weixin_65633498的博客

原创 HVV护网面经速记速记

2.利用T3协议配合RMP或ND接口反向发送反序列化数据(CVE2017-3248、CVE2018-2628、CVE2018-2893、CVE2018-3245、CVE-2018-3191、CVE-2020-14644、CVE-2020-14645)还有利用IIOP协议的CVE-2020-2551。1.直接通过T3协议发送恶意反序列化对象(CVE-2015-4582、CVE-2016-0638、CVE-2016-3510、CVE-2020-2555、CVE-2020-2883)而5.0以下的版本不存。

原创 南夏老师推荐的可提升思维力和认知力的书单 （强烈推荐）

水知道答案》《灵魂对我说》《秘密》三部曲《力量全集》《遇见未知的自己》五步曲《大思想的神奇》《思考致富》《永不失败的成功系统》《世界上最神奇的24堂客》《成为最好的自己》《与神对话》《果壳里的宇宙》《时间的形状》《上帝掷骰子吗？《认知觉醒》

原创 智能浇花机器人·设计说明

数据处理的原理是 将湿度传感器收集到的电信号转换为与之相对应的湿度值，利用板载。通过湿度 传感器检测土壤湿度，与标准值进行比对，利用互联网模块相连，当 土壤湿度达到一定值时，循迹小车便会接收到信号，依据循线传感器。检测导航布条向前行进，当图像识别系统识别到花盆时，通过提前设 定，机械臂自动调整高度，主控板再次发送指令到继电器以控制水泵。遥控器接收器接口，用于遥控器接收器的连接，植物的生长是离不开水的，但是花盆的储水量是非常有限。的，需要定期浇水，人们也许会因为工作忙可能会忘记给植物浇水，

原创 数据库：创建和删除表

有一个项目管理（xmgl）数据库，现有四张表，分别是部门表（部门号，部门名，部门电话，部门地址）；员工表（员工号，姓名，性别，出生年月，所在部门号）；项目表（项目编号，项目名称，所在地方）以及员工参与项目（员工号，项目编号，职责）。用SQL语言中的DDL语言建立这四张表，设计并定义表的主码和外码，各字段的数据类型自己设计。②在员工表中增加“技术职称”和“工资”字段，其中“工资”为数字类型。③在项目表中增加“开工日期”和“完工日期”字段，类型为日期型。③约束性别的取值为“男”、“女”，且非空，缺省是男。

原创 SQL注入原理及危害

原理: 由于用户不可控输入，攻击者可以任意的输入网易的SQL语句，从而对数据库产生风险。N=m页面正常，但N=m+1页面异常，原始查询由m列。union：两个查询语句列数相同。联合查询的核心： union。原始查询为空----》一、SQL注入原理与危害。三、联合查询手工注入流程。○ 查询当前数据库名。○ 查询数据库用户。○ 查询所有数据库。○ 查询指定库的表。

原创 文件包含漏洞及利用

a.txt中存在可执行的PHP代码，被b.php包含， a.txt中的代码会被直接解析---被包含的文件无论是什么后 缀名，其中的代码均会被执行。a.php中存在可执行的PHP代码，被b.php包含， a.php中的代码会被直接解析。a.php中存在普通的字符串，被b.php包含， a.php中的字符串会直接完成输出。静态文件包含------文件名是固定的------动态文件包含----被包含的文件名是动态传参的。1、文件包含的作用：减小代码的荣誉。调整安全等级为low。三、文件包含漏洞利用。

原创 《洁净空间》（转载老师南夏书刊）

《洁净空间》前言本书主题:洁净空间信仰:举头三尺有神明，修持洁净力。修行方式:打坐，冥想，素食，布施，持戒，行善，传递爱与光明。哲学流派:主观唯心主义哲学与宿命论。宗教类别:泛神论之我神论。我神论释义:相信宇宙中有一个无所不能的，无限大，包含过去未来的神明，它被耶稣称上帝，它被老子称道，但它并不是客观在外，它就是你自己!它是一个多面体，体内是天堂，是佛之极乐，而你举头三尺的神明，是它的一个面。宿命论核心逻辑:未来决定现在。即:你当下作出的

