Kali Linux 設定その3

Kali Linux 設定その3

man2html を入れることで
man をブラウザで参照できるようになる

terminal を開き

apt install man2html

でインストール

次にCGIの実行の有効化

a2enmod cgid

でccgid モジュールを組み込み

systemctl restart apache2

で Apache の再起動

これで KaliLinux の FireFox を起動
http://localhost/cgi-bin/man/man2html
へアクセスすると
ブラウザで man が使えるようになっている

Kali Linux 設定その2

Kali Linux 設定その2

まずパッケージアップデート

terminal を起動し

apt update

でパッケージリストの更新

次に

apt-get upgrade

でインストール済みパッケージを更新

途中で postgresql  の設定画面がでるが
q
を押して画面を抜ける

アップデート注に wireshark の設定がでてくる

│ Dumpcap can be installed in a way that allows members of the “wireshark” │
│ system group to capture packets. This is recommended over the │
│ alternative of running Wireshark/Tshark directly as root, because less │
│ of the code will run with elevated privileges. │
│ │
│ For more detailed information please see │
│ /usr/share/doc/wireshark-common/README.Debian. │
│ │
│ Enabling this feature may be a security risk, so it is disabled by │
│ default. If in doubt, it is suggested to leave it disabled. │
│ │
│ Should non-superusers be able to capture packets?

と書かれているが
これは root 以外のユーザでもキャプチャできるようにするか?
ということなので
No
を選択

次に root パスワードを変更
デフォルトは toor
このままだとリスクが高いため

passwd

で任意のパスワードへ変更

次に一般ユーザの作成とパスワード設定

 useradd -m ユーザ名

というようにして
-m オプションをつけることで
新規ユーザのホームディレクトリも作成

useradd コマンドについては
Qiita のuseradd コマンド

を参考に

そのままだとパスワードを設定していないので

 
passwd ユーザ名

としてパスワードを設定

その後sudoコマンド権限を与え

ログインシェルを bash に設定

usermod -a -G sudo ユーザ名
chsh -s /bin/bash ユーザ名

SSH 接続関連の設定は
Kali Linux をリモート操作はしないので
今回は省略

次にterminal をショートカットキーで起動できるよう設定

デスクトップから Settings アイコンをクリック

Devices をクリック

keybord をクリックし
右側を下へスクロールして + アイコンをクリック

Name に Launch Terminal
Command に gnome-terminal
として
Set Shortcut..
をクリック

これでショートカットキーにしたいキーを押せばOK
今回は
ctrl + Alt + t

これでキーの設定が表示されたら
Add をクリック

これで ctrl + alt + t で terminal が起動できるようになる

次に Terminal の拡張
これにより
タブや画面分割ができるようになり
キーボードだけでの操作が可能になる

apt install terminator -y

でインストールできる

kali Linux の設定

kali Linux の設定

ダウンロードが完了した Kali Linux を
Virtualbox で起動

ファイル > 仮想アプライアンスのインポート

ダウンロードした kali linux の ova ファイルを指定し
次へ
をクリック

仮想マシンについての設定が表示されるので
インポートをクリック

インポートが完了すれば仮想マシン一覧に
Kali Linux が表示される

なお、初期状態のままだと
ユーザ名 root
パスワード toor
という状態になっている

初期状態では
英語キーボード設定なので
日本語キーボード対応に設定を変更

仮想マシンを起動しログイン
画面右上のプルダウンメニューから
Settings アイコンをクリック

Region & Language

Input Sources の中の+アイコンをクリック

Japanese をクリックし
Add をクリック

これで日本語入力が可能になるので
英語キーボードは削除

English をクリックし
ーアイコンをクリックすれば削除できる

続いてタイムゾーンを日本に変更
Date & Time をクリックし

TimeZone をクリックすると世界地図がでるので
日本をクリック
これで設定されるので
xを押して地図を閉じる

これで TimeZone が日本時間になり
画面で表示される時刻も修正されているのが確認できる

次に日本語入力ができるように設定

デスクトップから
terminal アイコンをクリック

apt install -y task-japanese task-japanese-desktop

を実行

その後再起動することで日本語入力が可能に

Ubuntu 16.04 へ STS(Spring-tool-suite) インストール

Ubuntu 16.04 へ STS(Spring-tool-suite) インストール

ubuntu へ
SpringとThymeleaf
が使えるように設定

https://spring.io/tools
へアクセスし

Download STS4
をクリック

ダウンロードが始まるので
完了したら

ctrl + alt + t で端末をひらき

cd ダウンロード/
tar zxvf spring-tool-suite-4-4.3.0.RELEASE-e4.12.0-linux.gtk.x86_64.tar.gz 

