那些年我在CSDN追过的安全白帽师傅,respect

2019年7月,我来到了一个陌生的专业——网络空间安全专业。作为一个长期以Python数据挖掘和NLP方向为主的学生,突然换大方向,去从事系统安全和逆向分析的研究,还是挺难的,这两年的过程也极其艰辛。依稀记得,换专业当天我下定决心:希望利用未来四年时间,深入学习安全技术,学会撰写高质量论文,并通过分享让更多的初学者了解和入门安全领域。更期盼博士早日毕业,回到家乡贵州继续从事安全技术和大数据分析的教学

在这里插入图片描述

至此,从2019年7月31日开始,我在CSDN撰写了第一篇安全相关的博客——《[网络安全自学篇] 一.入门笔记之看雪Web安全学习及异或解密示例》。随后两年中,我陆续开启了《网络安全自学篇》《网络安全提高班》《系统安全与恶意代码分析》《Python黑帽》《安全攻防进阶篇》《APT分析及溯源》《GO编程基础》等安全专栏,撰写近200篇的安全博客。不负遇见,感恩同行。

在这里插入图片描述

两年的时间,我从一只安全菜鸟成长为了安全初学者。春去冬来,黔鄂奔波,我从网络安全写到了系统安全,从Web渗透写到了病毒逆向,从AI安全实例写到了安全顶会论文分享。我知道,未来的路还很长,要学的安全知识还很多,为什么现在就去写这样一篇总结性的文章呢?

因为想写,因为感恩。
两年走来,在CSDN我通过安全分享认识了太多的好友和大佬。他们有初学者询问问题的,有安全大神交流技术的,有博友阅读我文章的,也有购买我专栏的读者,在此真诚的送上一句感谢。虽未谋面,但这种相互学习和激励的感觉真好。

或许,CSDN上面的安全文章比不上看雪、FreeBuf、吾爱PJ等论坛,但我希望,自己能一直坚持分享和总结高质量的安全文章,去帮助更多人,尤其是初学者。突然某一天,一位读者告诉我,他改观了对CSDN安全文章的印象,真的开心。也不断有读者告诉我,通过我的文章完成了毕业设计或找到了一份不错的安全工作;也有添加微信或QQ的好友,真的感恩遇见。

言归正传,为了帮助更多CSDN家人学安全,因此有了这篇文章。这篇文章主要包括两部分内容。

  • 第一部分:详细介绍这些年我在CSDN追过的安全大佬的文章
  • 第二部分:详细介绍我博客关于网络安全、系统安全和AI安全的文章,并给初学者学习路线

注意,如果有觉得不好的博主,可以私聊我删除。由于作者人到中年,部分厉害的安全博主可能忘记添加进去,或者如果您也在CSDN上分享安全博客,可以告诉我喔!将您的文章链接也加入,让更多人去学习和交流。我相信,未来的安全技术分享或高质量安全文章,CSDN必有一席之地,我也将为之努力。不,是我们一起努力。

大家一定要看到第二部分的安全入门总结喔,一定要~

在这里插入图片描述


一.CSDN的安全白帽大佬

提起CSDN的安全白帽大佬,您第一个想到的是谁呢?
哈哈,其实人挺多的,他们或许是谢公子,或许是姜晔老师,或许是鬼手56,也可以能是随亦兄、冰河兄、Agan兄、西杭兄等等。这里作者简单介绍下他们的文章及方向,欢迎大家补充。

PS:排名不分先后,下面部分截图是之前的,因为我喜欢旧版本故放之在。

谢公子

  • 博客地址https://blog.csdn.net/qq_36119192
  • 自我介绍:一个小帅哥,热爱技术,追求完美,有追求!擅长渗透测试、红蓝对抗、内网渗透、域渗透,专业红队,目前在国内某大型安全公司就职。
  • 擅长领域:红蓝对抗、Web渗透、内网渗透
  • 推荐分数:★★★★★
  • 推荐理由:谢公子目前撰写博客574篇,所有博客均与安全相关,推荐其所有安全系列文章,干货满满。如果你要在CSDN学安全,谢公子的博客绝对是很好地选择。

内容概要:本文研究了一种基于遗传算法的新型异构分布式系统任务调度算法,旨在解决异构计算环境中任务分配与调度的复杂优化问题。通过Matlab代码实现该算法,充分利用遗传算法强大的全局搜索能力和鲁棒性,对任务执行时间、资源利用率、系统负载均衡等关键性能指标进行综合优化,有效提升分布式系统的整体运行效率与稳定性。研究详细阐述了算法的整体架构设计、染色体编码策略、适应度函数构造、选择机制以及交叉与变异等遗传操作的实现细节,并通过大量仿真实验验证了所提出算法相较于传统调度方法在收敛速度、解的质量和调度性能方面的显著优越性。; 适合人群:具备一定编程基础和优化算法理论知识,从事分布式计算、高性能计算、云计算资源调度或智能优化算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于高性能计算、云计算、边缘计算等异构计算平台中的任务调度优化,提升资源利用效率;②为研究人员提供遗传算法在复杂组合优化问题中应用的完整实现案例,深化对智能优化算法设计原理与仿真实践的理解; 阅读建议:建议读者结合提供的Matlab代码深入研读,重点理解适应度函数的设计逻辑与遗传算子的参数调优策略,并可通过更换不同的任务集和系统模型来测试算法的泛化能力与鲁棒性。
参考李林凤等(2025)一文关于农村劳动力人均受教育限指标的构建与计算方法,整理了中国31个省份总体、分性别的农村人均受教育限数据,具体计算方法如下: 农村劳动力人均受教育限 = (农村未上过学人数 × 1+小学学历人数 × 6+初中学历人数 × 9+高中和中专学历人数 ×12+大专及以上学历人数 × 16)/农村6岁及以上总人口 相关数据:各地区、分性别人均受教育限数据 一、数据介绍 数据名称:中国各省农村人均受教育限 数据范围:全国31个省份 时间范围:2006-2024 样本数量:590条 数据来源:《中国人口和就业统计鉴》、《中国劳动统计鉴》 二、数据指标 份 省份 省份代码 农村人均受教育限 男性-农村人均受教育限 女性-农村人均受教育限 6岁及以上人口 6岁及以上人口_男 6岁及以上人口_女 未上过学人口 未上过学人口_男 未上过学人口_女 小学人口 小学人口_男 小学人口_女 初中人口 初中人口_男 初中人口_女 高中人口 高中人口_男 高中人口_女 大专及以上人口 大专及以上人口_男 大专及以上人口_女 三、参考文献 [1]李林凤,刘杨,杨亦民.种业创新驱动农村产业融合的作用机制与空间分异效应[J].广东财经大学学报,2025,40(6):97-109. [2]徐小阳,李洁,金丽馥.普惠金融对农村教育贫困的纾解效应[J].中国农村经济,2020,(9):41-64.
评论 129
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Eastmount

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值