如何简易侵入他人手机上-CNN BLSTM CTC的验证码识别从训炼到布署
三两句，直截了当，短信验证码是 *** 信息安全的一个关键构成部分，提升 了暴力行为试着破译的成本费，而验证码识别是其背面，文中将领着大伙儿看一下怎么使用深度神经 *** 开展短信验证码的鉴别，每个制造厂商能够根据文中来了解图形验证码的缺点和不可靠性。
最新上线的（2019/01/21）：假如针对DLL启用感兴趣或者别的語言的TensorFlow 给个完全免费黑客qq API感兴趣的移景下列2个新项目：
https://github.com/kerlomz/captcha_library_c
https://github.com/kerlomz/captcha_demo_csharp
小编选用的当下更为时兴的CNN BLSTM CTC开展端到端的不确定长验证码识别，编码中预埋了DenseNet BLSTM CTC的选择项，能够在配备中立即选用。更先，详细介绍个大约吧。
网格构造predict-CPUpredict-GPU实体模型尺寸
CNN5 Bi-LSTM H64 CTC15ms28米s2mb
CNN5 Bi-LSTM H16 CTC8ms28米s1.5mb
DenseNet Bi-LSTM H64 CTC60Ms60Ms6.5mb
H16/H64指的是Bi-LSTM的掩藏神经细胞数量num_units，这儿留意，你没有看错，都没有写反，LSTM有时钟频率依靠，tf.contrib.rnn.LSTMCell的完成未能很充足的运用GPU的云计算服务器，更底层kernel涵数中间的空隙十分大，不利充足的运用 给个完全免费黑客qq 给个完全免费黑客qq GPU 的并行性来开展测算。因此 本新项目应用GPU训炼，应用CPU开展预测分析。预测分析服务项目布署新项目源代码请移景这里：https://github.com/kerlomz/captcha_platform
二 自然环境依靠：
有关CUDA和cuDNN版本号的难题，许多人很担心，这儿就列举官方网根据pip安装的TensorFlow的版本号相匹配表：
Linux
VersionPython 给个完全免费黑客qq versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-1.12.02.7, 3.3-3.8GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.11.02.7, 3.3-3.8GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.10.02.7, 3.3-3.8GCC 4.8Bazel 0.15.079
tensorflow_gpu-给个完全免费 *** 黑客qq1.9.02.7, 3.3-3.8GCC 4.8Bazel 0.11.079
tensorflow_gpu-1.8.02.7, 3.3-3.8GCC 4.8Bazel 0.10.079
tensorflow_gpu-1.7.02.7, 3.3-3.8GCC 4.8Bazel 0.9.079
tensorflow_gpu-1.6.02.7, 3.3-3.8GCC 4.8Bazel 给个完全免费黑客qq 0.9.079
Windows
VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-1.12.03.5-3.5MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.11.03.5-3.5MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.10.03.5-3.给个完全免费黑客qq5MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.9.03.5-3.5MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.8.03.5-3.5MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.7.03.5-3.5MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.6.03.5-3.5MSVC 2015 update 3Cmake v3.6.379
假如期待应用上边相匹配以外的配搭的CUDA和cuDNN，能够自主编译程序TensorFlow，或是去Github上检索TensorFlow Wheel寻找第三方编译程序的相匹配版本号的whl安装包。提早预警信息，若是自身编译程序可能痛苦重重的，坑许多 ，这儿也不进行了。
2.1 本新项目自然环境依靠
现阶段在下列主给个完全免费黑客qq流电脑操作系统服务平台均完成检测：| 电脑操作系统 | 最少适用版本号 || ——– | ———— || Ubuntu | 16.04 || Windows | 7 SP1 || MacOS | N/A |
本训练科目关键的自然环境依靠明细以下| 依靠 | 最少适用版本号 || ———- | ———— || Python |给个完全免费黑客qq 3.6 || TensorFlow-GPU | 1.6.0 || Opencv-Python | 3.3.0.10 || Numpy | 1.14.1 || Pillow | 4.3.0 || PyYaml | 3.13 |
2.1.1 Ubuntu 16.04 下的 Python 3.6
1)先安裝Python自然环境
sudo apt-get install openssl
sudo apt-get install 给个完全免费黑客qq libssl-dev
