HCIP--网络笔记(1)

简介: HCIP--网络笔记(1)

抽象语言 --- 电信号

抽象语言 --- 编码

编码 --- 二进制

二进制 --- 电信号

处理电信号

OSI/RM ---- 开放式系统互联参考模型 --- 1979 --- ISO --- 国际标准化组织

核心思想 --- 分层

应用层 --- 提供各种应用程序,抽象语言转换成编码,人机交互的接口

表示层 --- 编码转换成二进制

会话层 --- 维持网络应用和网络服务器之间会话连接

传输层 --- 实现端到端的传输 --- 应用到应用之间的传输 --- 端口号 --- 0 - 65535 --- 0一般

不作为传输层的端口号使用,所以,我们真实的端口号的取值范围为1 - 65535。1 - 1023知

名端口号。 --- SPORT,DPORT

网络层 --- 通过IP地址,实现主机之间的逻辑寻址。 --- SIP,DIP

获取DIP的方法:

1,直接知道服务器的IP地址

2,通过域名访问服务器

3,通过应用程序访问

4,通过广播获取

数据链路层 --- 将二进制转换成电信号。通过MAC地址进行物理寻址 --- 在以太网协议中

MAC --- 48位二进制构成 --- 1,全球唯一;2,格式统一 --- SMAC,DMAC

获取目标MAC地址的方法:

ARP --- 地址解析协议 --- 通过一种地址获取另一种地址

正向ARP --- 通过IP地址获取MAC地址

工作过程 --- 首先,主机以广播的形式发送ARP请求报文。基于已知的IP地址获取

MAC地址。所有收到广播帧的设备都会先将数据包中的源IP地址和源MAC地址的

对应关系记录在本地的ARP缓存表中。之后,再看请求的IP地址。如果请求的IP地

址是本地的IP地址,则将回复ARP应答报文。如果请求的IP地址不是本地的IP地

址,则将直接丢弃该数据包。之后,再次发送信息时,将优先查看本地的ARP缓存

表,如果存在记录,则将按照记录转发;如果没有记录,则再发送ARP请求。

反向ARP --- 通过MAC地址获取IP地址

免费ARP --- 利用的是正向ARP的工作原理,只不过请求的IP地址是自己的。

1,自我介绍;2,检测地址冲突


物理层 --- 处理或传输电信号

TCP/IP模型 --- TCP/IP协议簇


TCP/IP标准模型 --- 四层模型

TCP/IP对等模型 --- 五层模型



封装和解封转

应用层

传输层 --- 端口号 --- TCP,UDP

网络层 --- IP地址 --- IP协议

数据链路层 --- MAC地址 --- 以太网协议

物理层

TCP/IP模型中可以支持跨层封装,OSI中不行

跨层封装出现的情况较少,一般出现在直连的设备之间。

跨四层封装 --- 一般出现在直连路由设备之间


获取IP地址 --- 1,手工获取;2,通过DHCP自动获取

DHCP --- 动态主机配置协议

1,DHCP客户端 --- 广播包 --- DHCP-Discover

传输层 --- UDP --- SPORT:68 DPORT:67

网络层 --- IP --- SIP:0.0.0.0 DIP:255.255.255.255

数据链路层 --- 以太网 --- SMAC:自己的MAC地址 DMAC:全F

交换机的转发原理 --- 交换机收到数据帧之后,首先先记录源MAC地址和进入接

口的对应关系到MAC地址表中。之后看数据帧中的目标MAC地址,因为目标MAC

地址是全F,则将进行泛洪 --- 除了数据进入的接口外,所有接口都将转发数据。

交换机泛洪的情况 --- 1,广播帧;2,组播帧;3,未知单播帧


目录
相关文章
|
2月前
|
Linux 开发工具 Android开发
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频
ijkplayer是由Bilibili基于FFmpeg3.4研发并开源的播放器,适用于Android和iOS,支持本地视频及网络流媒体播放。本文详细介绍如何在新版Android Studio中导入并使用ijkplayer库,包括Gradle版本及配置更新、导入编译好的so文件以及添加直播链接播放代码等步骤,帮助开发者顺利进行App调试与开发。更多FFmpeg开发知识可参考《FFmpeg开发实战:从零基础到短视频上线》。
172 2
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频
|
2月前
|
机器学习/深度学习 数据可视化 计算机视觉
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作,并使用ResNet系列网络作为例子,展示了如何在训练过程中加入代码来绘制和保存特征图。
67 1
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
|
2月前
|
机器学习/深度学习 数据可视化 Windows
深度学习笔记(七):如何用Mxnet来将神经网络可视化
这篇文章介绍了如何使用Mxnet框架来实现神经网络的可视化,包括环境依赖的安装、具体的代码实现以及运行结果的展示。
55 0
|
2月前
|
机器学习/深度学习 编解码 算法
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
MobileNetV3是谷歌为移动设备优化的神经网络模型,通过神经架构搜索和新设计计算块提升效率和精度。它引入了h-swish激活函数和高效的分割解码器LR-ASPP,实现了移动端分类、检测和分割的最新SOTA成果。大模型在ImageNet分类上比MobileNetV2更准确,延迟降低20%;小模型准确度提升,延迟相当。
72 1
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
|
2月前
|
机器学习/深度学习 网络架构 计算机视觉
目标检测笔记(一):不同模型的网络架构介绍和代码
这篇文章介绍了ShuffleNetV2网络架构及其代码实现,包括模型结构、代码细节和不同版本的模型。ShuffleNetV2是一个高效的卷积神经网络,适用于深度学习中的目标检测任务。
92 1
目标检测笔记(一):不同模型的网络架构介绍和代码
|
2月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
62 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
编解码 人工智能 文件存储
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
YOLOv7是一种新的实时目标检测器,通过引入可训练的免费技术包和优化的网络架构,显著提高了检测精度,同时减少了参数和计算量。该研究还提出了新的模型重参数化和标签分配策略,有效提升了模型性能。实验结果显示,YOLOv7在速度和准确性上超越了其他目标检测器。
54 0
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
|
2月前
|
机器学习/深度学习 Python
深度学习笔记(九):神经网络剪枝(Neural Network Pruning)详细介绍
神经网络剪枝是一种通过移除不重要的权重来减小模型大小并提高效率的技术,同时尽量保持模型性能。
68 0
深度学习笔记(九):神经网络剪枝(Neural Network Pruning)详细介绍
|
2月前
|
机器学习/深度学习 算法 TensorFlow
深度学习笔记(五):学习率过大过小对于网络训练有何影响以及如何解决
学习率是深度学习中的关键超参数,它影响模型的训练进度和收敛性,过大或过小的学习率都会对网络训练产生负面影响,需要通过适当的设置和调整策略来优化。
470 0
深度学习笔记(五):学习率过大过小对于网络训练有何影响以及如何解决
|
2月前
|
机器学习/深度学习 算法
深度学习笔记(四):神经网络之链式法则详解
这篇文章详细解释了链式法则在神经网络优化中的作用,说明了如何通过引入中间变量简化复杂函数的微分计算,并通过实例展示了链式法则在反向传播算法中的应用。
79 0
深度学习笔记(四):神经网络之链式法则详解