原创 “微软蓝屏”事件暴露了网络安全哪些问题？

因此，建立一套高效的应急响应机制，包括问题识别、报告、修复和部署，成为每个软件供应商必须考虑的问题[^1^]。在跨领域连锁反应的行业影响方面，这次全球性IT故障不仅影响航空、医疗、传媒等多个关键行业，还波及了全球供应链和关键基础设施的安全性[^2^][^4^]。例如，大量航班延误和取消影响了航空业，金融服务中断影响了银行业，医疗服务延迟则直接影响到公共健康[^2^][^4^]。综上所述， “微软蓝屏”事件揭示了软件更新流程中的风险管理和质量控制的重要性、应急响应的必要性以及跨领域连锁反应的广泛影响。

原创 生成式AI未来趋势预测

自主代理（Agent）需要更高级的决策制定和执行监控能力，这要求更复杂的算法和更高的技术成熟度。自主代理在自动化控制、智能家居、自动驾驶等高端市场有较大应用前景，能够独立完成复杂任务[^2^][^3^]。综上所述，生成式AI的未来发展方向不仅取决于技术自身的成熟度和市场需求，还受到政策环境和投资环境等因素的影响。- 对话系统（Chat）如ChatGPT已经展示出令人印象深刻的语言理解和生成能力[^1^][^4^]。- 国家政策鼓励生成式AI的创新应用，对对话系统和自主代理的发展均提供了支持[^2^]。

原创 C语言编程小作业

所以刚开始把公有函数里面的，这样写Student(int num，int score){}，但是当给这个里面的形参赋值的时候，发现student(1，90)中它的student有错。出现的错误有，把num和score定义到了私有函数中，这导致定义的max函数里，出现错误，说第七行已经有了，不能这样搞，难点感觉是对于max函数的定义，因为涉及到大小的比较和数组以及for循环，if结构。建立一个对象数组，内放5个学生的数据（学号，成绩），用指针指向数组首元素，输出第1、3、5个学生的数据。

原创 代码：前端与数据库交互的登陆界面

注册

原创 嵌套循环语句应用·九九乘法表

在实验的过程中，我使用的是IDEA，因为在使用IDE的过程中，每次新建一个项目都会出现modul+项目名称｛｝，不明白它出现的含义。2、第一行打印一列, 第二行打印两列，第三行打印三列...，所以可以通过行数i来控制打印的列数j。4、根据分析， 我们可以通过双重循环来实现， 外层循环控制行数i， 内层循环控制列数j。3、根据1 * 1 = 1， 1 * 2 = 2..., 可知计算结果等于j*i。1、九九乘法口诀表分为9行 9列，所以我们用i控制行数， j控制列数。使用do{}while()结构。

原创 队列·练习题

12用数组A[m]来存放循环队列q的元素，且它的头、尾指针分别为front和rear，队列满足条件(q.rear+1)%m==q.front,则队列中当前的元素个数为（ ）。10. 设数组Data[n]作为循环队列Q的存储空间，front为队头指针，rear为队尾指针，则执行入队操作的语句为（ ）。15、容量是10的循环队列的队头位置q->front为2，则队的第一个数据元素的位置是（ ）13在一个链队列中，若f,r分别为队首、队尾指针，则插入s所指结点的操作为（ ）。

原创 查找·练习题

7、散列表的地址区间为0～16，散列函数为H1（K）=K%17，采用线性探测法解决冲突，将关键字序列26，25，72，38，1，18，59依次存储到散列表中。元素59存放在散列表中的地址为（ ）。10、设有序表的关键字序列为{1，4，6，10，18，35，42，53，67，71，78，84，92，99}，当用二分查找法查找键值为84的结点时，经（ ）次比较后查找成功。4、给定有序表D二{15，17，18，22，35，51，60，88，93}，用二分法查找法在D中查找18，试用图示法表示查找过程。

原创 基于4C理论的宜家家居网络营销策略分析—以宜家家居为例

4C理论是由美国学者劳特朋提出的，它强调在营销活动中应以消费者需求（Consumer wants and needs）为导向，注重消费者能得到的利益（Customer benefits），以及消费者的购买成本（Customer costs）和购买便利性（Convenience）。此外，宜家家居还开发了专门的移动应用程序，提供更个性化的用户体验，如虚拟家居布置功能，使用户能在购买前预览家居装饰的效果。此外，我们还采用了案例分析法，通过对宜家家居的典型案例进行分析，进一步阐述了其网络营销策略的实际应用效果。