sudo apt-get install libc6-dev gcc
sudo apt-get install -y make build-essential zlib1g-dev libbz2-dev libreadline-dev $ libsqlite3-dev wget curl llvm tk-dev
wget https://www.python.org/ftp/python/3.6.6/Python-3.6.6.tgz
tar 给个完全免费黑客qq -vxf Python-3.6.6.tar.xz
cd Python-3.6.6
./configure --prefix=/usr/local --enable-shared
make -j8
sudo make install -j8
历经上边命令就安裝好Python3.6自然环境了，假如提醒找不着libpython3.6给个完全免费 *** 黑客qqm.so.1.0就到/usr/local/lib途径下将该文件拷贝一份到/usr/lib和/usr/lib64路径下。2)安裝有关依靠(这一步Windows和Linux通用性)能够立即在新项目途径下实行pip3 install -r requirements.txt安裝全部依靠，留意这一步是安裝在全局性Python自然环境下的，强烈要求应用虚拟器开展新项目间的自然环境防护，如Virtualenv或Anaconda这些。我一般应用的是Virtualenv，有改动编码必须的，提议安裝PyCharm做为Python 给个完全免费黑客qq IDE
virtualenv -p /usr/bin/python3 venv # venv is the name of the virtual environment.
cd venv/ # venv is the name of the virtual environment.
source bin/activate # to activate the current virtual environment.
给个完全免费黑客qqcd captcha_trainer # captcha_trainer is the project path.
pip3 install -r requirements.txt
2.1.2 Ubuntu 16.04 下的 CUDA/cuDNN
在网上见到过许多 实例教程，自己也布署过很数次，Ubuntu 给个完全免费黑客qq 16.04碰到的坑還是较为少的。14.04适用就没很好，假如电脑主板不兼容关掉SecureBoot得话千万别安裝Desktop版，由于安裝好以后一定会不断循环在登录界面没法进到桌面上。在网上实例教程说要加驱动器信用黑名单什么的朋友立即绕过了，亲自测试没哪个必需。就简易的两步：
1. 免费下载好安装文件留意免费下载runfile种类的安装文件，deb安装会自动安装默认设置驱动器，极有可能造成 登录循环系统
NVIDIA 驱动下载：https://www.geforce.cn/drivers
CUDA 下载链接：https://developer.nvidi *** /cuda-downloads
cuDNN 给个完全免费黑客qq 下载链接：https://developer.nvidi *** /cudnn (必须申请注册NVIDIA账户且登录，免费下载deb安装包)
2. 关掉用户界面Ctrl alt F1进到标识符页面，关掉用户界面
sudo service lightdm stop
3. 安裝Nvidia Driver
指令中的版本号自身相匹配免费下载的版本号改，在上面的免费下载给个完全免费黑客qq详细地址依据自身的显卡型号免费下载最新版本，谨记是runfile文件格式的安装文件。
sudo chmod a x NVIDIA-Linux-x86_64-384.90.run //获得实行管理权限
sudo ./NVIDIA-Linux-x86_64-384.90.run –no-x-check –no-nouveau-check –no-opengl-files //驱动安装
安裝取得成功以给个完全免费黑客qq后应用下列指令认证，假如显示信息独立显卡信息内容则表明安裝取得成功
nvidia- *** i
4. 安裝CUDA
1)先安裝一些系统软件依靠库
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
给个免费黑客qq
2) 执行安装程序，按指示无脑继续就好了，如果提示是否安装驱动选不安装。
sudo sh cuda_9.0.176_384.81_linux.run
安装完如果环境变量没配上去，就写到 ~/.bashrc 文件的尾部
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_给个免费黑客qqPATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
然后在终端执行 sudo ldconfig更新，安装完毕就可以重启机器重启图形界面了。
sudo service lightdm start
2.1.3 Windows 系统
在Windows其实简单很多，只要到官网下载安装给个免费黑客qq包无脑安装就可以了，下载连接同Ubuntu，先安装Python，显卡驱动，CUDA，然后下载对应的cuDNN替换到对应路径即可。
花了超长篇幅介绍了训练环境的基本搭建，主要是给尚未入门的读者看的，老鸟们随便跳过
三 使用
入手的之一步环境搭建好了，那就是准备跑代码了，还是有几个必要的条件，巧妇难为无米之炊，首先，既然是训练，要先有训练集，笔者不满百度云不开会员龟速10kb限速很久了，所以上传到 *** 群857149419共享里，有一个新手给个免费黑客qq尝鲜的训练集，是mnist手写识别的例子，现在万事俱备，只欠东风。
