دریافت اطلاعات با متد POST

وقتی صحبت از دریافت اطلاعات میشه اولین متدی که به ذهنمون میاد GET هستش, این متد برای دریافت دیتا از سرور بدون ایجاد تغییر در سرور استفاده میشه تو این حالت، دیتامون به طور معمول در URL ارسال میشه و قابل مشاهده هست
ولی نکته جالب اینجاست که حتی با متد POST هم میتونیم اطلاعات را بگیریم, متد POST معمولا برای ارسال دیتا ها به سرور استفاده میشه تا در دیتابیس ذخیره بشه اما هیچ قانونی وجود نداره که این متد فقط برای ارسال دیتا استفاده میشه
(اگه همچین قانونی بود میتونید این زیر بگید که با خیال راحت کار غیرقانونی بکنیم)

توی بعضی از سناریوها سرور میتونه از متد POST برای گرفتن دیتا استفاده کنه به خصوص زمانی که حجم داده‌ها زیاده و نمیخوایم اونارو در URL قرار بدیم به عنوان مثال در ارسال دیتای JSON یا فایل ‌های حجیم بهتره که از POST استفاده کنیم

مثال:

{
  "merchantId": "63a69a2d18f9347bd89d5fe6",
  "mode": "weekly",
  "type": "amount"
}

قاعدتا این اطلاعات اگه توی URL باشه کثیفی به همراه داره و بهتر هستش برای امنیتش توی BODY باشه


چرا از POST برای گرفتن اطلاعات استفاده میشه؟!

حجم بالای دیتا: اطلاعات بزرگتر از اونی خستش که در URL جا میگیره

امنیت بیشتر: اطلاعاتی که در Body ریکوئست ارسال میشه نسبت به URL امنیت بیشتری داره چون به نسبت URL به راحتی مشاهده نمیشه

پیچیدگی دیتاها: گاهی اوقات ساختار دیتاهامون بسیار پیچیده هستش و نیاز به ارسال اطلاعات با فرمت خاصی مانند JSON یا XML داره که در POST راحت ‌تر مدیریت میشه



تفاوت GET و POST در این مورد

وقتی دیتا توی URL (متد GET) فرستاده میشه این اتفاق ‌ها میفته:

آدرس کامل توی history ذخیره میشه

توی server logs یا proxy ها ممکنه لاگ بشه

آدرس URL می‌تونه در referrer به سایت‌های دیگه لو بره

محدودیت طول URL هم هستش


وقتی داده‌ها توی BODY (متد POST) فرستاده میشه:

دیتاها توی آدرس URL نمیان پس توی history یا لاگ URL دیده نمیشن

محدودیت طول نیستش میتونی حجم بیشتری از دیتارو ارسال کنیم

در ترکیب با HTTPS هم ریکوئست رمزنگاری میشه و امن‌ تر میشه


در نهایت استفاده از متد POST برای دریافت اطلاعات بستگی به نیاز خاص پروژه و شرایط امنیتی داره و هر متدی در جا و زمان خود کاربرد های متفاوتی خواهد داشت و همه ی اینها برای اینه که امن تر بشه نه اینکه کاملا امن بشه

Group: @azad_program
Channel: @kiau_program

#چالش_پایتونی
خروجی کد در تصویر کدام گزینه است؟
A) [1, 2, 3]
B) ERROR
C) [1, 2, 3, 4]
D) [4]

Group: @azad_program
Channel: @kiau_program

#چالش_پایتون
(یخورده سخت تر)

خروجی این کد چیه؟

A) [0, 1, 100]
B) [2, 100]
C) [100]
D) خطا می‌دهد

Group: @azad_program
Channel: @kiau_program

انواع یادگیری در Machine Learning چیه؟

توی یادگیری ماشین (Machine Learning)، ما با سه نوع اصلی یادگیری سر و کار داریم:

1. یادگیری نظارت‌شده (Supervised Learning):
مدل رو با داده‌هایی آموزش می‌دیم که خروجی درست (Label) دارن.
مثل اینکه به مدل بگیم: "این عکس گربه‌ست، اون یکی سگ!"
کاربردها: تشخیص چهره، طبقه‌بندی ایمیل (Spam / Not Spam)، پیش‌بینی قیمت.


