<计算机网络>网络分析仪分析协议

article/2025/10/16 8:35:39

网络分析仪分析协议
1.捕获FTP数据包分析TCP/IP数据报格式。
据捕获到的FTP数据包中的数据,分析TCP/IP协议头及以太网帧头。
2.根据实验数据分析TCP/IP连接的三次握手及四次挥手的情况
使用软件
Wrieshark
1. Display Filter(显示过滤器), 用于过滤
2. Packet List Pane(封包列表), 显示捕获到的封包, 有源地址和目标地址,端口号。 颜色不同,代表不同协议。
3. Packet Details Pane(封包详细信息), 显示封包中的字段
4. Dissector Pane(16进制数据)
5. Miscellanous(地址栏,杂项)
Wrieshark使用过滤可以帮助我们迅速找到需要的信息
在filter下输入ip.src= =ip地址or ip.dst= =ip地址可以过滤所抓到对应ip包的的信息

  1. 协议过滤:
    如TCP,只显示TCP协议。
    1. IP 过滤
      比如 ip.src = =192.168.1.102 显示源地址为192.168.1.102,
      ip.dst= =192.168.1.102, 目标地址为192.168.1.102
    2. 端口过滤
      tcp.port = =80, 端口为80的
      tcp.srcport = = 80, 只显示TCP协议的源端口为80的。
      抓包的开始与结束
      按下开始抓包和结束抓包可以得到抓包信息
      TCP/IP数据报格式
      封包列表的面板中显示,编号,时间戳,源地址,目标地址,协议,长度,以及封包信息。 你可以看到不同的协议用了不同的颜色显示。

TCP的三次握手
先由源主机发送一个请求链接并且发送一个随机数(第一次握手)
目标主机接收到源发来的请求链接后以其作为源向目标主机发送一个应答信号和一个随机数以及其在第一次握手接收到的随机数自加1发送给目标主机(第二次握手)
目标主机接收到源发来的应答信息后以其作为源向目标主机发送一个其在第一次握手接收到的随机数自加1和一个随机数给目标主机(第三次握手)

握手数据报分析
客户端发送一个TCP,标志位为SYN,序列号为0, 代表客户端请求建立连接
服务器发回确认包, 标志位为 SYN,ACK. 将确认序号(Acknowledgement Number)设置为客户的I S N加1以.即0+1=1
客户端再次发送确认包(ACK) SYN标志位为0,ACK标志位为1.并且把服务器发来ACK的序号字段+1,放在确定字段中发送给对方.并且在数据段放写ISN的+1
使用软件Wrieshark抓包实验测试
1.抓包
请添加图片描述
从上图可以看到其三次握手,第一次和第三次握手源是我的主机,第二次源是对方主机
2.数据报格式分析
在这里插入图片描述
首先先从抓到的包中选中一次握手,比如以第一行为例子,这里我的主机是源,所以在下面的物理地址判断时要依据所选择的源是我的主机还是对方的主机,选中我为源时在下面物理地址和IP地址时几个判断那个是我的物理地址哪个是对方的物理地址。


http://chatgpt.dhexx.cn/article/wmiTy2ll.shtml

相关文章

网络协议分析

根据期末考试考点,我把知识点做了一下梳理,仅供参考!!! 记录一下。 文章目录 网络协议分析第一章 TCP/IP概述1.1网络互连与TCP/IP1.1.1 用IP实现异构互联网络1.1.2 TCP/IP协议族的引入 1.2 网络协议分层1.2.1 通用的协…

计算机网络实验——使用网络协议分析仪Wireshark

计算机网络实验——使用网络协议分析仪Wireshark 一、实验名称 使用网络协议分析仪Wireshark 二、实验目的: 掌握安装和配置网络协议分析仪Wireshark的方法;熟悉使用Wireshark工具分析网络协议的基本方法,加深对协议格式、协议层次和协议交…

网络协议分析仪tcpdump和wireshark使用

网络协议分析仪 网络协议分析仪介绍命令行抓包工具:tcpdumptcpdump工具使用tcpdump表达式tcpdump应用示例 图形界面网络分析仪:wiresharkwireshark工具使用wireshark捕获数据分析wireshark窗口介绍wireshark过滤规则 网络协议分析仪介绍 网络协议分析仪…

总结各种物体检测算法

第一,覆盖所有基于区域的目标检测算法,包括:Fast RCNN, Faster-RCNN, Mask RCNN, R-FCN, FPN. 第二, 介绍SSD算法(single shoot detectors) 第三,介绍所有算法的表现和实现细节。 Part1 我们…

深度学习和目标检测系列教程 13-300:YOLO 物体检测算法

Author:Runsen YOLO,是目前速度更快的物体检测算法之一。虽然它不再是最准确的物体检测算法,但当您需要实时检测时,它是一个非常好的选择,而不会损失太多的准确性。 YOLO 框架 在本篇博客中,我将介绍 YO…

