Nhà Sách Tin Học

Browsing "Older Posts"

Chia Sẻ Khóa Học Phân Tích Bảo Mật Mạng Bằng Wireshark, Snort Và SO [Khóa 9571 A]

18 tháng 10 2019 / No Comments

Học các kỹ năng và kỹ thuật thực tế từ một chuyên gia an ninh mạng với các Lab thực hành 100%.

Bạn sẽ học được gì:

+ Cách cài đặt và cấu hình Virtualbox.
+ Cách cài đặt và cấu hình Security Onion trên Virtualbox.
+ Cách cài đặt và cấu hình Kali Linux trên Virtualbox.
+ Cách cài đặt và định cấu hình Metasploitable trên Virtualbox.
+ Cách cài đặt và cấu hình Wireshark.
+ Cách sử dụng Wireshark và Tcpdump để phân tích lưu lượng truy cập mạng độc hại.
+ Cách sử dụng các công cụ kiểm tra thâm nhập / ethical hacking (Metasploit, Armitage, Burpsuite, Hydra, Nmap, v.v.)
+ How to interpret Snort rules and analyze underlying packet captures.

Các Lab trong khóa học này là 100% thực hành và kỹ thuật cao. Hãy chuẩn bị để cài đặt và cấu hình các phần mềm cần thiết để làm theo. Điều này sẽ giúp bạn nhận được lợi ích tối đa khi tham gia khóa học này. Các công cụ chúng tôi sẽ sử dụng trong khóa học này là Wireshark, Tcpdump, Snort, Burpsuite, Nmap, Tcpreplay, Virtualbox và hơn thế nữa. Các hệ điều hành được sử dụng sẽ là Security Onion, Kali Linux và Metasploitable. Các hệ điều hành và phần mềm được sử dụng đều hoàn toàn miễn phí và có thể chạy trên một hệ thống bằng Virtualbox.

Chúng tôi cũng sẽ bao gồm phân tích bảo mật mạng với Wireshark và Tcpdump, phân tích hệ thống phát hiện xâm nhập với Snort và Squert, và kiểm tra thâm nhập và ethical hacking với các công cụ khác nhau trên Kali Linux. Các công cụ và phương pháp tiêu chuẩn công nghiệp được sử dụng trong khóa học này sẽ giúp bạn tiếp cận với các kỹ năng thực hành cần thiết như một nhà phân tích an ninh mạng và chuyên gia an ninh mạng nói chung.

Dưới đây là tổng quan về các Lab. Xin lưu ý rằng các Lab 3 và 4 được chia thành hai phần do chiều dài của chúng:

+ Lab 1: Installation/Configuration of Virtualbox and Security Onion.
+ Lab 2: Analyzing Network Traffic - Malware Infection.
+ Lab 3: Analyzing Network Traffic - Brute Force Attacks.
+ Lab 4: Analyzing Network Traffic - Exploitation with Metasploit.
+ Lab 5: Analyzing Network Traffic - Policy Violations.

CUNG CẤP TÀI KHOẢN GOOGLE DRIVE DUNG LƯỢNG KHÔNG GIỚI HẠN VỚI GIÁ ƯU ĐÃI NHẤT, XEM CHI TIẾT TẠI ĐÂY

XEM HƯỚNG DẪN TRUY CẬP VÀ DOWNLOAD KHÓA HỌC TẠI ĐÂY

LIKE FAN PAGE ĐỂ NHẬN KHÓA HỌC MỚI NHẤT TẠI ĐÂY

MỜI BẠN THAM GIA GROUP CÙNG TRAO ĐỔI TẠI ĐÂY

Copyright Disclaimer:

This site does not store any files on its server. We only index and link to content provided by other sites. Please contact the content providers to delete copyright contents if any and email us, we'll remove relevant links or contents immediately.

Tuyên bố miễn trừ bản quyền:

Trang web này không lưu trữ bất kỳ tệp nào trên máy chủ của nó. Chúng tôi chỉ lập chỉ mục và liên kết đến nội dung được cung cấp bởi các trang web khác. Vui lòng liên hệ với các nhà cung cấp nội dung để xóa nội dung bản quyền nếu có và gửi email cho chúng tôi, chúng tôi sẽ xóa các liên kết hoặc nội dung có liên quan ngay lập tức.

Chia Sẻ Sách Deep Learning Cơ Bản - Nguyễn Thanh Tuấn [Tiếng Việt] PDF [9986E]

/ 2 Comments

Nguồn bài viết thuộc về tác giả Nguyễn Thanh Tuấn.

Nội dung sách:

Chương I, tôi giới thiệu về cách cài đặt môi trường với Anaconda để chạy code Python cơ bản. Ngoài ra tôi cũng hướng dẫn sử dụng Google Colab, với GPU Tesla K80 được Google cung cấp miễn phí. Nên bạn đọc có thể train model online thay vì sử dụng máy tính, laptop cá nhân.

Chương II, tôi đề cập đến Machine Learning cơ bản với hai thuật toán Linear Regerssion và Logistic Regression. Đồng thời tôi giới thiệu về thuật toán Gradient descent, rất quan trọng trong Deep Learning. Bên cạnh đó tôi giới thiệu các kiến thức Toán cơ bản như: phép toán với ma trận, biểu diễn bài toán dạng ma trận,…

Chương III, tôi giới thiệu về bài toán Neural Network cũng chính là xương sống của Deep Learning và thuật toán Backpropagation để giải bài toán này. Ngoài ra, để hiểu rõ bản chất của Neural Network nên tôi cũng hướng dẫn mọi người code từ đầu Neural Network và Backpropagation bằng Python trong chương này.

Chương IV, tôi đề cập tới Convolutional Neural Network (CNN) cho bài toán có xử lý ảnh. Sau đó giới thiệu về thư viện Keras và ứng dụng CNN cho bài toán phân loại ảnh với bộ dữ liệu chữ số viết tay (MNIST). Cuối chương tôi giới thiệu về ứng dụng thực tế của CNN cho bài toán ô tô tự lái.

Chương V, tôi giới thiệu một số tips trong Deep Learning như transfer learning, data augmentation, mini-batch gradient descent, dropout, non-linear activation, … để tăng độ hiệu quả của mô hình.

Chương VI, tiếp nối ý tưởng từ chương IV , tôi đề cập đến hai bài toán lớn của Deep Learning trong Computer Vision. Đó là bài toán về Object Detection và Image Segmentation.

Chương cuối, tôi giới thiệu về thuật toán Recurrent Neural Network (RNN) cho bài toán dữ liệu dạng chuỗi và mô hình cải tiến của nó là Long Short Term Memory (LSTM). Cuối cùng tôi hướng dẫn mọi người áp dụng mô hình LSTM cho bài toán thêm mô tả cho ảnh.