因素。

4.2分类类别

在搜索引擎中, 在不同的应用场景下, 会有不同的分类的标准, 比如在链接调度中需要信息页、索引页这样的分类，不同类型的页面更新调度的周期不一样；排序对分类的要求又不同, 比如按表现形式分图片、视频等；按网站类型分为论坛、博客等，不同类型的页面抽取策略也会不尽相同；再按内容主题分成小说、招聘和下载等类别。对网页从多个维度进行分类，能更好给用户提供更为贴切的检索结果。

4.3 特征选取

在学术研究中, 一般比较重视分类算法的研究,在特征选择上比较忽视。传统的特征选择一般是用TF*IDF等方法选择内容关键字等，这也是我们使用的一个重要因子， 但是除内容特征之外，我们还会用到很多其它特征，比如：网站特征、html特征和url特征等，这些特征会明显的提高分类的准确率和召回率。

1.CSS Cheat Sheet

2.HTML Cheat Sheet

3.Javascript Cheat Sheet

4. jQuery Cheat Sheet

5.Mootools Cheat Sheet

6.Django Cheat Sheet

7.YUI Cheat Sheet

8.Prototype Cheat Sheet

9.extJs Cheat Sheet

10.Scriptaculous Cheat Sheet

11.正则表达式手册下载

下面是一些关于后台开发和SEO的相关手册(Cheat sheet)

1.SEO Cheat Sheet

2.MySQL Cheat Sheet

3.PHP Cheat Sheet

4.Mod_Rewrite Cheat Sheet

5.Ruby on Rails Cheat Sheet

转载声明:
原载:彬Go
本文链接:http://blog.bingo929.com/cheat-sheets-for-web-develop.html

A phony target is one that is not really the name of a file; rather it is just a name for a recipe to be executed when you make an explicit request. There are two reasons to use a phony target: to avoid a conflict with a file of the same name, and to improve performance.

使用phony的原因： 避免文件名同target有重复，如make clean时rm文件，如果下面有个文件叫做clean的，就不执行了

由于使用PHONY后，不再检查文件的潜规则，从而使用命令执行的速度会快许多

clean:

rm *.o temp
Because the rm command does not create a file named clean。probably no such file will ever exist. 
Therefore, the rm command will be executed every time you say 'make clean'.
The phony target will cease to work if anything ever does create a file named 'clean' in this directory.
Since it has no prerequisites, the file 'clean' would inevitably be considered up to date, 
and its recipe would not be executed. 
To avoid this problem, you can explicitly declare the target to be phony, using the special target 

.PHONY : clean



 

char *strdup(const char *s);

char *strndup(const char *s, size_t n);
The strdup() function returns a pointer to a new string which is a duplicate of the strings.
Memory for the new string is obtained with malloc(3), and can be freed with free(3).
strncpy 要保证dest的长度要足够，否则字符串没有结束符
char *strncpy(char *dest, const char *src, size_t n);
The strncpy() function is similar, except that not more than n bytes of src are copied.
Thus, if there is no null byte among the first n bytes of src, the result will not be null-terminated.
snprintf 注意需要长度问题，返回的是size-1长度的字符串，因为会填充\0结尾
int snprintf(char *str, size_t size, const char *format, ...);
Even worse, some systems' snprintf() do not actually protect against buffer overflows; 
they just call sprintf directly.
更多参考：http://linux.die.net/HOWTO/Secure-Programs-HOWTO/dangers-c.html
http://linux.die.net/HOWTO/Secure-Programs-HOWTO/index.html

前台执行的话，ctrl+c就会干掉这个程序，常常加个&来后台执行，通过jobs、bg、fg这些命令来切换。

后台执行的话在当前终端开启的情况下有效。

如果希望退出当前中断，如logout、exit后，程序依然执行，需要使用at命令或者nohup了，这样即使退出终端照样执行。

nohup 程序名字 &

nohup不支持内建的命令，需要封装一下才行。

nohup的输出回到~/nohup.out里面去。

第一个的效果看起来很不错！

本文收集了10款极具创意的jQuery导航插件，包含上下文菜单键、 浮动、下拉和其他自定义等，供开发者学习、参考。

1. AoG Carousel

类似于3D旋转转盘菜单。可利用鼠标进行任意操作。在线演示。

2.A Simple Good Looking Context Menu

这是采用jQuery实现的上下文菜单，拥有与windows相同的功能和外观。在线演示.

