learning
Day11、PE文件(portable executable)EXE : 这是一个可执行文件
文件值属性:010F(H)
加载基址:0x00400000
DLL : 这是一个动态链接库文件,EXE 文件在运行时会调用 DLL 文件中的代码和资源
文件值属性:IMAGE_FILE_HEADER.Characteristics:210(H)
加载基址:0x10000000
加载过程:调用CreateProcess启动,生产内核对象,分配4GB进程空间,系统加载器加载dll文件以及完成重定位, IAT, 接着创建进程的主线程,之后主线程为每个DLL调用_DLLMainCRTStartup函数,然后主线程根据 EXE是GUI(图形化)程序还是CUI(控制台)程序执行MainCRTStartup。最后一步执行WinMain(或者main函数):1、ReadFile读取文件头信息,判断是否是PE文件2、获取映像总大小,申请可读可写可执行的内存全部填为03、获取区段信息,循环读取每一个区段内容,将ReadFile读取的数据映射到内存中4、修复重定位5、修复IAT6、创 ...
LitCTF
简简单单打个新手赛
2024"磐石行动"演练 Writeup
“磐石行动2024”第二届全国高校网络安全攻防活动reverse部分wp
2024CISCN 初赛WP
第一次参加国赛,在yring师傅的带领下还是学到不少东西的,然后就是分数惊险地超过了学校的另外一队,算是收获颇丰的两天。
第二章 神经网络的学习
数据处理机器学习中一般将数据分为训练数据和测试数据(也称监督数据)来进行学习和实验,顾名思义就是提取特征参数以及验证准确率(正确的评价模型,称为泛化能力),特别的,对于某一个数据集进行过度拟合称之为过拟合,而关键就在于如何对这些数据进行处理从而能够划分绝大部分未知数据。
损失函数查找最优权重参数的就是损失函数,它能够用来判断一个神经网络功能的准确性。
均方方差
$$E=\frac{1}{2}\sum_{k}{(y_k-t_k)}^2$$
$k$表示数据维度,$y_k$表示输出数据,$t_k$表示监督数据。
代码表示:
12def mean_squarred_error(y,t): return np.sum((y-t)**2)/2
交叉熵误差
$$E=-\sum_k t_k\log{y_k}$$
$y_k$表示输出数据,$t_k$表示正确解标签。正确解标签用$one-shot$表示(即正确的为1,其余的都为0)。
W4terCTF 2024 Writeup(25题) ——GZTime的🐕
第一次参加校赛,reverse和pwn都是我做的(可惜时间不够,否则我都想re ak的),感觉这成绩还是不错的(两位队友带我起飞),本来是第二的,但有两支队不讲武德,藏flag最后四小时狠狠上分。之前没有什么逆向经验,这次比赛下来还是收获颇丰的,虽然做题做的有点慢,但是真切地能够感受到推理、查资料、求解的那种乐趣。Yring和Lilran两位师傅出的题目都很有含金量,能够学到蛮多东西的。下面的是我们队这次的wp。题外话:我们的队名GZTime的🐕是我起的,主要是我看到去年的队伍有叫做GZTime Fans的,就想取个比较搞的名字。
Crypto(4题)Merciful ZMJ4396多项式环上的扩展欧几里得算法得大因子
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970from sage.all import *from gmpy2 import *n=216715 ...
第一章 感知机与神经网络
感知机一个感知机相当于数字电路里面的一个门电路,多层感知机实现完整电路,以下是与门、与非门和或门的基础实现代码以及原理。如果使用横坐标为$x_1$,纵坐标为$x_2$的数轴来表示,你会发现实际上是$w_1x_1+w_2x_2+b=0$这条直线直线将两块区域划分开来,一部分为0,另一部分为1。$$y=\begin{cases}0, &(b+w_1x_1+w_2x_2 \leq 0)\\1, &(b+w_1x_1+w_2x_2 > 0)\end{cases}$$其中$b$称为偏置,$w_1$和$w2$称为权重。
12345678910111213141516171819202122232425262728293031323334353637383940import numpy as npdef AND(x1,x2): #与门的实现 x=np.array([x1,x2]) #输入 w=np.array([0.5,0.5]) #权重 b=-0.7 #偏置 tm ...
我的第一篇博客文章
看到队里面的其他同学都开始使用自己的博客,我想想为了学习深度学习我也得弄个整理知识结构的地方出来,于是今天总算是做出来了
Hello World
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.
Quick StartCreate a new post1$ hexo new "My New Post"
More info: Writing
Run server1$ hexo server
More info: Server
Generate static files1$ hexo generate
More info: Generating
Deploy to remote sites1$ hexo deploy
More info: Deployment