IPS杂合模式实验

简介:

1.拓扑图:

2.接口配置:

R1(config)#int f0/0
R1(config-if)#ip add 10.1.1.1 255.255.255.0
R1(config-if)#no sh

R2(config)#int f0/0
R2(config-if)#ip add 10.1.1.2 255.255.255.0
R2(config-if)#no sh

R3(config)#monitor session 1 source interface f0/1 both
R3(config)#monitor session 1 destination interface f0/15 

3.IPS配置:
A.确认g0/1接口已经enabled

B.将g0/1关联到virtual sensor
 

4.测试:

A.在R2上连续ping R1

R2#ping 10.1.1.1 repeat 100

Type escape sequence to abort.
Sending 100, 100-byte ICMP Echos to 10.1.1.1, timeout is 2 seconds:
.!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Success rate is 99 percent (99/100), round-trip min/avg/max = 8/25/84 ms
R2#
B.在IPS上能看到攻击事件






本文转自 碧云天 51CTO博客,原文链接:http://blog.51cto.com/333234/880625,如需转载请自行联系原作者
相关文章
|
网络协议 安全 Linux
Linux C/C++之IO多路复用(select)
这篇文章主要介绍了TCP的三次握手和四次挥手过程,TCP与UDP的区别,以及如何使用select函数实现IO多路复用,包括服务器监听多个客户端连接和简单聊天室场景的应用示例。
356 0
|
24天前
|
人工智能 算法 索引
构建AI智能体:三十六、决策树的核心机制(二):抽丝剥茧简化专业术语推理最佳分裂点
本文深入探讨了决策树的核心机制,重点分析了最佳分裂点的确定方法。通过鸢尾花分类案例,详细解析了基尼不纯度、加权平均基尼不纯度和信息增益等关键指标的计算过程。文章展示了决策树如何通过穷举搜索找到能最大程度降低不纯度的特征阈值(如花瓣宽度1.65cm),并解释了不同随机种子对分裂点选择的影响。决策树通过一系列if-else问题构建分类模型,其核心是追求节点纯度最大化,采用贪婪算法在每个节点选择信息增益最大的分裂方案。这种机制使决策树既直观又强大,但也需要注意过拟合问题。
131 5
|
3月前
|
Web App开发 Linux Android开发
实战爬取某小说网站内容 -自带源码
爬去某小说网站,生成并下载下来
167 0
|
SQL 人工智能 关系型数据库
阿里云「RDS AI 助手」正式上线:大模型驱动的数据库智能运维 Copilot
阿里云 RDS AI 助手上线,用自然语言即可实现数据库问题诊断、巡检报告生成、参数调优、慢 SQL 优化等智能运维。深度集成控制台,支持多语言时区,免费公测中,让数据库管理更简单高效。
|
2月前
|
存储 Linux iOS开发
Elasticsearch Enterprise 9.1.5 发布 - 分布式搜索和分析引擎
Elasticsearch Enterprise 9.1.5 (macOS, Linux, Windows) - 分布式搜索和分析引擎
306 0
|
4月前
|
缓存 安全 Windows
错误代码0x80070002解决方法
按Win+R输入services.msc,找到并重启Windows Update和Background Intelligent Transfer Service (BITS)服务。
|
5月前
|
安全 网络协议 定位技术
什么是自治系统(AS)?
自治系统(AS,Autonomous System)是由一个独立的组织机构(如大学、企业或互联网服务提供商)所管辖和控制的一组网络集合。 在这个系统内部,所有的路由器都遵循统一的路由策略。你可以把它看作是互联网上的一个独立王国。
538 0
|
8月前
|
算法 Go
【LeetCode 热题100】73:矩阵置零(详细解析)(Go语言版)
这篇文章详细解析了力扣热题 73——矩阵置零问题,提供两种解法:一是使用额外标记数组,时间复杂度为 O(m * n),空间复杂度为 O(m + n);二是优化后的原地标记方法,利用矩阵的第一行和第一列记录需要置零的信息,将空间复杂度降低到 O(1)。文章通过清晰的代码示例与复杂度分析,帮助理解“原地操作”及空间优化技巧,并推荐相关练习题以巩固矩阵操作能力。适合刷题提升算法思维!
272 9
|
11月前
|
机器学习/深度学习 数据可视化 数据处理
构建可靠的时间序列预测模型:数据泄露检测、前瞻性偏差消除与因果关系验证
在时间序列分析中,数据泄露、前瞻性偏差和因果关系违反是三大常见且严重影响模型有效性的技术挑战。数据泄露指预测模型错误使用了未来信息,导致训练时表现优异但实际性能差;前瞻性偏差则是因获取未来数据而产生的系统性误差;因果关系违反则可能导致虚假相关性和误导性结论。通过严格的时序数据分割、特征工程规范化及因果分析方法(如格兰杰因果检验),可以有效防范这些问题,确保模型的可靠性和实用性。示例分析展示了日本天然气价格数据中的具体影响及防范措施。 [深入阅读](https://avoid.overfit.cn/post/122b36fdb8cb402f95cc5b6f2a22f105)
653 24
构建可靠的时间序列预测模型:数据泄露检测、前瞻性偏差消除与因果关系验证