3.WizardSteps

此款插件可帮助开发者创建向导(步骤指示器)。在线演示。

4. Sliding Tabs

可用于创建自定义选项卡。利用鼠标滚轮和方向进行滑动操作。在线演示。

5. Huge Vertical Menu

能够给你带来不同的效果创建吸引人的垂直菜单。 在线演示。

6.Sticklr

利用CSS3技术实现的侧面板。可以在这个侧面板设置各种元素，从邮件收件箱到自定义表单。在线演示。

7. Aes Grave Fairy

当添加菜单时会有一个动画围绕菜单飞行，最后停留在菜单上方不停的闪烁。在线演示。

8. DD Mega Menu

这是多级菜单，可支持任意一盒子菜单布局，可在子菜单上添加HTML内容。在线演示。

9. Win Menu

一款外观类似于windows的简洁的菜单栏工具。在线演示。

10. Sticky Mega Menu Bar

一款很棒的导航菜单，支持自定义内容。在线演示。

结束语：希望本文收集的这些jQuery插件对你有用。

英文出自：10 Most Creative jQuery Navigation Plugins

当研究人员寻找恶意软件和攻击的载体时，他们往往会寻找接口或代码中的漏洞。最近爆发的几起重大数据失窃事件，就是电子邮件和数据系统等网络应用程序遭受黑客攻击的结果。黑客的目的就是利用自动攻击来寻找应用程序中的漏洞，进而破解应用程序，将数据直接转移到自己手中。

Imperva公司研究了从2010年12月到2011年5月之间发生的网络应用程序攻击事件，结果发现了这些攻击具有三个不同的特点：它们使用了四种不同的策略，它们都是自动进行攻击的，它们都来源于美国。

Imperva称，61%的攻击活动源于美国的僵尸网络。但是，这并不意味着实施攻击的人就在美国。当僵尸网络的幕后操纵者准备攻击某个目标的时候，他们通常会选择离这个目标最近的电脑来实施攻击。因此，攻击活动源于美国的重要原因是许多美国人的电脑感染了恶意病毒，并因此成为了僵尸网络的一部分。例如，如果黑客想要攻击美国政府，那么僵尸网络的命令与控制中心就会激活最靠近华盛顿哥伦比亚特区的1000台电脑。此外，还有许多攻击来源于瑞典和法国等国家。

大量的攻击活动来源于僵尸网络的自动化攻击。Imperva公司称，这些攻击活动有一定的规律，首先是每小时高达几千次的密集攻击，接着攻击频率就会大大降低。实际上，这些不怀好意的黑客就是为了测试多个未知的漏洞，从而迅速地破解应用程序。如果一时间攻克不下来，他们就会转到其他的地方（这些黑客是出了名的捡软柿子捏。）他们发起自动攻击过后，还会折转回来再次寻找漏洞。

虽然Imperva 公司没有专门监测黑客组织 Lulz Security在6月的密集攻击活动，但是该公司指出，这个黑客组织的攻击活动规律与其研究的情况大致相当。对于普通公众来说，“黑客”是一个神秘的词汇。他们只知道，黑客实施的攻击活动是一些复杂的电脑活动，会导致某些数据被盗。但是，安全专家认为，黑客的攻击活动主要有四种类型，包括路径遍历（directory traversal），跨站点脚本（cross-site scripting），SQL注入（SQL injection）和远程文件包含（remote file inclusion）。这些攻击活动分为两个阶段：扫描阶段和攻击阶段。在扫描阶段，攻击者可能会利用路径遍历和跨站点脚本；在攻击阶段，黑客可能会利用SQL注入或远程文件包含进行攻击。

总体而言，Imperva公司的研究报告全面描述了高级持续威胁（advanced persistent threat，简称APT）的大体情况。该公司建议政府机构和企业要了解如何阻止自动攻击，并主动“扫描”自己的系统，找出已知的漏洞。如果企业知道他们自己的安全漏洞，并多与安全社区交流，那么它们就能抵挡住APT攻击，并最终击败黑客的网络犯罪活动。