2. یادگیری بدون نظارت (Unsupervised Learning):
اینجا داده‌ها خروجی مشخص ندارن. مدل باید خودش الگوها و ساختارها رو کشف کنه.
مثلاً گروهبندی مشتری‌ها بر اساس رفتار خریدشون.
کاربردها: خوشه‌بندی (Clustering)، کاهش ابعاد (Dimensionality Reduction).


3. یادگیری تقویتی (Reinforcement Learning):
مدل مثل یه بازیکن عمل می‌کنه: کار انجام می‌ده، بازخورد می‌گیره (پاداش یا تنبیه)، و یاد می‌گیره چطور بهتر عمل کنه.
کاربردها: بازی‌ها (مثل AlphaGo)، رباتیک، سیستم‌های توصیه‌گر پویا.



جمع‌بندی:
اگر می‌خوای وارد دنیای ML بشی، اول این سه نوع یادگیری رو خوب بشناس. چون پایه‌ی همه چیزن.


#ML #machine_learning #ماشین_لرنینگ #یادگیری_ماشین

Group: @azad_program
Channel: @kiau_program

تجربه‌ات از برنامه‌نویسی چیه؟

سلام رفقا!
هرکدوم‌مون توی مسیر برنامه‌نویسی داستان خاصی داریم.
چی شد که برنامه نویسی یاد گرفتید
📌 اولین زبان؟
📌 اولین پروژه؟
📌 سخت‌ترین چالش؟

بیاید توی گروه یا کامنت‌ها تجربه‌تونو بنویسین.
با هم یاد می‌گیریم، با هم پیشرفت می‌کنیم 💪

#برنامه‌نویسی #تجربه_شخصی #یادگیری_جمعی


Group: @azad_program
Channel: @kiau_program

فرق بین KMeans و DBSCAN توی خوشه‌بندی (Clustering) چیه؟
کی از کدوم استفاده کنیم؟

خوشه‌بندی یکی از تکنیک‌های مهم توی یادگیری ماشینه، ولی انتخاب الگوریتم مناسب خیلی مهمه. خیلی‌ها از KMeans استفاده می‌کنن، ولی همیشه بهترین انتخاب نیست!


---

✅ KMeans

تعداد خوشه‌ها رو باید از قبل بدونیم (k)

فرض می‌کنه خوشه‌ها گرد هستن (spherical)

نویز ها و مقادیر پرت رو شناسایی نمیکنه

سریع و کارآمد برای داده‌های بزرگ و خوش‌رفتار





✅ DBSCAN

نیازی به تعداد خوشه‌ها نیست!

می‌تونه خوشه‌هایی با شکل‌های نامنظم پیدا کنه

به خوبی با نویز و نقاط پرت برخورد می‌کنه

ممکنه در داده‌های با چگالی متغیر خوب عمل نکنه


🎯 پس کی از کدوم استفاده کنیم؟

داده‌هات تمیزن و شکل خوشه‌ها ساده‌ست؟ → KMeans

داده‌هات پر از نویزه یا شکل خوشه‌ها پیچیده‌ست؟ → DBSCAN


🧠 من توی یکی از پروژه‌هام، وقتی KMeans به درستی خوشه‌بندی نکرد، از DBSCAN استفاده کردم و نتایج خیلی بهتری گرفتم با Silhouette score.

📢 شما بیشتر با کدوم کار کردید؟

#MachineLearning #Clustering #KMeans #DBSCAN #Python #DataScience #AI

Group: @azad_program
Channel: @kiau_program

نکات مهمی که از نبرد دوازده‌روزه سایبری آموختیم:

1. تنوع تهدیدها فراتر از جنگ میدانی بود
این درگیری نشان داد که دشمن فقط با تانک یا توپ حمله نمی‌کند، بلکه می‌تواند از روش‌های ترکیبی مثل جنگ شناختی و نفوذ اطلاعاتی وارد شود. حملات سایبری علیه سامانه‌های دفاع هوایی، بانک‌ها و صرافی‌ها نمونه‌ای از این پیچیدگی بود.

