本文目录一览：
- 1、如何使用深度学习检测XSS
- 2、如何通过BurpSuite检测Blind XSS漏洞
- 3、怎么在移动端用深度学习做实时的物体检测
- 4、发现XSS漏洞的一般做法有哪些？
- 5、如何利用深度学习进行人脸检测，这一领域当前相关进展
- 6、如果把深度学习用在驾驶员异常行为检测会不会很好
如何使用深度学习检测XSS
XSS跨站漏洞分为大致三种：储存型XSS，反射型XSS，和DOM型XSS，一般都是由于网站对用户输入的参数过滤不严格而调用浏览器的JS而产生的。XSS几乎每个网站都存在，google，百度，360等都存在，存在和危害范围广，危害安全性大。
如何通过BurpSuite检测Blind XSS漏洞
1.这是一个Blind XSS漏洞，可以通过这个联系表单来利用这个漏洞；
2.考虑到网站使用的是AngularJS v1.5.8，所以AngularJS在这里也会是一个非常重要的突破口；
3.基本的HTML注入和JavaScript注入（使用img或script标签）可能已经被过滤掉了；
怎么在移动端用深度学习做实时的物体检测
首先要明确移动端使用深度学习的问题所在：内存、运行速率以及代码体积。知道这些就可以思考这些问题了。
因为跑深度学习多用比较好的GPU，而手机端明显不如电脑，所以需要专门优化代码，这一点可以去借鉴已有的移动端深度学习开发框架，如caffe2、Mxnet、ncnn、mtl等。
如果使用深度学习框架的话，可能就要考虑代码体积和权重大小了，如果你不会网络压缩的话，建议使用小型网络，这样的话权重文件也就不会太大。只与代码体积，百度或者腾讯开源的框架已经降到了几百K。
以上都是基于移动端离线跑的，如果使用云端，那就不用考虑这些了。
发现XSS漏洞的一般做法有哪些？
关于发现时间，要具体到是检测什么目标了。找google的，和找腾讯的时间肯定不会一样。 至于“你们一般都是如何发现xss漏洞的？” 不同类型的XSS漏洞，可能不尽相同。
1.对于反射型XSS以及一些DOM XSS，一般建议是开发一些自动化的扫描工具进行扫描，并辅以手工分析。 另外一方面，搜索引擎也是快速寻找具有缺陷参数的好办法。
2.对于存储型XSS，
1) 对于单纯的输入-存储-输出点 的情况 （输入与输出点关系：一个地方输入，会有多个地方输出；不同地方输入，同一地方输出。绕了点 T T ...）。常规测试是正向直接输入内容，然后在输出点查看是否未过滤，当然你也可以先大胆假设输出点未过滤，反向寻找在何处进行输入，进而测试。
2）对于富文本，则需要对过滤器进行fuzz测试（人脑+自动化）了，正好乌云drops上有乌乌发了一篇：fuzzing XSS filter
3）第三类，就是一些WEB应用中所出现的DOM-存储型XSS，即输出点的无害内容，会经过js的一些dom操作变得危险（本质上和 第1点里的dom xss成因是一样的）。这一类的挖掘方法，个人觉得不太好总结。 其一，需要熟悉WEB应用的功能，其二，知道功能所对应的JS代码有哪些，其三，凭直觉猜测程序员会在哪些功能出现可能导致XSS的过滤遗忘或过滤错误（直觉是唬人的，其实就是你知道某些功能会需要某些代码实现，而这些代码常常容易出错），其四，需要有较好的代码阅读跟踪能力（JS一大坨。。还是蛮难读的.... 有些代码被混淆过，十分不易阅读，就会涉及到如何下断点进行调试的小技巧）。 我想，挖掘这一类的前提可能是需要有不错的前端开发经验，写多了，才会有足够的嗅觉。
其实吧，有时候专门去找漏洞会很累的，大什么怡情，小什么伤身，因此，我们还不如开心的敲敲代码，听听歌，静待生命中那些意外的收获。 这些收获经常来自身边的人发给你的一些事物。
最后，不论如何，基础很重要吧，内力不足，招式再多也没用，反之，草木竹石皆可为剑。
如何利用深度学习进行人脸检测，这一领域当前相关进展
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。
如果把深度学习用在驾驶员异常行为检测会不会很好
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。