2021第二届全国⼤学⽣⽹络安全精英赛赛事介绍
2021第二届全国⼤学⽣⽹络安全精英赛，指导单位为中国信息安全测评中⼼，主办⽅为国家⽹络空间安全⼈才培养基地。⼤赛以普及知识、挖掘⼈才为⼰任，⾯向全国⼤学⽣普及信息安全意识、传播信息安全知识、挖掘信息安全⼈才。
本次比赛分为3个阶段，参赛学员均已个人赛形式参加比赛。第一阶段为全国线上初赛，主要考察学生的信息安全知识水平；第二阶段为全国线上复赛，主要考察学生网络安全基础知识和基本技能；第三阶段为全国线下总决赛；具体如下：
1.1.全国初赛
初赛主要考察学生信息安全知识水平，资格赛为线上答题形式。
☑ 比赛时间：7月1日-9月10日报名，9月13日-17日全国初赛
☑ 参赛资格：全国各类高、中等院校在校学生
☑ 比赛形式：初赛由各个参赛院校组织学生至大赛官网自主报名，由当地承办机构组织安排初赛时间。
☑ 比赛题型：初赛为50道单选题。
☑ 比赛内容：内容包含：信息安全概述、信息安全法律法规、信息安全基础技术、网络安全防护技术、操作系统安全防护技术、应用安全、移动智能终端安全防护、信息安全管理。
☑ 通过条件：满分100分，竞赛成绩达到70分及以上。
1.2.全国复赛
全国复赛主要考察参赛选手网络安全基础知识和基本技能。
☑ 比赛时间：9月24日全国复赛
☑ 比赛形式：复赛为线上答题形式进行，参赛条件为初赛成绩达70分以上。
☑ 比赛题型：复赛为100道单选题，
☑ 比赛内容：信息安全支撑技术、物理与网络通信安全、计算机环境安全、软件安全开发。
☑ 通过条件：全国前100名通过参加线下总决赛
1.3.全国总决赛
全国总决赛为线下知识竞赛形式。
☑ 比赛时间：10月11日全国线下总决赛
☑ 比赛形式：决赛为线下知识答题赛，参赛条件为复赛全国成绩前100名。
☑ 比赛题型：总决赛为100道单选题，
☑ 比赛内容：信息安全支撑技术、物理与网络通信安全、计算机环境安全、软件安全开发等。
☑ 获奖条件：根据总决赛最终成绩排名，产生大学生网络安全竞赛金奖：10人；银奖：10人；铜奖：20人。
1.4.奖项设置
2021年第二届大学生网络安全竞赛共设奖金20万元。
金奖：10人，奖金10000元/人
银奖：10人，奖金5000元/人
铜奖：20人，奖金2500元/人
获得⼤赛⾦银铜牌的选⼿，可获得⼤赛协办单位腾讯安全、卓朗科技、 深信服等信息安全知名企业签约⼯作机会。
4. 大赛同期其他活动
本次大赛同期将进行一系列与相关的活动，主要活动如下：
1.1大学生网络安全知识精英赛校园大使招募
第二届全国大学生网络安全精英赛即将于2021年7月1日启动报名，9月网络安全周期间开赛。现在面向全国在校大学生招募校园大使。招募规则如下：
1.1.1.招募标准
具备⼀定的信息安全基础知识，擅长通过talkshow⼩段子、音乐创作、创意剪辑等各种才艺、方法传播信息安全知识、宣传网络安全精英赛的在校大学生。
1.1.2.招募平台
抖音APP
1.1.3.报名方式
1、开通抖音账号，并关注抖音官方号“网安精英赛”。
2、活动时间：2021年7月1日-2021年9月30日，10月11日公布获奖名单
3、拍摄与网络安全相关的短视频添加话题#网络安全精英赛#在抖音发布，并@网安精英赛 官方账号。
4、发动同学为自己的短视频点赞。
1.1.4.评选
大赛组委会邀请评委会评选作品，筛选出符合招募要求的作品，并按照点赞数排序，最终前十名入选的创作者将成为本届大学生网络安全精英赛校园大使。
1.1.5.公布
最终入选名单将在精英赛官网（https://www.nisp.org.cn/ds）公布。
1.1.6.表彰
成功当选校园大使的创作者，精英赛组委会将颁发聘书，并奖励华为 Mate 40E 手机一台（京东官方价4199元）。
1.2大学生网络安全知识精英赛答题接龙活动
校园大使招募活动同时，大赛组委会举办“网络安全精英赛·答题接龙”活动。
