星阑面试经历

大二下的课程比较少,就想这能不能远程实习一下,恰好有学长在星阑工作找实习,于是我就让他帮忙投个简历,面试试试,
昨天面试完了,没有想到我竟然过了。。。记一下面试的一些问题

我的方向主要是二进制逆向

1.你给ctf出过题,能说说具体的细节吗,出题经历?
2.rc4和aes有何不同? (懵逼)
3。exe的全称叫什么?
4.exe和elf文件格式有什么区别(懵逼)
5.在linux上几种反调试手段?
6.ptrace能几次?(一次) 为什么只能一次呢?从原理上面说说(懵逼)
7.apk的文件结构
8.如何准确定位混淆的apk的功能点?
9.firda的实现原理是什么?(懵逼)
10.如果进了星阑,你想从事什么方向?
11.还有什么要问我的吗?
还有一些我忘了?

总的来说 ,面试过程异常痛苦,,,基本上一般的时间都处于懵逼状态。对于很多工具 方法,我只会利用,并不这么理解原理,然而面试官就要从原理上来考核你?(rc4 aes的区别我都不知道,tcl…)因而导致很多问题回答不上来,算是明白以后学习的方向了,凡是学什么都要从原理上去学习,刨根问底,才能真正的去使用工具和回答面试,但最终能进,运气好罢了(估计缺人吧。。。),感谢星阑给我找一个实习的机会,让我可能能认识更多的大佬,可以在技术上进行提升

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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