中国得话知乎问答有相近的许多难题了，有大神小结的很全方位了，那我填补好多个海外较为强烈推荐的黑客论坛吧。()

1、GreySec

黑客和安全性论坛。

2、Hack Forums

这是一个公布有关黑客/综合利用/各种各样探讨的网站。

3、0x00sec

黑客，恶意程序，计算机工程，反向工程。

4、ANTICHAT

一个乌克兰的黑客论坛。

5、Hack

6、MPGH

多游戏玩家手机游戏黑客小区。

7、The Home of Hackers!

小区包含全部种类的黑客话题讨论。

热烈欢迎各界大神填补强烈推荐。

我国黑客论坛。

技术实力这类物品更好是還是靠实战演练来提升，单纯性靠去看书，你看看一百年，水准都不容易提高是多少，当然，基本的专业知识你得把握

可是基本知识实际上能够 在实战演练全过程中填补，例如你这儿卡住了，就要查看有关的材料，随后根据自身的钻研，解决问题了，这时候便会让你留有刻骨铭心的印像，有利于自身更加深入的了解这一技术性身后的基本原理

提议你先去学习語言，这些基础英语的语法哪些的都掌握清晰，基本的物品也不掌握得话，瞎折腾起來你很费劲儿的

很感兴趣还可以回来跟着学，技术性高手，十五年技术性累积，

import numpy as np

""" Here I implemented the scoring functions.

MAE, MSE, RMSE, RMSLE are included.

Those are used for calculating differences between

predicted values and actual values.

Metrics are slightly differentiated. Sometimes squared, rooted,

even log is used.

Using log and roots can be perceived as tools for penalizing big

errors. However, using appropriate metrics depends on the situations,

and types of data

"""

# Mean Absolute Error

def mae(predict, actual):

"""

Examples(rounded for precision):

>>> actual=[1,2,3];predict=[1,4,3]

>>> np.around(mae(predict,actual),decimals=2)

0.67

>>> actual=[1,1,1];predict=[1,1,1]

>>> mae(predict,actual)

0.0

"""

predict=np.array(predict)

actual=np.array(actual)

difference=abs(predict - actual)

score=difference.mean()

return score

# Mean Squared Error

def mse(predict, actual):

"""

Examples(rounded for precision):

>>> actual=[1,2,3];predict=[1,4,3]

>>> np.around(mse(predict,actual),decimals=2)

1.33

>>> actual=[1,1,1];predict=[1,1,1]

>>> mse(predict,actual)

0.0

"""

predict=np.array(predict)

actual=np.array(actual)

difference=predict - actual

square_diff=np.square(difference)

score=square_diff.mean()

return score

# Root Mean Squared Error

def rmse(predict, actual):

"""

Examples(rounded for precision):

>>> actual=[1,2,3];predict=[1,4,3]

>>> np.around(rmse(predict,actual),decimals=2)

1.15

>>> actual=[1,1,1];predict=[1,1,1]

>>> rmse(predict,actual)

0.0

"""

predict=np.array(predict)

actual=np.array(actual)

difference=predict - actual

square_diff=np.square(difference)

mean_square_diff=square_diff.mean()

score=np.sqrt(mean_square_diff)

return score

# Root Mean Square Logarithmic Error

def rmsle(predict, actual):

"""

Examples(rounded for precision):

>>> actual=[10,10,30];predict=[10,2,30]

>>> np.around(rmsle(predict,actual),decimals=2)

0.75

>>> actual=[1,1,1];predict=[1,1,1]

>>> rmsle(predict,actual)

0.0

"""

predict=np.array(predict)

actual=np.array(actual)

log_predict=np.log(predict 1)

log_actual=np.log(actual 1)

difference=log_predict - log_actual

square_diff=np.square(difference)

mean_square_diff=square_diff.mean()

score=np.sqrt(mean_square_diff)

return score

# Mean Bias Deviation

def mbd(predict, actual):

"""

This value is Negative, if the model underpredicts,

positive, if it overpredicts.

Example(rounded for precision):

Here the model overpredicts

>>> actual=[1,2,3];predict=[2,3,4]

>>> np.around(mbd(predict,actual),decimals=2)

50.0

Here the model underpredicts

>>> actual=[1,2,3];predict=[0,1,1]

>>> np.around(mbd(predict,actual),decimals=2)

-66.67

"""

predict=np.array(predict)

actual=np.array(actual)

difference=predict - actual

numerator=np.sum(difference) / len(predict)

denumerator=np.sum(actual) / len(predict)

# print(numerator, denumerator)

score=float(numerator) / denumerator * 100

return score

如果你在凝望深渊的情况下，谷底也在凝视着着你，好好地的跟一个搞手机软件的兄弟一起，結果竟然说我没上大学

这一份名册大部分包揽了现阶段全世界各大更好黑客技术论坛。(骄纵的我：中国演艺圈一个都没放)