活动时间：2021年7月1日-2021年9月30日，10月11日公布获奖名单
参与在校大学生可登陆精英赛官网（https://www.nisp.org.cn/ds）学习网络安全辅导课程，并练习模拟题。
在抖音APP上传短视频，内容为回答一道网络安全模拟题，指定同学接龙。并以“大学生网络安全精英赛，你也来答题吧~”结尾。@网安精英赛 官方账号，参与抽奖。
奖品为华为WATCH GT 2 Pro 智能手表，共十个获奖名额（京东官网价2388元）。
漫谈大数据平台架构
作者：superhuawei
近年来，互联网公司中大数据平台的建设和安全一直是热点。笔者计划发两篇文章参与一下讨论，一篇架构+一篇安全。本文不依托于任何一家大厂的平台架构，用通俗的语言介绍一下大数据平台的整体架构。
下面用两个问题开篇：
- 什么是大数据平台?是将互联网产品和后台的大数据系统整合起来，将应用系统产生的数据导入大数据平台，经过计算后导出给应用系统使用。
- 为什么大数据平台在互联网行业非常重要?大数据平台将互联网应用和大数据产品整合起来，将实时数据和离线数据打通，使数据可以实现更大规模的关联计算，挖掘出数据更大的价值，从而实现数据驱动业务。大数据平台使得大数据技术产品可以落地应用，实现了自身价值。
总体来说：大数据平台可以分为四个部分：数据采集、数据处理、数据输出和任务调度管理。
一、数据采集
按照数据源可以分为如下4点：
1. 数据库数据
目前比较常用的数据库导入工具有Sqoop和Canal。
Sqoop 是一个数据库批量导入导出工具，可以将关系数据库的数据批量导入到 Hadoop，也可以将 Hadoop 的数据导出到关系数据库。
Sqoop 适合关系数据库数据的批量导入，如果想实时导入关系数据库的数据，可以选择Canal。Canal是阿里巴巴开源的一个 MySQLbinlog 获取工具，binlog 是 MySQL 的事务日志，可用于MySQL数据库主从复制，Canal 将自己伪装成 MySQL 从库，从 MySQL 获取binlog。
2. 日志数据
日志是大数据平台重要数据来源之一，应用程序日志一方面记录各种程序执行状况，一方面记录用户的操作轨迹。Flume 是大数据日志收集常用的工具。Flume 最早由 Cloudera 开发，后来捐赠给 Apache 基金会作为开源项目运营。
3. 前端程序埋点
所谓前端埋点，是应用前端为了进行数据统计和分析采集数据。
用户的某些前端行为并不会产生后端请求，比如用户页面停留时间、用户浏览速度、用户点选又取消等等。这些信息对于分析用户行为等都很有价值。但是这些数据必须通过前端埋点获得，有些互联网公司会将前端埋点数据当作最主要的大数据来源，用户所有前端行为，都会埋点采集，再辅助结合其他的数据源，构建自己的大数据仓库，进而进行数据分析和挖掘。
对于一个互联网应用，当我们提到前端的时候，可能指的是如下几类：
- App 程序，比如一个 iOS 应用或者 Android 应用，安装在用户的手机或者平板上;
- PC Web 前端，使用 PC 浏览器打开;
- H5 前端，由移动设备浏览器打开;
- 微信小程序，在微信内打开。
这些不同的前端使用不同的开发语言开发，运行在不同的设备上，每一类前端都需要解决自己的埋点问题。
埋点的方式主要有手工埋点、自动化埋点和可视化埋点。
手工埋点就是前端开发者手动编程将需要采集的前端数据发送到后端的数据采集系统。通常公司会开发一些前端数据上报的 SDK，前端工程师在需要埋点的地方，调用 SDK，按照接口规范传入相关参数，比如 ID、名称、页面、控件等通用参数，还有业务逻辑数据等，SDK 将这些数据通过 HTTP 的方式发送到后端服务器。
