将者，智、信、仁、勇、严也。

摘要： 利用windows栈回溯如何进行漏洞利用检测？ 利用Windows栈回溯进行漏洞利用检测是一个复杂的过程，它通常涉及监控可疑或危险函数的调用，并分析调用这些函数的上下文来判断是否存在潜在的漏洞利用尝试。这种方法需要深入理解漏洞利用技术、危险函数的正常与异常使用模式，以及堆栈回溯的技术细节。以下是一个 阅读全文

摘要： class Node: def __init__(self, key, val): self.key = key self.val = val self.prev = None self.next = None class LRUCache: def __init__(self, capacity) 阅读全文

摘要： 最近在写用C写算法的过程中，发现一个异常，非常有趣，现象如下： [2024-01-03 20:34:54] Exception info (no: 1 idx: 0) [2024-01-03 20:34:54] Exception Type: 11 [2024-01-03 20:34:54] Exc 阅读全文

摘要： Shellcode初探[1]: 什么是shellcode? 用chatGPT构造简易shellcode from：https://blog.restkhz.com/post/glance-at-shellcode-1 前言 我可能又要开一个系列文, 希望这次不要太监了.最近正在重新自学一些比较二进制 阅读全文

摘要： #include <stdio.h> #include <stdlib.h> struct A { int c; char b[20]; char strs[10][10]; int k; }; int main() { // A a = {...}; // 帮我初始化 struct A a = { 阅读全文

摘要： RAG是一种检索增强生成模型，由信息检索系统和seq2seq生成器组成。它的内部知识可以轻松地随时更改或补充，而无需浪费时间或算力重新训练整个模型。 举个例子，假设你正在写一篇关于猫的文章，但你不确定如何描述猫的行为。你可以使用RAG来检索与猫行为相关的文档，然后将这些文档作为上下文与原始输入拼接起 阅读全文

摘要： 以智能对抗智能，利用强化学习实现网络自主防御 随着攻防对抗更加激烈，以智能对抗智能是数字化时代下的安全趋势。 在《Reinforcement Learning for Autonomous Cyber Defense》中，专门探讨了如何利用强化学习，实现自主网络防御。作者提出网络防御强化学习的目的是 阅读全文

摘要： 目标：生成对抗样本，扰动图像，让原本是“停”的信号牌识别为“禁止驶入”： 代码如下（注意，因为我找的cnn原始模型支持的是灰度图像，所以彩色的对抗样本还需要修改代码）： import cv2, os import numpy as np import numpy as np import tenso 阅读全文

摘要： 【FGSM生成对抗样本的原理和步骤】 快速梯度符号方法（Fast Gradient Sign Method，FGSM）是一种常用的生成对抗样本的方法。它的基本原理是利用模型的梯度信息来找到一个可以最大化模型误差的方向，然后沿着这个方向对输入数据进行微小的扰动，从而生成对抗样本。以下是FGSM生成对抗 阅读全文

摘要： 示例： #include <stdio.h> #include <stdlib.h> // 定义一个包含柔性数组的结构体 struct flex_array { int size; int data[0]; }; int main() { int i; int size = 10; // 动态分配内 阅读全文