sftp-server
sftp-server
sftp协议的服务器端程序
补充说明
sftp-server命令 是一个“sftp”协议的服务器端程序，它使用加密的方式进行文件传输。
语法
1 | sftp-server |
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 Estom的博客！
相关推荐
2021-12-24
ssh-agent
ssh-agentssh密钥管理器 补充说明ssh-agent命令 是一种控制用来保存公钥身份验证所使用的私钥的程序。ssh-agent在X会话或登录会话之初启动，所有其他窗口或程序则以客户端程序的身份启动并加入到ssh-agent程序中。通过使用环境变量，可定位代理并在登录到其他使用ssh机器上时使用代理自动进行身份验证。 其实ssh-agent就是一个密钥管理器，运行ssh-agent以后，使用ssh-add将私钥交给ssh-agent保管，其他程序需要身份验证的时候可以将验证申请交给ssh-agent来完成整个认证过程。 语法12ssh-agent [-c | -s] [-d] [-a bind_address] [-t life] [command [arg ...]]ssh-agent [-c | -s] -k 选项123456-a bind_address：bind the agent to the UNIX-domain socket bind_address.-c：生成C-shell风格的命令输出。-d：调试模式。-k：把ssh-agent进程杀掉。-s：生成B...
2021-03-08
6 软件文档管理组成
软件文档管理组成文档形成严格按照规定，保证编制、评审、版本管理等环节的质量。 标识文档类型便于保存、查找、使用、修改。文档所属项目标识、文档种类标识、同类文档中的版本号标识、文档的性质、保密界别和阅读范文标识。 文档控制保证文档的一致性、各个版本之间的有序性、文档的安全性。 文档修改管理提出修改建议说明修改的理由、修改的内容。对文档修改建议进行评论。审核修改建议批准修改建议实施修改
2019-10-29
9 网络管理实验
网络管理实验目录 网管软件基本功能实验 SNMP基本原理的验证与分析实验 网络拓扑发现实验 1 网管软件基本功能实验网络管理软件Quidview对路由器、交换机、接入服务器、食品设备进行统一管理和维护。 功能： 利用设备的管理信息库（MIB）完成浏览设备的配置信息 监视设备的运行状态 集成了SNMP、HP OpenView NNM等通用的网关平台。 基本概念网络管理包括对硬件、软件和人力的使用、综合与协调，以便对网络资源进行监视、测试、配置、分析、评测和控制。简称网管。 网管站：整个网络管理系统的核心。也称为网络运行中心。可以称为管理者。 被管设备：主机、路由器、集线器、网桥。称为网络元素、网元。 被管对象：被管设备中有很多被管对象。维持可供管理程序读写的若干控制和状态信息。 管理信息库MIB：耦控制和状态信息总称。管理程序使用MIB中的信息的值对网络进行管理。 网络管理协议：管理程序和代理程序之间进行通信的规则。 管理程序和代理程序：按客户/服务器方式工作。管理程序运行SNMP客户程序，像某个代理程序发出请求，代理程序运行SNMP服务程序，返回响应...
2021-06-15
3 TLS协议变迁
1 TSL1.0概念 TLS(Transport Layer Security，传输层安全协议)，用于两个应用程序之间提供保密性和数据完整性。 TLS 1.0是IETF（Internet Engineering Task Force，Internet工程任务组）制定的一种新的协议，它建立在SSL 3.0协议规范之上，是SSL 3.0的后续版本，可以理解为SSL 3.1(可简单理解为同一事物不同阶段的不同称呼)，它是写入了 RFC 的。该协议由两层组成： TLS 记录协议（TLS Record）和 TLS 握手协议（TLS Handshake）。较低的层为 TLS 记录协议，位于某个可靠的传输协议（例如 TCP）上面。 特点 对话的内容用”对称加密”,而对于”对称加密”带来的密钥传输问题,则由”非对称加密”来解决,由于客户端没有”非对称加密”的解密能力,所以密钥由客户端来产生并用公钥加密传输给服务端,这样就(在思路上)解决了密钥传输的安全问题和对话数据解密的性能问题 技术2 TSL1.1特点 隐式初始化向量（IV）被显式IV替换以防止CBC攻击[CBCATT]。 填充错误的处...
2020-09-26
plot_solarizedlight2
Solarized Light样式表这显示了一个“Solarized_Light”样式的示例，它试图复制以下样式： http://ethanschoonover.com/solarized https://github.com/jrnold/ggthemes http://pygal.org/en/stable/documentation/builtin_styles.html#light-solarized 并且: 使用调色板的所有8个重音 - 从蓝色开始 进行: 为条形图和堆积图创建Alpha值。 .33或.5 应用布局规则 123456789101112131415161718import matplotlib.pyplot as pltimport numpy as npx = np.linspace(0, 10)with plt.style.context('Solarize_Light2'): plt.plot(x, np.sin(x) + x + np.random.randn(50)) plt.plot(x, np.sin...
2021-03-22
41 单机模型并行
单机模型并行最佳实践 原文：https://pytorch.org/tutorials/intermediate/model_parallel_tutorial.html 作者：Shen Li 模型并行在分布式训练技术中被广泛使用。 先前的帖子已经解释了如何使用DataParallel在多个 GPU 上训练神经网络； 此功能将相同的模型复制到所有 GPU，其中每个 GPU 消耗输入数据的不同分区。 尽管它可以极大地加快训练过程，但不适用于模型太大而无法容纳单个 GPU 的某些用例。 这篇文章展示了如何通过使用模型并行解决该问题，与DataParallel相比，该模型将单个模型拆分到不同的 GPU 上，而不是在每个 GPU 上复制整个模型（具体来说， 假设模型m包含 10 层：使用DataParallel时，每个 GPU 都具有这 10 层中的每一个的副本，而当在两个 GPU 上并行使用模型时，每个 GPU 可以承载 5 层。 模型并行化的高级思想是将模型的不同子网放置在不同的设备上，并相应地实现forward方法以在设备之间移动中间输出。 由于模型的一部分仅在任何单个设备上运行...