现阶段许多 盆友期待学习培训与黑客工作中有关的技术性与专业技能，但却不清楚该从哪里着手。假如显示屏前的您也是在其中一员，那麼我建议大伙儿更先添加一个合适自身的黑客技术论坛。往往挑选这类 *** ，是由于这种黑客技术论坛身后都有着着强劲的权威专家小区基本，足够协助诸位处理自身遭遇的各种各样疑虑。假如大伙儿不清楚什么论坛较为可靠，那麼我将在这儿给诸位列举一份名册。请诸位依据自身的具体必须，从这当中挑选更好的选择项。备注名称:这一份名册彻底依据我的本人工作经验所归纳，大伙儿很有可能拥有自身的分辨——我们相互尊重就行。各大出色黑客技术论坛：

Hack Forums:

Hack Forums是现阶段更为理想化的黑客技术学习培训革命老区。该论坛不但在设计方案上朝向黑客人群，另外也适用开发者、时尚博主、游戏开发商、程序猿、图形创意 师以及 *** 营销人士。

　　Evil Zone:

　　Evil Zone是一个专门面向黑客群体的论坛。当然，其中也涉及科学、编程以及艺术等领域的内容。

　　Offensive Community:

　　Offensive安全社区基本上属于一个“具备大量黑客教程收集库的黑客论坛”。

　　Hellbound Hackers:

　　这里提供与黑客技术相关的各类课程、挑战题目与实现工具。

　　Hack This Site:

　　HackThisSite提供合法而安全的 *** 安全资源，在这里大家可以通过各类挑战题目测试自己的黑客技能，同时学习到更多与黑客及 *** 安全相关的知识。简而言之，这是学习黑客技术的更佳站点。

　　Hack Hound:

　　一个拥有大量相关教程及工具的黑客论坛。

　　Binary Revolution Hacking Forums:

　　提供各类教程、工具以及安全文章。

　　Exploit-DB:

　　Exploit-DB提供一整套庞大的归档体系，其中涵盖了各类公开的攻击事件、漏洞报告、安全文章以及技术教程等资源。

　　Crackmes de:

　　在这里，大家可以通过解决各类任务（即crackmes）来测试并提升自己的相关技能水平。

　　Cracking Forum:

　　提供各类最新入侵教程及工具。

　　Ethical Hacker:

　　另一个黑客论坛，提供多种教程及工具资源。

　　Rohitab:

　　Rohitab专注于安全类文章、计算机编程、Web设计以及图形设计等领域。

　　Enigma Group:

　　Enigma Group提供合法且安全的安全资源，大家可以在这里通过各类培训任务测试并拓展自己的技能水平。

　　Hack Mac:

　　提供与Mac平台相关的黑客、入侵以及安全保护教程。

　　OpenSC:

　　Open SC是一个安全研究与开发论坛，且号称是全球知名度更高的恶意软件论坛。

　　Packet Storm:

　　提供与数据库相关的建议、漏洞利用、工具、论文以及安全新闻。希望这份名单能够给大家带来切实帮助。如果您觉得不错，也请把它分享给自己的朋友和信息安全关注者。分享即是关怀……

　　Hack Hound1000错误怎么回事

　　想咨询一下问题

　　我为什么搜不到这几个论坛啊

　　Open SC为什么搜不到

　　

　　各大优秀黑客技术论坛：

　　Hack Forums:

　　Hack Forums是目前最为理想的黑客技术学习根据地。该论坛不仅在设计上面向黑客群体，同时也适用于开发人员、博主、游戏开发者、程序员、图形设计师以及 *** 营销人士。

　　Evil Zone:

　　Evil Zone是一个专门面向黑客群体的论坛。当然，其中也涉及科学、编程以及艺术等领域的内容。

　　Offensive Community:

　　Offensive安全社区基本上属于一个“具备大量黑客教程收集库的黑客论坛”。

　　Hellbound Hackers:

　　这里提供与黑客技术相关的各类课程、挑战题目与实现工具。

　　Hack This Site:

　　HackThisSite提供合法而安全的 *** 安全资源，在这里大家可以通过各类挑战题目测试自己的黑客技能，同时学习到更多与黑客及 *** 安全相关的知识。简而言之，这是学习黑客技术的更佳站点。

　　Hack Hound:

　　一个拥有大量相关教程及工具的黑客论坛。

　　Binary Revolution Hacking Forums:

　　提供各类教程、工具以及安全文章。

　　Exploit-DB:

　　Exploit-DB提供一整套庞大的归档体系，其中涵盖了各类公开的攻击事件、漏洞报告、安全文章以及技术教程等资源。

　　Crackmes de:

　　在这里，大家可以通过解决各类任务（即crackmes）来测试并提升自己的相关技能水平。

　　Cracking Forum:

　　提供各类最新入侵教程及工具。

　　Ethical Hacker:

　　另一个黑客论坛，提供多种教程及工具资源。

　　Rohitab:

　　Rohitab专注于安全类文章、计算机编程、Web设计以及图形设计等领域。

　　Enigma Group:

　　Enigma Group提供合法且安全的安全资源，大家可以在这里通过各类培训任务测试并拓展自己的技能水平。

　　Hack Mac:

　　提供与Mac平台相关的黑客、入侵以及安全保护教程。

　　OpenSC:

　　Open SC是一个安全研究与开发论坛，且号称是全球知名度更高的恶意软件论坛。

　　Packet Storm:

　　提供与数据库相关的建议、漏洞利用、工具、论文以及安全新闻。