で圧縮ファイルを解凍

Linux の tar.gz ファイルの解凍は
[Linux]ファイルの圧縮、解凍方法

を参考に

これで展開が終わると
sts-4.3.0.RELEASE
というファイルができるので
これをクリック

SprintToolSuite4
をクリックすれば起動します

なお、今回は日本語化はなしで英語のまま使います

起動すると workspace の設定がでるので
そのままでOKなので
Launch をクリック

起動したらデフォルト java の設定確認
もし設定されていなのなら

windows > prefence

Java > Installed JREs
でAdd をクリック

Standard VM
になっているので Next をクリック

インストールしている jdk のディレクトリを調べる必要があるので

update-java-alternatives -l

でパスを確認

今回の結果は

java-8-oracle                  1081       /usr/lib/jvm/java-8-oracle

となったので

JRE home には
/usr/lib/jvm/java-8-oracle
を指定

JupyterNotebook で Keras インポートエラーの解決

JupyterNotebook で Keras インポートエラーの解決

ModuleNotFoundError: No module named ‘keras

Keras がインストールされていないと
メッセージがでたので

pip install keras

でインストール

しかし
jupyter notebook で今度は
Using TensorFlow backend.
となってしまう

【Jupyter Notebook】kerasのインポートエラーを解決したときのメモ

を参考に

conda config --get channels

を実行したけど何もでない

conda config --append channels conda-forge

を実行し

再度

conda config --get channels

を実行すると

--add channels 'conda-forge'   # lowest priority
--add channels 'defaults'   # highest priority

次に

conda install keras

を実行し

Proceed ([y]/n)?

となったら y を入力することで
Anaconda 環境へ Keras のインストールが成功

これで JupyterNotebook で Keras が使えるようになりました

ads.txt ファイルが含まれていないサイトがあると警告がでたときの対処

ads.txt ファイルが含まれていないサイトがあると警告がでたときの対処

Google Adsense のアプリに

要注意 – ads.txt ファイルが含まれていないサイトがあります。
収益に重大な影響が出ないよう、この問題を今すぐ修正してください。

とのメッセージが届いたため

ads.txt wordpress
で検索し

ads.txtの設置方法と書き方→WordPressへ

を参考に設定

この ads.txt は
自分のサイトの広告枠は○○○という広告主に対して許可を与えています
というものらしい

wordpress の場合
自分でテキストファイルをつくって
それをアップすればOK

このテキスト作成にあたり
サイト運営者IDが必要

これは Adsense にログインして
アカウントをクリックすれば
サイト運営者IDが表示されているので
これをコピー

あとはテキストエディタで
ads.txt を作成

私の場合は
Ubuntu なので gedit を起動

google.com, pub-サイト運営者ID, DIRECT, f08c47fec0942fa0

として
ads.txt というファイル名で保存

あとはドメイン直下のディレクトリにこのファイルをアップロード

今回は
scp コマンドで転送してから移動

scp ads.txt ユーザ名@サーバIP:/home/ユーザ名/

で転送してから ssh でログイン

sudo cp ads.txt /var/www/html/wp.developapp.net/

でドメイン直下にコピー

これで対処完了したのであとは警告が消えるのを待つだけでOK

自然言語処理 Janome のテスト

自然言語処理

N-gram は
文章を分割する単位

This is a pen なら
N-gram = 2 なら
This is
is a
a pen
というように前後2つの単語で文章を区切るようになる

N-gram = 1 なら単語ごとになり

N-gram =3 なら
This is a
is a pen
というように3つの単語で区切る

これが N-gram法

2つの単語で区切ればバイグラム
1つの単語ならユニグラム
3つの単語ならトリグラム
となる

これは英語ならできるけど
日本語だとできない
原因は単語と単語が連続しているから

なので、そのままだと日本語に N-gram が使えない

なので 形態素解析エンジンの Janome を使う

インストールは
pip コマンドを使うので
ctrl + Alt + t で端末を開き

 pip install janome

次に jupyter notebook を

jupyter notebook

で起動

これで

from janome.tokenizer import Tokenizer

tokenizer = Tokenizer()
tokens = tokenizer.tokenize('すもももももももものうち')
for token in tokens:
    print(token)