3.1 定义一个模型
本项目采用的是参数化配置，不需要改动任何代码，可以训练几乎任何字符型图片验证码，下面从两个配置文件说起：config.yaml # 系统配置
# - requirement.txt - GPU: tensorflow-gpu, CPU: tensorflow
# - If you use the GPU version, you 给个免费黑客qq need to install some additional applications.
# TrainRegex and TestRegex: Default matching apple_20181010121212.jpg file.
# - The Default is .*?(?=_.*\.)
# TrainsPath and TestPath: The local absolute path of your training 给个免费黑客qq and testing set.
# TestSetNum: This is an optional parameter that is used when you want to extract some of the test set
# - from the training set when you are not preparing the test set separately.
System:
给个免费黑客qqDeviceUsage: 0.7
TrainsPath: 'E:\Task\Trains\YourModelName\'
TrainRegex: '.*?(?=_)'
TestPath: 'E:\Task\TestGroup\YourModelName\'
TestRegex: '.*?(?=_)'
TestSetNum: 1000
# CNNNetwork: 给个免费黑客qq [CNN5, DenseNet]
# RecurrentNetwork: [BLSTM, LSTM]
# - The recommended configuration is CNN5+BLSTM / DenseNet+BLSTM
# HiddenNum: [64, 128, 256]
# - This parameter indicates the number of nodes used to remember 给个免费黑客qq and store past states.
NeuralNet:
CNNNetwork: CNN5
RecurrentNetwork: BLSTM
HiddenNum: 64
KeepProb: 0.98
# SavedSteps: A Session.run() execution is called a Steps,
# 给个免费黑客qq - Used to save training progress, Default value is 100.
# ValidationSteps: Used to calculate accuracy, Default value is 100.
# TestNum: The number of samples for each test batch.
# - A test for every saved steps.
# 给个免费黑客qq EndAcc: Finish the training when the accuracy reaches [EndAcc*100]%.
# EndEpochs: Finish the training when the epoch is greater than the defined epoch.
Trains:
SavedSteps: 100
ValidationSteps: 500
给个免费黑客qq EndAcc: 0.975
EndEpochs: 1
BatchSize: 64
TestBatchSize: 400
LearningRate: 0.01
DecayRate: 0.98
DecaySteps: 10000
上面看起来好多好多参数，其实大部分可以不用改动，你需要修改的仅仅是训练集路径就可以了，注意：如果训练集的命名格给个免费黑客qq式和我提供的新手训练集不一样，请根据实际情况修改TrainRegex和TestRegex的正则表达式。，TrainsPath和TestPath路径支持list参数，允许多个路径，这种操作适用于需要将多种样本训练为一个模型，或者希望训练一套通用模型的人。为了加快训练速度，提高训练集读取效率，特别提供了make_dataset.py来支持将训练集打包为tfrecords格式输入，经过make_dataset.py打包之后的训练集将输出到本项目的dataset路径下，只需修改TrainsPath键的配置如下即可
TrainsPath: 给个免费黑客qq './dataset/xxx.tfrecords'
TestPath是允许为空的，如果TestPath为空将会使用TestSetNum参数自动划分出对应个数的测试集。如果使用自动划分机制，那么TestSetNum测试集总数参数必须大于等于TestBatchSize测试集每次读取的批次大小。神经 *** 这块可以讲一讲，默认提供的组合是CNN5(CNN5层模型)+BLSTM(Bidirectional 给个免费黑客qq LSTM)+CTC，亲测收敛最快，但是训练集过小，实际图片变化很大特征很多的情况下容易发生过拟合。DenseNet可以碰运气在样本量很小的情况下很好的训练出高精度的模型，为什么是碰运气呢，因为收敛快不快随机的初始权重很重要，运气好前500步可能对测试集就有40-60%准确率，运气不好2000步之后还是0，收敛快慢是有一定的运气成分的。
NeuralNet:
CNNNetwork: CNN5
RecurrentNetwork: 给个免费黑客qq BLSTM
HiddenNum: 64
KeepProb: 0.99
隐藏层HiddenNum笔者尝试过8~64，都能控制在很小的模型大小之内，如果想使用DenseNet代替CNN5直接修改如上配置中的CNNNetwork参数替换为：
NeuralNet:
CNNNetwork: DenseNet
......
