[ctf.show.reverse] 36D杯 神光

本文探讨了一个涉及字符串比较和加密功能的C程序,通过IDA分析和OD调试,揭示了可能存在的一段蜜罐代码。在main函数中,找到了关键的flag输出部分,通过nop掉反调试函数sub_41141A,成功获取了flag。这个过程展示了逆向工程在软件安全和解密中的应用。
摘要由CSDN通过智能技术生成

运行的用ida打开后会看到一个与固定字符串比较的函数

int __cdecl sub_415B10(char *Str1)
{
  int result; // eax
  int v2; // eax
  int v3; // et2
  char Str2[20]; // [esp+D0h] [ebp-18h] BYREF

  __CheckForDebuggerJustMyCode(&unk_41C032);
  strcpy(Str2, "wangzherongyao");
  result = j_strcmp(Str1, Str2);
  if ( result )
  {
    dword_41A4E0 = 0;
  }
  else
  {
    v2 = rand();
    v3 = v2 % 10;
    result = v2 / 10;
    dword_41A4E0 = v3;
  }
  return result;
}

这个串也给出了,没有其它输入的部分,说明如果这个不是flag的话(肯定不是)系统会自动给出解密后的flag

然后输入运行一下,发现是乱码,这里找到一块类似加密程序,处理好久发现是个蜜罐,再回到这只有几句的程序

int __cdecl main_0(int argc, const char **argv, const char **envp)
{
  char v4; // [esp+0h] [ebp-ECh]
  char Str1[24]; // [esp+D0h] [ebp-1Ch] BYREF

  __CheckForDebuggerJustMyCode(&unk_41C032);
  sub_411406();
  while ( 1 )
  {
    puts_0("请输入key:\n", v4);
    scanf("%s", (char)Str1);
    sub_4113B1(Str1);
    if ( dword_41A4E0 )
      break;
    puts("系统错误,请再试一次\n");
  }
  sub_41141A();  <----------把这一句nop后 od可以看到flag
  MessageBoxA(0, "认证成功,离flag又近了一步", "恭喜", 0);
  sub_4113CF(Str1);
  system("pause");
  return 0;
}

sub_41141A()这个函数比较可疑,打开看一下,应该是反debug用的,od运行到这里会卡住。进入ida将这个函数nop掉。再用od运行。会直接显示flag

//flag{9969e2ddd64088f71af0caa891b4dc63}

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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