2. ضرورت پایان دادن به اعتماد پیش‌فرض
دیگر نمی‌توانیم به فیلتر ابتدایی افراد یا حصارهای شبکه اکتفا کنیم؛ چرا که خطر می‌تواند از درون سازمان شکل بگیرد. مدل «صفر اعتماد» (Zero Trust) تأکید دارد که هیچ کاربری، حتی مدیران و کارکنان رسمی، بدون احراز هویت مداوم و پایش رفتارشان نباید مجوز دسترسی داشته باشند.

3. رمزگذاری و ثبت همه ارتباطات
در چارچوب Zero Trust، مرز سنتی شبکه بی‌معنا می‌شود؛ تمامی ترافیک باید رمز شود و در لاگ‌ها ثبت گردد. همچنین دسترسی‌ها باید بر اساس کمترین امتیاز لازم (Least Privilege) و تقسیم‌بندی دقیق (Segmentation) تعریف شوند.

4. رفع «چشم بیمناک بیش از حد»
وقتی سازمان صرفاً در حال جستجوی بی‌وقفه تهدید باشد بدون آنکه روش مشخصی برای قضاوت داشته باشد، بخش‌های کم‌خطر را مورد بازبینی مداوم قرار می‌دهد و دشمنان اصلی—نفوذگران پنهان داخلی—را نادیده می‌گیرد.

5. حرکت از رویکرد ایستا به پویا
ابزارهایی مانند UEBA و SIEM باید به شکلی هدفمند به کار گرفته شوند. کنترل دسترسی به هنگام (Just-In-Time) و دسترسی تطبیقی بر پایه ریسک (Risk-Adaptive) می‌تواند در شناسایی و محدودسازی تهدیدات داخلی بسیار مؤثر باشد.

6. سیاست‌های ریسک‌محور به جای نقش‌محور
به جای تعریف ثابت دسترسی‌ها بر اساس نقش شغلی، باید سیاست‌هایی تدوین کنیم که سطح ریسک فعالیت‌ها را در نظر بگیرند و اختیارات را به‌صورت پویا تغییر دهند.

7. امنیت، محصول اعتماد کورکورانه نیست
امنیت واقعی نتیجه‌ی پایش مداوم، تحلیل دقیق داده‌ها و تصمیم‌گیری بی‌تعارف است، نه اتکای صرف به ابزارها یا افراد.

8. فرهنگ‌سازی و آموزش»، مکمل تکنولوژی
پذیرش مدل Zero Trust تنها با ابزارهای فنی کافی نیست؛ فرهنگ‌سازی، آموزش مستمر و اجرای عملیاتی در همه سطوح سازمانی الزامی است.

با به‌کارگیری این درس‌ها در ساختار دفاع سایبری خود، می‌توانیم از تکرار اشتباهات گذشته جلوگیری کنیم و تاب‌آوری فضای مجازی کشور را افزایش دهیم.

Group: @azad_program
Channel: @kiau_program

امروزه با توجه به وضعیت موجود حتما سایت هاتون رو برای امنیت بیشتر پشت سرویس CDN قرار بدید. CDN در ظاهر برای افزایش سرعت بارگذاری محتوا و بهبود تجربه کاربری طراحی شده، اما در عمل، نقش مهمی در امنیت سایبری ایفا میکنه.

عملکرد CDN به این شکله که محتوای وب‌سایت رو روی مجموعه‌ای از سرورها در نقاط مختلف جهان ذخیره و توزیع می‌کنه. همین ساختار توزیع‌شده کمک می‌کنه تا در صورت حمله‌ای مثل DDoS، حجم بالای ترافیک مخرب به سرور اصلی نرسه و Down نشه.
علاوه بر محافظت در برابر حملات DDoS، خیلی از سرویس‌های CDN امکانات امنیتی پیشرفته‌تری هم ارائه میدن؛ مثل Web Application Firewall (WAF)، رمزنگاری داده‌ها، و تشخیص رفتارهای مشکوک با استفاده از هوش مصنوعی. این قابلیت‌ها باعث میشه درخواست‌های مخرب پیش از رسیدن به سایت شناسایی و مسدود بشن.