给个免费黑客qq
model.yaml # 模型配置
# ModelName: Corresponding to the model file in the model directory,
# - such as YourModelName.pb, fill in YourModelName here.
# CharSet: Provides a default optional built-in solution:
# 给个免费黑客qq - [ALPHANUMERIC, ALPHANUMERIC_LOWER, ALPHANUMERIC_UPPER,
# -- NUMERIC, ALPHABET_LOWER, ALPHABET_UPPER, ALPHABET]
# - Or you can use your own customized character set like: ['a', '1', '2'].
# CharExclude: CharExclude 给个免费黑客qq should be a list, like: ['a', '1', '2']
# - which is convenient for users to freely combine character sets.
# - If you don't want to manually define the character set manually,
# - you can choose a built-in character set
# - and set the characters to be excluded by CharExclude parameter.
Model:
Sites: []
ModelName: YourModelName-CNN5-H64-150x50
ModelType: 150x50
CharSet: ALPHANUMERIC_LOWER
CharExclude:给个免费黑客qq []
CharReplace: {}
ImageWidth: 150
ImageHeight: 50
# Binaryzation: [-1: Off, >0 and < 255: On].
# Smoothing: [-1: Off, >0: On].
# Blur: [-1: Off, >0: On].
#给个免费黑客qq Resize: [WIDTH, HEIGHT]
# - If the image size is too *** all, the training effect will be poor and you need to zoom in.
# - ctc_loss error "No valid path found." happened
Pretreatment:
Binaryzation: -1给个免费黑客qq
Smoothing: -1
Blur: -1
上述的配置只要关注ModelName、CharSet、ImageWidth、ImageHeight首先给模型取一个好名字是成功的之一步，字符集CharSet其实大多数情况下不需要修改，一般的图形验证码离不开数字和英文，而且一般来说是大小写不敏感的，不区分大小写，因为打码平台收集的训练集质量参差不齐，有些大写有些小写，不如全部统一为小写，默认ALPHANUMERIC_LOWER则会自动将大写的转为小写，字符集可定制化很灵活，除了配置备注上提供的几种类型，还可以训练中文，自定义字符集用list表示，示例如下：
CharSet: 给个免费黑客qq ['常', '世', '宁', '慢', '南', '制', '根', '难']
可以自己根据收集训练集的实际字符集使用率来定义，也可以无脑网上找3500常用字来训练，注意：中文字符集一般比数字英文大很多，刚开始收敛比较慢，需要更久的训练时间，也需要更多的样本给个免费黑客qq量，请量力而行
形如上图的图片能轻松训练到95%以上的识别率。ImageWidth、ImageHeight只要和当前图片尺寸匹配即可，其实这里的配置主要是为了方便后面的部署智能策给个免费黑客qq略。其他的如Pretreatment之下的参数是用来做图片预处理的，因为笔者致力于做一套通用模型，模型只使用了灰度做预处理。其中可选的二值化、均值滤波、高斯模糊均未开启，即使不进行那些预处理该框架已经能够达到很理想的识别效果了，笔者自用的大多数模型都是98%以上的识别率。
3.2 开始训练
按照上面的介绍，配置只要修改极少数的参数对应的值，就可以开启正式的训练之旅了，具体操作如下：可以直接使用PyCharm的Run，执行trains.py，也可以在激活Virtualenv下使用终端亦或在安装依赖的全局环境下执行
python3 给个免费黑客qq trains.py
剩下的就是等了，看过程，等结果。正常开始训练的模样应该是这样的：
训练结束会在项目的out路径下生成一个pb和yaml文件，下面该到部署环节了。
3.3 部署