自动化埋点则是通过一个前端程序 SDK，自动收集全部用户操作事件，然后全量上传到后端服器。自动化埋点有时候也被称作无埋点，意思是无需埋点，实际上是全埋点，即全部用户操作都埋点采集。自动化埋点的好处是开发工作量小，数据规范统一。缺点是采集的数据量大，很多数据采集来也不知道有什么用，白白浪费了计算资源，特别是对于流量敏感的移动端用户而言，因为自动化埋点采集上传花费了大量的流量，可能因此成为卸载应用的理由，这样就得不偿失了。在实践中，有时候只是针对部分用户做自动埋点，抽样一部分数据做统计分析。
介于手工埋点和自动化埋点之间的，还有一种方案是可视化埋点。通过可视化的方式配置哪些前端操作需要埋点，根据配置采集数据。可视化埋点实际上是可以人工干预的自动化埋点。
4. 爬虫系统
通过网络爬虫获取外部数据用于行业数据支撑，管理决策等。由于涉及到敏感内容，不做更多的展开。
二、数据处理
大数据平台的核心，分为离线计算和实时计算两类。
1. 离线计算
由MapReduce、Hive、Spark 等进行的计算处理。
2. 实时计算
由Storm、SparkSteaming 等流式大数据引擎完成，可以在秒级甚至毫秒级时间内完成计算。
三、数据输出
大数据处理与计算产生的数据写入到 HDFS 中，但应用程序不会到 HDFS 中读取数据，所以必须要将 HDFS 中的数据导出到数据库中。除了给用户提供数据，大数据平台还需要在一些后台系统中给运营和决策层提供各种统计数据，这些数据也写入数据库，被相应的后台系统访问。
四、任务调度管理
将上面三个部分有效整合和运转起来的是任务调度管理系统，它的主要作用是：
- 合理调度各种 MapReduce、Spark 任务使资源利用最合理
- 尽快执行临时的重要任务
- 对作业提交、进度跟踪、数据查看等功能
简单的大数据平台任务调度管理系统其实就是一个类似 Crontab 的定时任务系统，按预设时间启动不同的大数据作业脚本。复杂的大数据平台任务调度还要考虑不同作业之间的依赖关系。开源的大数据调度系统有 Oozie，也可以在此基础进行扩展。
加入NISP、CISP课程学习网络安全行业
报考联系人nisp证书管理中心丹丹老师
微信号：nisptest/13520967307
漫谈大数据平台架构
作者：superhuawei
浏览：
发表时间：2020-04-07 18:05:37
近年来，互联网公司中大数据平台的建设和安全一直是热点。笔者计划发两篇文章参与一下讨论，一篇架构+一篇安全。本文不依托于任何一家大厂的平台架构，用通俗的语言介绍一下大数据平台的整体架构。
下面用两个问题开篇：
- 什么是大数据平台?是将互联网产品和后台的大数据系统整合起来，将应用系统产生的数据导入大数据平台，经过计算后导出给应用系统使用。
- 为什么大数据平台在互联网行业非常重要?大数据平台将互联网应用和大数据产品整合起来，将实时数据和离线数据打通，使数据可以实现更大规模的关联计算，挖掘出数据更大的价值，从而实现数据驱动业务。大数据平台使得大数据技术产品可以落地应用，实现了自身价值。
总体来说：大数据平台可以分为四个部分：数据采集、数据处理、数据输出和任务调度管理。
一、数据采集
按照数据源可以分为如下4点：
1. 数据库数据
目前比较常用的数据库导入工具有Sqoop和Canal。
Sqoop 是一个数据库批量导入导出工具，可以将关系数据库的数据批量导入到 Hadoop，也可以将 Hadoop 的数据导出到关系数据库。
Sqoop 适合关系数据库数据的批量导入，如果想实时导入关系数据库的数据，可以选择Canal。Canal是阿里巴巴开源的一个 MySQLbinlog 获取工具，binlog 是 MySQL 的事务日志，可用于MySQL数据库主从复制，Canal 将自己伪装成 MySQL 从库，从 MySQL 获取binlog。
2. 日志数据