3D物体检测(一)

title: 3D物体检测(一) date: 2020-02-21 16:40:40 categories: 3D物体检测 tags:3D物体检测点云 总结一下在bilibili上看到的基于点云场景的三维物体检测算法及应用,有兴趣的也可以去看看这个视频。 这一部分主要总结一下,结合雷达点云数据和相机采集的二维图像数…

OpenCV-Python视频分析(移动物体检测,物体追踪)

1.概述 该文章介绍OpenCV-Python中关于视频分析的两个主要内容,分别为: 🐟背景差分法移动物体检测🐟Meanshift和Camshift算法物体追踪 PS:视频分析还要一个重要的内容:光流法运动轨迹绘制,在…

百度EasyDL物体检测在安卓上测试

EasyDL:EasyDL定制化模型 1.创建模型。 2.创建数据集,上传图片。 3.标注图片 。 4.训练数据 5.发布模型 6.APP部署测试 7.APP上测试

基于OpenCV实战:动态物体检测

点击上方“小白学视觉”,选择加"星标"或“置顶” 重磅干货,第一时间送达最近,闭路电视安全系统运行着多种算法来确保安全,例如面部识别,物体检测,盗窃检测,火灾警报等。我们在运动检测…

【opencv学习】【运动物体检测】

今天学习运动物体检测 一:帧差法 捕获摄像头的运动的手 import cv2 import numpy as np# 如果我们想捕获一些运动的物体,每一帧图像中,不动的部分称之为背景,运动的物体称之为前景 # 假如我们的视频捕捉窗口是不动的,…

K210物体检测(利用Maixpy、在线模型训练、串口通信)

无论从性能还是价格上,K210都给我带来了很多惊喜。搭载了Maixpy的K210开发非常便利,加上Maixhub的加持,使得K210的生态更加完善。Maixpy完全兼容openmv,在拥有openmv的基础上,短时间内就可以上手K210。 目录 前言一、烧…

小样本物体检测

Few-shot Object Detection via Feature Reweighting(MetaYOLO) 出发点:不同属性以不同的权重组合,可以定义一个类别,所以检测特征是否属于某一类,只要检测特征对属性的响应度就可以。特征 —> 属性 —…

自动驾驶:MOD 移动物体检测概述

MOD全称为Moving Object Detection,中文“移动物体检测”。主要的作用是泊车时,周围有人或物体经过探测区域被检测到给驾驶员声音和视觉提醒。 以NISSAN MOD为例说明下基于环视相机的MOD系统: nissan 官网:​​​​​​Moving O…

UGUI射线检测与普通物体检测

UGUI物体检测与普通物体检测有所不同(UGUI射线检测已经被封装好): 1.Graphic Raycaster 主要用于UI上的射线检测,挂有这个组件的物体,必须要挂上Canvas这个组件(当挂上Graphic Raycaster时Canvas也会自动挂上)。 Ig…

多物体检测 RCNN

基于R-CNN的物体检测 原文地址:http://blog.csdn.net/hjimce/article/details/50187029 作者:hjimce 一、相关理论 本篇博文主要讲解2014年CVPR上的经典paper:《Rich feature hierarchies for Accurate Object Detection and Segmentation》…

自动驾驶感知——激光雷达物体检测算法

文章目录 1. 基于激光雷达的物体检测1.1 物体检测的输入与输出1.2 点云数据库1.3 激光雷达物体检测算法1.3.1 点视图1.3.1.1 PointNet1.3.1.2 PointNet1.3.1.3 Point-RCNN1.3.1.4 3D-SSD1.3.1.5 总结和对比 1.3.2 俯视图1.3.2.1 VoxelNet1.3.2.2 SECOND1.3.2.3 PIXOR1.3.2.4 AF…

物体检测之YOLO系列

业界对于目标检测的热度只增不减,但目前的框架也难于逾越RCNN系列、SSD、YOLO系列这三座大山,很多新的方法也是在此基础上做一些改进,所以有必要做一些整理,方便自己后续查看,这里先对YOLO系列做一些整理。没看过文章的…

物体检测难点 (多尺度检测, 遮挡与拥挤)

目录 多尺度检测降低下采样率与空洞卷积Anchor 设计多尺度训练 (Multi Scale Training,MST)特征融合尺度归一化: SNIP (Scale Normalization for Image Pyramids)Image Classification at Multiple ScalesData Variation or Correct Scale?Object Detection on an …

点云物体检测简介

点击上方“3D视觉工坊”,选择“星标” 干货第一时间送达 本文由知乎作者Leon Wu授权转载,不得擅自二次转载。原文链接:https://zhuanlan.zhihu.com/p/81474133 深度学习的开始 人类的大脑是一个神秘的器官,它由无数的神经细胞组成…

物体检测

计算机视觉中目标检测、跟踪、识别是最基本的几个task,尤其又以检测最为重要和基础。同时基本上所有的检测任务都需要在给出物体的bounding box之后,给出物体的类别(也就是给识别物体),所以文章中不区分检测和识别任务…