真的很有必要认真的介绍一下部署项目，比起训练，这个部署项目倾注了笔者更多的心血，为什么呢?项目地址：https://github.com/kerlomz/captcha_platform
真的值得了解的几点
同时管理多个给个免费黑客qq模型，支持模型热拔插
灵活的版本控制
支持批量识别
服务智能路由策略
首先笔者重写了Tensor Flow的Graph会话管理，设计会话池，允许同时管理多模型，实现多模型动态部署方案。1）训练好的pb模型只要放在部署项目的graph路径下，yaml模型配置文件放在model，即可被服务发现并加载，2）如果需要卸载一个正在服务的模型，只需要在model中删除该模型的yaml配置文件，在graph中删除对应的pb模型即可给个免费黑客qq。3）如果需要更新一个已经服务中的模型，只需修改新版的模型yaml配置文件的版本号高于原模型的版本号，按先放pb后放yaml的顺序，服务便会自动发现新版的模型并加载使用，旧的模型将因版本低于新版模型不会被调用，可以按照上述的卸载 *** 卸载已被弃用的模型释放内存。上面的操作中无需重启服务，完全的无缝切换
其次，一套服务想要服务于各式各样的图像识别需求，可以定义一套策略，训练时将所有尺寸一样的图片训练成一个模型，服务根据图片尺寸自动选择使用哪个模型，这样的设计使定制化和通用性给个免费黑客qq共存，等积累到一定多样的训练集时可以将所有的训练 *** 到一起训练一个通用模型，亦可以彼此独立，每个模型的叠加仅仅增加了少量的内存或显存，网上的方案大多是不同的模型单独部署一套服务，每个进程加载了一整套TensorFlow框架势必是过于庞大和多余的。
用到批量识别需求的人相对少很多这里就不展开介绍了。识别项目提供了多套可选的服务有：gRPC，Flask，Tornado，Sanic，其中Flask和Tornado提供了加密接口，类似于微信公众号开发接口的SecretKey和AccessKey接口，感兴趣的可以在demo.py中阅读调用源码了解。
部署的使用可以经过package.py编译为可执行文件，这样可以免去更换机器环境安装的烦恼，部署项目安装流程同训练项目，项目中提供的requirements.txt已经将所需的依赖都列清楚了，强烈建议部署项目安装cpu版TensorFlow。
Linux：
Tornado：
# 给个免费黑客qq 端口 19952
python3 tornado_给个免费黑客qqserver.py
Flask
# 方案1，裸启动， 端口 19951
python flask_server.py
# 方案2，使用gunicorn，端口 5000
pip install gunicorn
gunicorn -c deploy.conf.py flask_server:app
Sanic：给个免费黑客qq
# 端口 19953
python3 sanic_server.py
gRPC:
# 端口 50054
python3 grpc_server.py
Windows：Windows平台下都是通过python3 xxx_server.py启动对应的服务，注意，Tornado、Flask、Sanic的性能在Windows平台都大给个免费黑客qq打折扣，gRPC是Google开源的RPC服务，有较为优越的性能。
3.4 调用/测试
1. Flask服务：
请求地址Content-Type参数形式请求 ***
http://localhost:19951/captcha/v1application/json *** ONPOST
具体参数：| 参数名 | 必选 | 类型 | 说明 || ———- 给个免费黑客qq | —- | —— | ———————— || image | Yes | String | Base64 编码 || model_site | No | String | 网站名，yaml配置中可绑定 || model_type | No | String | 类别，yaml配置中可绑定 |请求为 *** ON格式，形如：{“image”: 给个免费黑客qq “base64编码后的图像二进制流”}
返回结果：| 参数名 | 类型 | 说明 || ——- | —— | —————— || message | String | 识别结果或错误消息 || code | String | 状态码 || success | String | 是否请求成功 |该返回为 *** ON格式，形给个免费黑客qq如：{“message”: “xxxx”, “code”: 0, “success”: true}
2. Tornado服务：
请求地址Content-Type参数形式请求 ***
http://localhost:19952/captcha/v1application/json *** ONPOST
请给个免费黑客qq求参数和返回格式同上