原创 全网最全·操作系统必考概念：名词解释、简答（附答案）

第四层是存取控制验证层，该层的主要功能是根据存取控制信息和用户访问要求检验文件访问的合法性，从而实现文件的共享，保密和保护。其主要任务是按照一定的原则对外存输入井中的大量后备作业进行选择，给选出的作业分配内存，输入输出设备等必要资源，并建立相应的根进程，以使该作业的进程获得竞争CPU的资格。覆盖技术主要用在早期的操作系统中。中断，陷阱和软中断的异同:1.陷阱指CPU和内存内部产生的中断，包括程序运行引起的各种错误，如地址非法，校验错误和页面失效，存取访问控制错误，从用户态到核心态的切换等，都是陷阱的例子。

原创 操作系统期末必考概念大纲（整理·全）

3、 手工操作阶段、批处理系统阶段、多道程序系统阶段、分时操作系统阶段、通用操作系统阶段。1、 分区管理、分页管理、段式管理、段页式管理的各自特点（对比表）1、 作业的概念、作业的组成、组织、作业说明书的内容、作业步。6、 死锁的概念、产生原因及条件，消除的方法（详细）1、 数据传送控制方式、特点（细节点）5、 进程同步（同步、公用、私用）1、 文件系统工作概述、文件概述。4、 批处理系统（联机、脱机）11、 进程的上下文切换的组成。5、 作业与程序、进程的关系。2、 文件系统的分类、功能。

原创 17届全国大学生信息安全竞赛西北赛区选拔赛（部分CTF）

原创 文件系统实验（操作系统）

为了便于用户利用终端进行输入和输出，UNIX系统做了专门安排。UNIX系统自动为用户打开3个文件：标准输入、标准输出和标准错误输出文件，文件描述符分别为0、1、2，缺省时，这些文件是重定向到终端的。LINUX系统问价有如下的分类宏文件类型S_IFREG普通文件S_IFDIR目录文件S_IFCHR字符设备文件S_IFBLK块设备文件S_IFIFO有名管道文件S_IFLNK符号链接文件S_IFSOCK网络套接字文件。

原创 组合已实现的函数完成K-means算法

K-means聚类算法的流程如下： 首先从数据集x1​,x2​,x3​,…,xn​中随机选择k个样本作为簇中心C=(C1​,C2​,…K-means是一类非常经典的无监督机器学习算法，通常在实际应用中用于从数据集中找出不同样本的聚集模式，其基本原理就是类中样本的距离要远远小于类间样本的距离。一、对于每个样本 xi​，计算距离其最近的簇中心yˉ​i​=argmini​ dist(xi​,Cj​)其含义实际上就是对于每一个簇j，计算分配在其中的样本向量的平均值。二、对于每一个簇j，重新计算其簇中心。

原创 评估聚类效果

通常对于一个具有 K 个簇的数据集 {(x,y)}，x 是单个样本，y （1

原创 计算各聚类中心

输入一组向量（数据集）、一个数组（每个元素分配的类中心编号）和一组向量（各聚类中心），输出一组向量（各聚类中心）。平台比对函数 estimate_centers 的输出结果与正确结果的差异，只有完全正确才能进入下一关。K-means 算法是一个迭代优化算法，每次迭代我们需要重新计算簇的中心。在前一个关卡中，我们实现了一个函数来计算距离每个样本最近的簇中心，这样每一个样本都有了所属的簇团，从而将一堆数据分成了 n 个簇，也就是 n 个类。本关实现一个函数来计算各簇的中心。

原创 计算样本的最近邻聚类中心

平台将对你的函数输入一个整数向量代表样本和一个二维数组代表一组簇向量，比对函数 nearest_cluster_center 的输出结果与正确结果的差异，只有完全正确才能进入下一关。聚类算法中一个重要的步骤就是，来计算每个样本最近的簇中心。在前一个关卡中，我们学习了欧几里得距离计算函数，对于任意两个样本，我们可以得出其距离远近。本关，我们基于这个函数，来计算距离每个样本最近的簇中心。代表样本 x 与簇中心Ci​的欧几里得距离，argmini​代表最小值所在的序号 i。

原创 计算欧几里得距离

比如，对于用户 x 而言，其属性可能是收入、年龄、工作时间等，对于电影而言，其属性可能是出品年份、导演、风格等。K-means 算法的核心思想是，将数据集中的样本聚类为多个簇集，簇内样本距离较近，簇间样本距离较远。平台将对你的函数输入两个 Numpy 数组，计算欧式距离，比对函数 euclid_distance 的输出结果与正确结果的差异，只有完全正确才能进入下一关。欧几里得度量（Euclidean metric）（也称欧氏距离）是一个常用的距离定义，计算 n 维空间中，两个样本点之间的几何距离。

原创 如何评价GPT-4o?

