在烏云上看到一個基于php的webshell攻擊。

高度隱蔽的webshell，使用普通的php代碼將真正的shell內容經過層層加密處理之后保存到圖片當中，只留下一個url，并且url還是經過加密處理的，所以對外看沒有任何特征可尋，使其很難被發現，當打開上述url時，，顯示的是404，而這個404頁面就是偽裝為404的木馬，只是把標題改為了404 Not Found。

對于if else 有人追求結構的完整，有if必有else，這看起來或許是不錯，不過有時會帶來代碼的繁瑣，而且可能會導致邏輯的混亂；可以以一種結果為基準，當發生其他情況時做if判斷；即默認A，有異常則為B：

單頁面就是一切操作和布局都是在一個頁面下進行，不需要頁面跳轉，根據不同的用戶請求加載不同的內容。

優點：頁面結構簡單，數據量小，節省帶寬，響應快，體驗好，易于開發、維護以及優化；

缺點：使用ajax技術，導致不利于seo。

主要針對上一案例的單頁面結構，程序通過#結構url控制頁面內容，但不會被搜索引擎抓取。

方法一：twitter使用"井號+感嘆號"的結構，但體驗不好而且繁瑣；

方法二：使用History API；在不刷新頁面的情況下，改變瀏覽器地址欄顯示的地址。步驟如下：

A、用History API替代井號結構，讓每個#號都變成正常路徑的URL，這樣搜索引擎就會抓取每一個網頁。

B、定義一個JavaScript函數，處理html' target='_blank'>Ajax部分，根據網址抓取內容。

C、定義鼠標的click事件，使用History對象的popstate事件處理瀏覽器的"前進 / 后退"按鈕。

D、設置服務器端。

以前一直使用curl_init()，最近看到有curl_multi_init()；本以為會帶來更高效的代碼，看了下curl_multi的步驟，感覺相當繁瑣，而且curl_multi可能會造成cpu過高、網頁假死等現象；同時對比了curl_init和curl_multi_init，多線程在速度上不一定優于單線程，多線程只是能在同時處理多任務，時間成本不一定低。附上curl_multi的使用步驟：

第一步：調用curl_multi_init；

第二步：循環調用curl_multi_add_handle；

這一步需要注意的是，curl_multi_add_handle的第二個參數是由curl_init而來的子handle；

第三步：持續調用curl_multi_exec；

第四步：根據需要循環調用curl_multi_getcontent獲取結果；

第五步：調用curl_multi_remove_handle，并為每個字handle調用curl_close；

第六步：調用curl_multi_close。

strstr(string,search)搜索一個字符串在另一個字符串中的第一次出現。返回字符串的其余部分（從匹配點）。如果未找到所搜索的字符串，則返回 false。

search 必需。規定所搜索的字符串。如果該參數是數字，則搜索匹配數字 ASCII 值的字符。

參考：http://www.w3cschool.cn/func_string_strstr.html。所以，在給第二個參數時，如果需要匹配數字，建議加上引號。

家附近的一條久治不下的道路，通過劃分出人行通道、非機動車道、機動車道，使得問題一下子等到了解決。有時候靈活導致選擇過多，問題也會很多；程序亦如此，用戶輸入的靈活看起來很不錯，其實在后臺處理時是需要更多的成本，何不在前期就進行規范化，bug止于源頭，而不是亡羊補牢。規范化使一切流程變得簡單高效。

HHVM (HipHop Virtual Machine)會將PHP代碼轉換成高級別的字節碼（通常稱為中間語言）。然后在運行時通過即時（JIT）編譯器將這些字節碼轉換為x64的機器碼。

從各項數據表明，和Zend相比，HHVM變得更高效，CPU負載降低，平均頁面加載時間也縮短。HHVM的存在是為了優化PHP運行性能，和php5相比，確實存在一些優勢，還是坐等php7吧。

當學習新的、不熟悉的源碼時，對代碼結構獲取直觀的感受是很重要的。可以通過從每個源文件中逐行獲取標點進行總結，即文件簽名。這可以幫助考量代碼的復雜度。其實也就是提取代碼文件中固定的符號呈現文件的結構。

參考：http://c2.com/doc/SignatureSurvey/

1、基于內容的推薦算法的前提假設是：如果用戶喜歡物品a，那么用戶也應該會喜歡與a類似的物品?；舅枷胧遣鸱謨热輰傩裕崛∠嗤瑢傩缘膬热葸M行推薦。

2、協同過濾推薦算法的前提假設是：如果用戶a與用戶b均對一系列相同的物品表示喜歡，那么a極有可能也喜歡b用戶喜歡的其他物品?；具^程是用戶首先為每個item進行評價打分,通過計算不同用戶評分之間的相似程度,可以找到最近鄰居,根據最近鄰居的評價,產生推薦。

上述算法都是運用了矩陣建模，使用到余弦相似度、皮爾遜相似度等公式。使用中可將二者合二為一推薦。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。