として
shift + Enter で実行すると

すもも 名詞,一般,*,*,*,*,すもも,スモモ,スモモ
も 助詞,係助詞,*,*,*,*,も,モ,モ
もも 名詞,一般,*,*,*,*,もも,モモ,モモ
も 助詞,係助詞,*,*,*,*,も,モ,モ
もも 名詞,一般,*,*,*,*,もも,モモ,モモ
の 助詞,連体化,*,*,*,*,の,ノ,ノ
うち 名詞,非自立,副詞可能,*,*,*,うち,ウチ,ウチ
という結果になり
解析できているのがわかる

次に分かち書き

これは
tokenize() で wakati=True を指定すればOK
あとは join()
でリストの中身をつないで
分かち書きの文字列を作成

tokenizer = Tokenizer()
tokens = tokenizer.tokenize('すもももももももものうち',wakati=True)
print(tokens)

wakati =" ".join(tokens)
print(wakati)

結果は

tokenizer = Tokenizer()

tokens = tokenizer.tokenize(‘すもももももももものうち’,wakati=True)

print(tokens)

wakati =” “.join(tokens)

print(wakati)

[‘すもも’, ‘も’, ‘もも’, ‘も’, ‘もも’, ‘の’, ‘うち’]
すもも も もも も もも の うち

Watson Natural Language Classfier

Watson Natural Language Classfier

Watson Natural Language Classifier は
自然言語分類で
NLCとも言われる

Classification は分類という意味

Watson で
Visual Recongnition を使うと
デフォルトモデルや独自の訓練データを使ったカスタムモデルで
画像分類ができる

ただし NLC はライトアカウント非対応なので
IBM Cloud アカウントにアップグレードしないとダメ

ログインしてダッシュボードに
アカウントのアップグレード
とあるので
これをクリック

ダイアログがでるので
下へスクロールし
住所、電話番号
クレジットカード情報を入力し
次に同意します
にチェックをいれ
次へをクリック

なお、入力に関しては日本語でも問題なし
電話番号と郵便番号のーを忘れなければOK

確認画面で完了を押せばアップグレード完了

これでNLCが使える状態になったけど
デフォルトモデルがないため
自分でモデルを作成する必要がある

まずNLCインスタンスを作成

カタログ > AI >
Natural Language Classifier
をクリック

下にスクロールすると
標準での無料枠の説明があり
1 カ月当たりに 1 つの
Natural Language Classifier が無料
となっているのが確認できるので
あとは作成をクリック

作成したインスタンスのAPIキーなどを確認するには
サービス資格情報
をクリックし
資格情報の表示をクリックすれば表示される

Watson Stduio で Notebook

Watson Stduio で Notebook

WatsonStudio で Notebook を使うには

Add to Project をクリックし
Notebook をクリック

無料枠で使うため
Select runtime を
Default Python 3.5 Free (1 vCPU and 4GB RAM)
に設定
あとは Name にnotebook 名を入力し
Create Notebook
をクリック

これで
Ubuntu の Jupyter Notebook のように
コードの記述が可能になる

次にファイルのアップロード
基本的に
WatspmStidioはクラウド上で動作するので
ファイルを扱うにはアップロードする必要がある

アップロードするには
Find and add data アイコンをクリック


WatsonStudio と Visual Recognition インスタンスのひも付け

WatsonStudio と Visual Recognition インスタンスのひも付け

Visual Recognition で Watson Studio で
独自の画像認識モデルを作成するときに
ひも付け設定が必要

WatsonStudio を開いて
Seeting をクリック

下へスクロールし
Associated services の部分にある
Add service
をクリックし
Watson を選択

下へスクロールし
Visual Recognition の Add をクリック

Existing タブのところに
作成した Visual Recognition インスタンスがでるので
Select をクリック

これで
Associated services に
Visual Recognition インスタンスが表示されればOK