日志是大数据平台重要数据来源之一，应用程序日志一方面记录各种程序执行状况，一方面记录用户的操作轨迹。Flume 是大数据日志收集常用的工具。Flume 最早由 Cloudera 开发，后来捐赠给 Apache 基金会作为开源项目运营。
3. 前端程序埋点
所谓前端埋点，是应用前端为了进行数据统计和分析采集数据。
用户的某些前端行为并不会产生后端请求，比如用户页面停留时间、用户浏览速度、用户点选又取消等等。这些信息对于分析用户行为等都很有价值。但是这些数据必须通过前端埋点获得，有些互联网公司会将前端埋点数据当作最主要的大数据来源，用户所有前端行为，都会埋点采集，再辅助结合其他的数据源，构建自己的大数据仓库，进而进行数据分析和挖掘。
对于一个互联网应用，当我们提到前端的时候，可能指的是如下几类：
- App 程序，比如一个 iOS 应用或者 Android 应用，安装在用户的手机或者平板上;
- PC Web 前端，使用 PC 浏览器打开;
- H5 前端，由移动设备浏览器打开;
- 微信小程序，在微信内打开。
这些不同的前端使用不同的开发语言开发，运行在不同的设备上，每一类前端都需要解决自己的埋点问题。
埋点的方式主要有手工埋点、自动化埋点和可视化埋点。
手工埋点就是前端开发者手动编程将需要采集的前端数据发送到后端的数据采集系统。通常公司会开发一些前端数据上报的 SDK，前端工程师在需要埋点的地方，调用 SDK，按照接口规范传入相关参数，比如 ID、名称、页面、控件等通用参数，还有业务逻辑数据等，SDK 将这些数据通过 HTTP 的方式发送到后端服务器。
自动化埋点则是通过一个前端程序 SDK，自动收集全部用户操作事件，然后全量上传到后端服器。自动化埋点有时候也被称作无埋点，意思是无需埋点，实际上是全埋点，即全部用户操作都埋点采集。自动化埋点的好处是开发工作量小，数据规范统一。缺点是采集的数据量大，很多数据采集来也不知道有什么用，白白浪费了计算资源，特别是对于流量敏感的移动端用户而言，因为自动化埋点采集上传花费了大量的流量，可能因此成为卸载应用的理由，这样就得不偿失了。在实践中，有时候只是针对部分用户做自动埋点，抽样一部分数据做统计分析。
介于手工埋点和自动化埋点之间的，还有一种方案是可视化埋点。通过可视化的方式配置哪些前端操作需要埋点，根据配置采集数据。可视化埋点实际上是可以人工干预的自动化埋点。
4. 爬虫系统
通过网络爬虫获取外部数据用于行业数据支撑，管理决策等。由于涉及到敏感内容，不做更多的展开。
二、数据处理
大数据平台的核心，分为离线计算和实时计算两类。
1. 离线计算
由MapReduce、Hive、Spark 等进行的计算处理。
2. 实时计算
由Storm、SparkSteaming 等流式大数据引擎完成，可以在秒级甚至毫秒级时间内完成计算。
三、数据输出
大数据处理与计算产生的数据写入到 HDFS 中，但应用程序不会到 HDFS 中读取数据，所以必须要将 HDFS 中的数据导出到数据库中。除了给用户提供数据，大数据平台还需要在一些后台系统中给运营和决策层提供各种统计数据，这些数据也写入数据库，被相应的后台系统访问。
四、任务调度管理
将上面三个部分有效整合和运转起来的是任务调度管理系统，它的主要作用是：
- 合理调度各种 MapReduce、Spark 任务使资源利用最合理
- 尽快执行临时的重要任务
- 对作业提交、进度跟踪、数据查看等功能
简单的大数据平台任务调度管理系统其实就是一个类似 Crontab 的定时任务系统，按预设时间启动不同的大数据作业脚本。复杂的大数据平台任务调度还要考虑不同作业之间的依赖关系。开源的大数据调度系统有 Oozie，也可以在此基础进行扩展。
加入NISP、CISP课程学习网络安全行业
报考联系人nisp证书管理中心丹丹老师
微信号：nisptest/13520967307
点击右上角
分享给朋友吧
长按图片保存/分享
0
文章推荐