در مجموع، استفاده از CDN دیگه تنها برای بهبود سرعت نیست؛ بلکه به یک لایه امنیتی حیاتی در ساختار فناوری اطلاعات سازمان‌ها تبدیل شده. در شرایطی که هر لحظه تأخیر یا آسیب میتونه خسارت‌بار باشه، داشتن CDN یک تصمیم هوشمندانه و ضروری.

Group: @azad_program
Channel: @kiau_program

حتی بعضی از CDN پروایدر ها این امکان رو میده که وب سایت خودتون رو بر روی CDN اون پروایدر به شکلی کش کنید که در صورتی سرور خودتون به مشکلی خورد برای یک تایم کوتاهی ( معمولاً ۱۵ تا ۳۰ دقیقه) وب سایتتون بالا باشه از طریق پروایدر تا شما بتونید سرور خودتون رو فیکس کنید و اختلالی برای وب سایتتون پیش نیاد.

Group: @azad_program
Channel: @kiau_program

بچه ها دوره پایتون عمو جادی رایگان شده . فعلا اعلام کرده تا 15 ام رایگانه .
الان میتونید برید توی سایت مکتبخونه دوره جامع پایتونو بیارید . لینکشو میذارم
فقط تیک دسترسی کامل به دوره (برای آزمون ها و گواهیشه) رو بردارید تا رایگان توش ثبتنام کنید
اگه تخفیف خودکار اعمال نشد توی کد تخفیف PEACE رو وارد کنید

👇👇👇👇
https://maktabkhooneh.org/course/آموزش-برنامه-نویسی-با-پایتون-مقدمایی-mk346/

Group: @azad_program
Channel: @kiau_program

این ویدیوی معرفی هوش مصنوعی متن باز که روی سیستم میتونید نصب کنید و آفلاین ازش استفاده کنین . آموزش نصبشو نگفتم صرفا معرفیه

چندتا از محبوب ترین توزیع های لینوکسی
شما بیشتر از کدوم استفاده میکنید؟ و بنظرتون کدوم بهترینه؟

Group: @azad_program
Channel: @kiau_program

🔥 بچه‌ها یه خبر خوب!

قراره به‌زودی لوگو و ظاهر گروه رو یه ذره حرفه‌ای‌تر و خاص‌تر کنیم 😎
داریم یه لوگوی جدید و خفن طراحی می‌کنیم که نماینده‌ی کل تیم‌مون باشه — از برنامه‌نویس گرفته تا هر رشته‌ی مهندسی کامپیوتر 💻⚙️

اگه ایده یا نظری دارین که توی طراحی کمک می‌کنه (مثلاً رنگ، شکل، سبک)، همین‌جا بنویسید.
بزودی عکس پروفایل گروه با یه چیز خاص و یونیک آپدیت می‌شه 💥


Group: @azad_program
Channel: @kiau_program

- واحدهای ظرفیت حافظه در دنیای دیجیتال:

💾 bit (b)
بیت
💾 Byte (B)
بایت
💾 Kilobyte (KB)
کیلوبایت
💾 Megabyte (MB)
مگابایت
💾 Gigabyte (GB)
گیگابایت
💾 Terabyte (TB)
ترابایت
💾 Petabyte (PB)
پتابایت
💾 Exabyte (EB)
اگزابایت
💾 Zettabyte (ZB)
زتابایت
💾 Yottabyte (YB)
یوتابایت
💾 Sottabyte (SB)
سوتابایت

Group: @azad_program
Channel: @kiau_program

چند ایده پروژه ماشین لرنینگ (ML) در سطح های مختلف. از مبتدی تا پیشرفته. ین پروژه‌ها می‌تونن هم برای تمرین فردی خوب باشن، هم برای تقسیم کار تیمی:

🔰 سطح مبتدی (Beginner)
✅ هدف: آشنایی با دیتاست، پیش‌پردازش، مدل‌سازی ساده
1️⃣ پیش‌بینی قیمت خانه‌ها