例如，在面对一段包含讽刺、双关语或复杂叙述的文本时，GPT-4o较之前的版本能够更好地揣摩说话者的意图，并生成符合语境的回复。例如，在完成复杂的写作任务时，GPT-4o能够生成具有一致性和高质量的段落，而这一点在长文本生成中尤为显著。在智能客服领域，GPT-4o通过其强大的对话能力，可以为用户提供快速、准确的服务，从而提升客户满意度。GPT-4o作为最新一代的语言模型，在语言理解和生成能力、对话交互流畅度、应用场景拓展、技术创新和突破以及用户体验和接受度等方面都有着显著的进步和亮点。**上下文理解：**

原创 scikit-learn线性回归实践 - 波斯顿房价预测

波斯顿房价数据集共有506条波斯顿房价的数据，每条数据包括对指定房屋的13项数值型特征和目标房价组成。用数据集的80%作为训练集，数据集的20%作为测试集，训练集和测试集中都包括特征和目标房价。想要使用该数据集可以使用如下代码：#获取训练数据#获取训练标签#获取测试数据。

原创 衡量线性回归的性能指标

大家知道已经，机器学习通常都是将训练集上的数据对模型进行训练，然后再将测试集上的数据给训练好的模型进行预测，最后根据模型性能的好坏选择模型，对于分类问题，大家很容易想到，可以使用正确率来评估模型的性能，那么回归问题可以使用哪些指标用来评估呢？

原创 线性回归的正规方程解

波斯顿房价数据集共有506条波斯顿房价的数据，每条数据包括对指定房屋的13项数值型特征和目标房价组成。用数据集的80%作为训练集，数据集的20%作为测试集，训练集和测试集中都包括特征和目标房价。sklearn中已经提供了波斯顿房价数据集的相关接口，想要使用该数据集可以使用如下代码：#加载波斯顿房价数据集#X表示特征，y表示目标房价。

原创 简单线性回归与多元线性回归

简单线性回归中，一个变量跟另一个变量的变化而变化，但是生活中，还有很多变量，可能由多个变量的变化决定着它的变化，比如房价，影响它的因素可能有：房屋面积、地理位置等等。在生活中，我们常常能碰到这么一种情况，一个变量会跟着另一个变量的变化而变化，如圆的周长与半径的关系，当圆的半径确定了，那么周长也就确定了。，那么，到底什么是线性回归呢？假如我们将青少年的身高和体重值作为坐标，不同人的身高体重就会在平面上构成不同的坐标点，然后用一条直线，尽可能的去拟合这些点，这就是简单的线性回归。表示特征值(如：体重值)，

原创 实现基于矩阵分解的协同分解算法，为用户推荐分值最高的两物品

这段代码实现了基于矩阵分解的协同过滤算法，用于给用户推荐物品。1. **数据初始化：**- 初始化了用户-物品评分矩阵 `R`，其中0表示用户没有对物品评分。- 设置了潜在因子数 `K`，用于定义用户和物品的隐含特征空间的维度。- 随机初始化了用户矩阵 `P` 和物品矩阵 `Q`。2. **梯度下降更新：**- 使用梯度下降法更新用户矩阵 `P` 和物品矩阵 `Q`，以最小化预测评分与实际评分之间的差异。

原创 liunx主存信息的监视

在这个程序中，我们通过实验了动态内存分配和重新分配的过程，以及如何使用malloc、realloc和free函数。具体来说：1. 动态内存分配：使用malloc函数分配内存块时，我们需要指定要分配的内存大小。如果分配成功，malloc函数返回一个指向分配内存块的指针，否则返回NULL。在这个程序中，我们尝试分配了一个长度为10的内存块，并将字符串"Hello"复制到该内存中。2. 动态内存重新分配：如果原先分配的内存空间不足以满足需求，我们可以使用realloc函数来重新分配更大或更小的内存空间。

