【推研小灶】复旦网安保研全记录：我的系统安全梦

该同学最终成功保研至复旦网安，以下是其保研全过程的详细记录：

• 学校：末流211
• 专业：网络安全
• 排名：rk1，1%以内
• 奖项：一些编程类竞赛的奖项（有国赛、省赛，但水平一般）
• 科研：一篇中文期刊一作在投、一篇中文期刊三作在投
• 英语：四级460，六级480
• 个人意向/定位：学校title优先，清北华五为目标，直博>学硕>专硕，网安（操作系统）> 其他
• 最终去向：复旦网安

• 专业课：

  复习王道四本书，但发现保研复试更多考察计算机思维和对专业课的理解，建议多看经验贴和面试题。

• 英语：

  整理保研口语问答，写好答案并背熟。

• 套磁：

  尽早套磁，有助于抢到好老师的名额。

• 面试流程：

  第一轮面试：围绕高级语言关键字、内存分布、最短路径算法等问题，回答混乱。

  第二轮面试：与导师聊项目约20分钟，然后问专业课内容，包括内存、算法、高级语言和编译器知识。

• 结果：未被录取，但发了通过考核的邮件。

• 面试流程：

  面试十几分钟，未问专业课和英语，只聊项目。

  与学长深入交流项目，导师邀请共进午餐并继续交流。

• 感受：氛围压抑，不是喜欢的环境。

• 考核流程：

  机考：五道网安基础题和三道编程题，内容基础。

  面试：十分钟左右的英语问答和项目介绍，老师追问细节。

• 结果：排名30左右，作为保底学校。

• 面试前联系：

  老师提前电话面试，问专业课内容和项目相关问题，询问意愿（直博或硕士）。

• 正式面试：

  英语问答和专业课问答，主要考察操作系统知识。

• 结果：当天晚上接到老师电话，询问是否可以直博，顺利拿到第二个offer。

• 面试流程：

  英语考察：句子翻译和短语翻译，问题简单。

  项目问答：过程轻松。

• 感受：九龙湖校区很大很漂亮。

• 面试内容：

  英语问题和项目问答，老师引导到分布式相关问题，回答不佳。

• 面试流程：

  手写代码：考察素数筛、动态规划和leetcode字符串双指针原题。

  抽信封题目：涉及操作系统，顺利答上。

• 结果：收到补录消息。

• 直博申请：

  早早联系导师，进行组里面试。

• 面试过程：

  机考：题目难度不大。

  英语面试：准备充分，表现不错。

  组里面试：主要是项目问答，过程紧张。

• 面试结果：

  导师先询问是否能接受工程博士，后根据综合成绩给普博名额，顺利拿到复旦的offer。

• Q：解释TCP三次握手过程。

  A：TCP三次握手是建立连接的过程，依次是客户端发送SYN请求，服务端收到后回应SYN-ACK，最后客户端回应ACK以确认连接。

• Q：什么是子网掩码，其作用是什么？

  A：子网掩码用于区分IP地址的网络部分和主机部分，帮助确定一个IP地址属于哪个子网。

• Q：什么是路由表？

  A：路由表是一种数据表，用于存储路由信息，帮助路由器决定将数据包转发到哪里。

• Q：解释进程和线程的区别。

  A：进程是资源分配的基本单位，线程是CPU调度的基本单位。进程有独立的地址空间，而线程共享进程的地址空间。

• Q：什么是死锁？如何预防死锁？

  A：死锁是指两个或多个进程因争夺资源而相互等待，导致无法推进。预防方法包括资源分配算法、银行家算法等。

• Q：解释分页和分段的区别。

  A：分页是将内存分成固定大小的块，分段是将内存分成逻辑上的段。分页实现物理地址空间管理，分段实现逻辑地址空间管理。

• Q：解释二叉树和二叉搜索树的区别。

  A：二叉树是每个节点最多有两个子节点的树结构，二叉搜索树是二叉树的一种，其左子树的所有节点值小于根节点值，右子树的所有节点值大于根节点值。

• Q：什么是哈希表，如何解决哈希冲突？

  A：哈希表是一种通过哈希函数将键映射到值的数据结构。解决哈希冲突的方法包括链地址法、线性探测法等。

• Q：解释快速排序的基本思想和实现步骤。

  A：快速排序通过选择一个基准元素，将数组分成两个子数组，小于基准的在左，大于基准的在右，然后递归排序子数组。实现步骤包括选择基准、分区和递归排序。

• Q：请描述如何反转一个单链表。

  A：利用三个指针prev、curr和next，依次遍历链表并改变指针方向。

• Q：二叉树遍历：请解释前序、中序和后序遍历的区别。

  A：前序遍历顺序是根节点、左子树、右子树；中序遍历顺序是左子树、根节点、右子树；后序遍历顺序是左子树、右子树、根节点。

• Q：请说明堆排序的基本步骤。

  A：首先构建最大堆，然后交换堆顶与堆尾元素，接着对剩余元素重新调整堆，重复以上步骤直到排序完成。

• Q：请解释梯度下降法的基本原理及其在机器学习中的应用。

  A：梯度下降法通过计算目标函数的梯度来更新参数，使目标函数值逐步减小；广泛用于优化机器学习模型的参数。

• Q：请简要介绍卷积神经网络的结构及其在图像处理中的应用。

  A：卷积神经网络由卷积层、池化层和全连接层组成，通过提取图像的特征进行分类、检测等任务。

• Q：什么是过拟合和欠拟合？如何解决这两种问题？

  A：过拟合是模型在训练集上表现好但在测试集上表现差，欠拟合是模型在训练集和测试集上都表现差。解决方法包括增加数据量、正则化、调整模型复杂度等。

保研的旅程充满挑战和收获，每一次面试和考核都让人学到新的知识和技巧，也更加坚定了自己的方向。对所有在保研路上努力的同学们，建议保持平常心，坚持不懈，无论结果如何，这段经历都是宝贵的。