📊 دیتاست: Boston Housing یا California Housing

📌 تکنیک‌ها: Linear Regression، Polynomial Regression، SVR

2️⃣ تشخیص گل‌ها با دیتاست Iris

📊 دیتاست: Iris

📌 تکنیک‌ها: KNN، Logistic Regression، Decision Tree

3️⃣پیش‌بینی نمره امتحان بر اساس ساعت مطالعه

📊 دیتاست ساده: دستی بسازید یا از Student Performance استفاده کنید

📌 تکنیک‌ها: Linear Regression

4️⃣ تشخیص اسپم بودن ایمیل

📊 دیتاست: SMS Spam Collection

📌 تکنیک‌ها: Naive Bayes، CountVectorizer، TF-IDF

➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖

🔶 سطح متوسط (Intermediate)
✅ هدف: کار با داده‌های پیچیده‌تر، ارزیابی مدل‌ها، استفاده از pipeline

1️⃣ پیش‌بینی بیماری دیابت

📊 دیتاست: PIMA Indians Diabetes

📌 تکنیک‌ها: Random Forest، SVM، Logistic Regression

2️⃣. تحلیل احساسات توییت‌ها

📊 دیتاست: Twitter Sentiment Analysis

📌 تکنیک‌ها: NLP، TF-IDF، SVM / Naive Bayes

3️⃣. پیش‌بینی ترک تحصیل دانش‌آموزان

📊 دیتاست: Student Dropout and Academic Success

📌 تکنیک‌ها: Classification (Logistic Regression, Random Forest)

4️⃣. تشخیص ارقام دست‌نویس

📊 دیتاست: MNIST

📌 تکنیک‌ها: KNN، SVM، Neural Network ساده

➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖

🚀 سطح پیشرفته (Advanced)
✅ هدف: کار با deep learning، مدل‌های پیچیده، ساخت اپلیکیشن یا API
1️⃣. تشخیص چهره و شناسایی افراد

📊 دیتاست: LFW (Labeled Faces in the Wild)

📌 تکنیک‌ها: CNN با TensorFlow / PyTorch

2️⃣. تولید موسیقی یا تصویر با مدل‌های GAN

📊 دیتاست: MNIST یا CelebA برای تصویر

📌 تکنیک‌ها: GAN (Generative Adversarial Networks)

3️⃣. تشخیص اخبار فیک از واقعی

📊 دیتاست: Fake News Dataset

📌 تکنیک‌ها: NLP با LSTM / Transformer

4️⃣. ساخت مدل توصیه‌گر فیلم (Recommendation System)

📊 دیتاست: MovieLens

📌 تکنیک‌ها: Collaborative Filtering، Matrix Factorization

5️⃣. تشخیص اشیاء در تصویر (Object Detection)

📊 دیتاست: COCO یا Pascal VOC یا Kaggle Custom Dataset

📌 تکنیک‌ها: YOLO / Faster R-CNN

➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖

💡 پیشنهاد برای ساختار تمرین تیمی:
هر هفته یک سطح رو تمرین کنین.

گروه‌ رو به تیم‌های کوچک ۲–۳ نفره تقسیم کن.

هر تیم روی یک پروژه جدا کار کنه.

آخر هفته هر تیم، دمو یا ارائه بده به بقیه.

می‌تونین از GitHub برای مدیریت کدها و مشارکت استفاده کنین.

" گروه آزاد پروگرمرز (Azad's Programmer)"

Group: @azad_program
Channel: @kiau_program

یک Cheat sheet از کامند های لینوکس⌨

Group: @azad_program
Channel: @kiau_program

📌 آشنایی با حوزه‌های مختلف برنامه‌نویسی
اگه تازه وارد دنیای برنامه‌نویسی شدی یا نمی‌دونی دقیقاً باید چه مسیری رو انتخاب کنی، این لیست بهت دید کلی می‌ده:

——————————————————

💻 1. توسعه وب (Web Development)
Frontend: طراحی ظاهر سایت‌ها (چیزی که کاربر می‌بینه)
🔸 زبان‌ها: HTML, CSS, JavaScript
🔸 فریم‌ورک‌ها: React, Vue, Angular

Backend: مدیریت منطق، دیتابیس و درخواست‌های سرور
🔸 زبان‌ها: Python (Django, Flask), JavaScript (Node.js), PHP, Java, Go

——————————————————

📱 2. برنامه‌نویسی موبایل (Mobile Development)
اندروید یا iOS یا کراس پلتفرم
🔸 زبان‌ها:

Android: Java, Kotlin

iOS: Swift

کراس‌پلتفرم: Flutter (Dart), React Native (JS)