3. Sanic服务：| 请求地址 | Content-Type | 参数形式 | 请求 *** || ———– | —————- | ——– | ——– || http://localhost:19953/captcha/v1 | application/json | 给个免费黑客qq *** ON | POST |请求参数和返回格式同上
4. gRPC服务：需要安装依赖，grpcio、grpcio_tools和对应的grpc.proto文件，可以直接从项目中的示例代码demo.py中提取。
class GoogleRPC(object):
def __init__(self, host: str):
self._url = '{}:50054'.format(host)
给个免费黑客qqself.true_count = 0
self.total_count = 0
def request(self, image, model_type=None, model_site=None):
import grpc
import grpc_pb2
import grpc_pb2_grpc
channel 给个免费黑客qq = grpc.insecure_channel(self._url)
stub = grpc_pb2_grpc.PredictStub(channel)
response = stub.predict(grpc_pb2.PredictRequest(
image=image, split_char=',', model_type=model_type, model_site=model_site
))
给个免费黑客qq return {"message": response.result, "code": response.code, "success": response.success}
if __name__ == '__main__':
result = GoogleRPC().request("base64编码后的图片二进制流")
给个免费黑客qq print(result)
3.5 奇技淫巧
该项目还可以直接用于识别带颜色的图片，本质是不同的颜色分别训练，调用的时候通过传参区分，如果希望获得图片中红色的文字，就直接通过参数定位到训练红色的模型，希望获取图片中蓝色的图片就通过参数定位到蓝色模型，如：
不过这种操作对样本量要求较高，且效率不高，当颜色参数越来越多时就不适用，可以采用颜色提取的方式，这样所需要给个免费黑客qq的样本量将大大减少，但对于颜色提取算法效果要求高了。还有一种方案是同时预测验证码和每个字符对应的颜色，不过这需要修改现有的神经 *** 进行支持，在最后一层修改为双输出，一个输出颜色，一个输出对应字符，这对于样本标注的要求较高，也提高的成本，所以如果能用无限生成样本，那问题就迎刃而解了，比如上图，笔者就写了样本生成代码，感兴趣的可以移步：https://www.jianshu.com/p/da1b972e24f2其实还有很多很多技巧，例如，用生成的样本代替训练集，其实网上的图片验证码大多是采用给个免费黑客qq开源的，稍作修改而已，大多数情况都能被近似生成出来，笔者收集了不少源代码，上述展示的验证码图片不代表任何实际的网站，如有雷同，笔者不承担责任，该项目只能用于学习和交流用途，不得用于非法用途。
后记
如果各位好汉对深度学习、OCR感兴趣的，欢迎大家一起学习和交流。走过路过点个星在此谢谢大家了!
https://github.com/kerlomz/captcha_trainer
https://github.com/kerlomz/captcha_platform
*本文原创作者：kerlomz，本文属FreeBuf原创奖励计划，未经许可禁止转载
这个只要有身份证就能查到他的姓名及户口所在地!1.收费:5元一次,手机扣除,不成功不收费。网站真诚为您提供身份证查询服务。2.效果不错:立即显示被。怎样简单入侵别人手机
如何找到真正的黑客帮忙都是一群骗子,根本不可能实现的,聊天记录是本地记录的,拥有会员才可以上传 *** ,这个是要设置,如果设置了,那么就需要。
。个人认为黑鹰红客基地不错,当年他们可是中美黑客大战的中坚力量网址:总部在北京。 给个免费黑客qq还有黑客基地和黑客防线,我认为黑客基地比黑防。
DOS是高级黑客常用,现在一般菜鸟黑客都用图形界面,但是你要真的想把计算机学好,一定把DOS学好了,特别是 *** 和数据库!
[专业]英国国防部承认,皇家空军现役军人在社交应用Tinder上的个人档案被黑客攻击。黑客以多情女子的身份出现,对F-35战机刨。中国之一黑客是谁
这要看什么样的网站,一般的没有安全措施的网站很给个免费黑客qq快就能拿下,而像阿里腾讯这样的网站有很强的安全防护,一般人是黑不掉的,就算是黑客大牛也是要费很大劲。
怎样简单入侵别人手机IP追踪技术能够追踪攻击数据包的源头,加上卫星的定位系统进行定位。IP追踪的关键是找到一种有效的 *** 能够确定出攻击者的真实源IP地址,否则也就无法对攻击。
标签：
版权声明
本文仅代表作者观点，不代表本站立场。
本文系作者授权发表，未经许可，不得转载。