原创 第十六届全国大学生信息安全竞赛初赛部分CFT题解析

【代码】第十六届全国大学生信息安全竞赛初赛部分CFT题解析。

转载 Numpy 初体验

从深度看，数组既可以横向叠放，也可以竖向叠放。的输出，然后将其与预期输出作对比，如果一致，则测试通过；的输出，然后将其与预期输出作对比，如果一致，则测试通过；的输出，然后将其与预期输出作对比，如果一致，则测试通过；的输出，然后将其与预期输出作对比，如果一致，则测试通过；数组对堆叠包含以下几个函数： 首先，创建两个数组。为了完成本关任务，你需要掌握：数组的切片与索引。返回的是真实的数组，需要分配新的内存空间，而。，我们可以方便的更改数组的形状，比如使用。，我们可以方便的对数组进行拆分，比如使用。

原创 Pandas 初体验

是为了解决数据分析任务而创建的，纳入了大量的库和标准数据模型，提供了高效地操作大型数据集所需的工具。既有行索引还有列索引，它有一组有序的列，每列既可以是不同类型（数值、字符串、布尔型）的数据，或者可以看做由。虽然它们不是每一个问题的通用解决方案，但可以提供一个坚实的，易于使用的大多数应用程序的基础。是一个表格型的数据结构，是以一个或多个二维块存放的数据表格（层次化索引），为了完成本关任务，你需要掌握：算术运算（+，-，*，/）。是一个一维的类似的数组对象，包含一个数组的数据（任何。你可以分别的通过它的。

原创 进程的共享主存通信实验

共享存储区为进程提供了直接通过主存进行通信的有效手段，不像消息缓冲机制那样需要系统提供缓冲，也不像pipe机制那样需要事先建立一个特殊文件，而是由通信双方直接访问某些共享虚拟储存空间。一个共享主存段一旦被附加到进程的虚拟空间后，对它的访问与其他虚拟地址的访问完全相同。程序首先申请创建一个16K大小的共享存储段，标识号为SHMKEY，然后将共享段附加到系统指定位置，并打印附加到进程地址空间的地址。.shmadd为非0，如果shmflg指定了SHM_RND标志，则将该共享段附加shmadd取整后指定的地址上。

原创 Numpy 进阶

花式索引根据索引数组的值，作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；除了基本的用整数和切片的索引外，数组还有整数数组索引、布尔索引及花式索引。的数组，进行数值计算的方式。对数组的算术运算通常在相应的元素上进行，当运算中的。然后，利用整数数组索引获取数组四个角（按行优先的顺序获取）的元素得到数组。对象可以实现完成访问数组中的每一个元素，这项最基本的功能，使用标准的。），为了在遍历数组的同时，实现对数组元素值的修改，必须将可选参数。

原创 Pandas 进阶

df.groupby("B").agg(result) #求每一组最大值与最小值的差。

原创 如何利用AI提高内容生产效率?

AI还可以对内容进行自动化的语义分析和情感分析，帮助创作者更好地把握用户的情感和需求，提供更加个性化和有针对性的内容。此外，AI还可以对内容进行自动化的校对和润色，提高内容的语言表达和逻辑结构，提升用户的阅读体验。此外，AI还可以通过分析社交媒体和网络上的热点话题，帮助创作者找到适合推广的时机和方式，提升内容的传播效果。此外，AI还可以通过智能化的项目管理和任务分配，帮助创作者进行工作流程的规划和优化。AI可以根据任务的紧急程度和团队成员的专长，自动化地分配任务和资源，提高工作的分配效率和团队的协作效果。

原创 NumPy 数组的高级操作

两个ndarray对象的相加、相减以及相乘都是对应元素之间的操作。print(x*y)'''输入结果如下：[[ 2 2 9][ 2 4 12]]'''当两个ndarray对象的形状并不相同的时候，我们可以通过扩展数组的方法来实现相加、相减、相乘等操作，这种机制叫做广播（。比如，一个二维的ndarray对象减去列平均值，来对数组的每一列进行取均值化处理：# arr为4行3列的ndarray对象# arr_mean为有3个元素的一维ndarray对象# 对arr的每一列进行。

原创 python 数据分析之 4 —— pandas 预处理

注意：若出现如下错误，直接添加参数 sort=True 即可。method = 'bfill'后向填充，用后面的非缺失值填充。离差标准化就是对原始数据进行线性变换并映射至 [0，1] 区间的方法。表示删除形式，how = 'any' 表示只要有缺失值就删除。例如有数据文件 test.csv ，其内容为：。的 DataFrame。等宽离散化将数据的值域分成宽度相同区间，根据数据所在区间取值，实现连续变量的离散化。为了完成本关任务，你需要掌握：1、离差标准化，2、等宽离散化。本关任务：数据转换。