——————————————————

🧠 3. هوش مصنوعی و یادگیری ماشین (AI & ML)
مدل‌سازی داده‌ها برای پیش‌بینی، طبقه‌بندی و تصمیم‌گیری هوشمند
🔸 زبان‌ها: Python (اصلی‌ترین زبان)
🔸 کتابخونه‌ها: TensorFlow, PyTorch, scikit-learn, pandas, numpy

——————————————————

🤖 4. رباتیک و بینایی ماشین
کار روی سیستم‌هایی که محیط رو می‌بینن و واکنش نشون می‌دن
🔸 زبان‌ها: Python, C++, ROS
🔸 کاربردها: تشخیص چهره، ربات‌های خودران، واقعیت افزوده

——————————————————

⚙️ 5. برنامه‌نویسی دسکتاپ
ساخت نرم‌افزارهایی که روی ویندوز، مک یا لینوکس نصب می‌شن
🔸 زبان‌ها: Python (PyQt, Tkinter), C#, Java, C++

——————————————————

🎮 6. توسعه بازی (Game Development)
ساخت بازی برای موبایل، کامپیوتر یا کنسول
🔸 زبان‌ها: C# (Unity), C++ (Unreal), Python (بازی‌های ساده)

——————————————————

🧪 7. تست نرم‌افزار و QA
بررسی کیفیت، عملکرد و باگ‌های نرم‌افزار
🔸 زبان‌ها: Python, JavaScript, Java
🔸 ابزارها: Selenium, JUnit, Postman

——————————————————

🖥 8. برنامه‌نویسی سیستم (System Programming)
نزدیک به سخت‌افزار، مثل نوشتن درایور، سیستم‌عامل یا ابزارهای سطح پایین
🔸 زبان‌ها: C, C++, Rust, Assembly

——————————————————

🧱 9. امنیت و هک قانونمند (Cybersecurity)
شناسایی آسیب‌پذیری‌ها، نفوذ قانونی برای افزایش امنیت
🔸 زبان‌ها: Python, C, Bash
🔸 حوزه‌ها: Web security, Network, Malware analysis, Pentesting

——————————————————

🧑‍💼 10. مهندسی داده (Data Engineering)
ساخت زیرساخت و لوله‌کشی داده برای استفاده در AI/BI
🔸 زبان‌ها: Python, SQL, Scala
🔸 ابزارها: Spark, Kafka, Airflow

——————————————————

📊 11. تحلیل داده و هوش تجاری (Data Analysis & BI)
تحلیل داده برای گرفتن تصمیمات تجاری
🔸 زبان‌ها: Python, R, SQL
🔸 ابزارها: Power BI, Tableau, pandas

——————————————————

☁️ 12. DevOps و Cloud
خودکارسازی استقرار، مانیتورینگ، و زیرساخت ابری
🔸 زبان‌ها: Bash, Python, YAML
🔸 ابزارها: Docker, Kubernetes, Jenkins, AWS, Azure, GCP

——————————————————

🔌 13. برنامه‌نویسی سخت‌افزار و امبدد (Embedded Systems)
نوشته شدن کد برای بردهایی مثل Arduino یا سیستم‌های IoT
🔸 زبان‌ها: C, C++, Micropython
🔸 کاربرد: دستگاه‌های هوشمند، IoT، سیستم‌های صنعتی

——————————————————

🎯 نکته آخر:
لزومی نداره همه اینا رو بلد باشی! اول مسیرتو انتخاب کن، بعد عمیق شو. اگه سوال داشتی درباره اینکه کدوم مسیر برای تو مناسبه، توی گروه بپرس 😊

" گروه آزاد پروگرمرز (Azad's Programmer)"

Group: @azad_program
Channel: @kiau_program

✅️ آگهی ✅️

بچه ها ما چندنفر وردپرس کار و سئو کار نیاز داریم‌ اگه کسی از خودتون یا دوستاتون هست لطفا به من پیام بده.
کارمون هم پروژه ای هستش🩷
حضوری یا دورکار فرقی نداره برامون
تهران یا کرج فرقی نداره

نمونه کار و رزومتون رو پیوی ارسال کنید

@sudo_apt_su