iscc2018(一只猫的心思)原文首发：https://blog.csdn.net/qq_41187256/article/details/80320701 解题思路：这一题真是不要脸，一点都不要，内容那么多使用foremost命令得不到那个doc文档，我能够说什么呢？最后想到使用winhex软件还浪费了那么久的时间（QAQ）首先：应该明白这一题不简单，使用winhex打开会发现这个是jpg文件

ISCC2018（最新的考核解析）本文首发：https://blog.csdn.net/qq_41187256/article/details/80273560 最近一直在做这个 ISCC2018，感觉可能自己只是一个新手吧！但是我会继续努力的，希望我的解题思路能够给你们带来一定的想法，我也希望自己能够在安全方面遇到更多志同道合的人！ 1 导入一个文本中，然后使用ASCII码表一一对比进行解密解题

MATLAB——画图（经典）plot二维线图全页折叠 #语法plot(X,Y)plot(X,Y,LineSpec)plot(X1,Y1,…,Xn,Yn)plot(X1,Y1,LineSpec1,…,Xn,Yn,LineSpecn)plot(Y)plot(Y,LineSpec)plot(,Name,Value)plot(ax,)h = plot(___)说明示例plot(X,Y) 创建 Y 中数据对

sublime text3简体中文版汉化教程今天突然想到好像还有一个强大的编译器sublime text 3可是这个是外国的编译器，不过各位不用担心这个编译器，已经支持中文编译了：下面就是我关于汉化为中文方面的一些了解以及汉化方式（由于我的编译器，今天不知道出现什么问题了，不可以使用一些命令，所以大部分的内容还是以文字的方式呈现给你们的，关于这一点，我让各位失望了） 1：启动并进入sublime主

人在学校，论文已交首先，感谢两位队友的疯狂输出，毕竟对女孩子来说这种比赛还是很累的（ths) 佛系领队(HHHHH）六点开始比赛，我七点刚刚吃完饭， 拿到题目分析一波 作为一个高中物理可以考个位数的学生，A,B两题实在干不动 A题关于压强B题受力分析两道硬核物理实在拿不到 柳暗花明又一村，看到C题，强行分析一波，感觉还不错第一问：先使用K型聚类，找出影响因素，分析影响机理，再使用层次分析法

bugbounty 利用文件上传 MIME嗅探到存储型XSS前言在私有程序上查找漏洞时，我能够通过文件上传功能找到存储的XSS漏洞。由于滥用IE/Edge处理文件的方式，我能够绕过文件类型检查 并将恶意HTML文件创建为GIF。我还分解了文件上传过滤器，并在利用它时我会进行相应的思考。 第一步：FUZZ探测当我开始查看新程序时，我总是喜欢的一件事是FUZZ一下文件上传的点。文件上传中的漏洞通常会给

《机器学习实战》学习笔记决策树基础篇之决策树构造决策树决策树是什么？决策树(decision tree)是一种基本的分类与回归方法。举个通俗易懂的例子，如下图所示的流程图就是一个决策树，长方形 代表判断模块(decision block)，椭圆形成代表终止模块(terminating block)，表示已经得出结论，可以终止运行。从判断模块引出的左右 箭头称作为分支(branch)，它可以达到另一

《机器学习实战》学习笔记(一)决策树之隐形眼镜漫谈一、决策树构建本篇文章只使用ID3算法构建决策树 1、ID3算法ID3算法的核心是在决策树各个结点上对应信息增益准则选择特征，递归地构建决策树。具体方法是：从根结点(root node)开始， 对结点计算所有可能的特征的信息增益，选择信息增益最大的特征作为结点的特征，由该特征的不同取值建立子节点；再对子结点递归地调用以 上方法，构建决策树；直到所有

《机器学习实战》学习笔记(一) k-近邻算法(约会实战)一、k-近邻法简介k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合， 也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后， 将新的数据的每个特征与样本

对WOT服务中逻辑缺陷漏洞的分析原文链接：https://edoverflow.com/2018/logic-flaws-in-wot-services/ 摘要网络信任服务（WOT）如Keybase，Onename和Blockstack承诺验证个人在网络上的身份。由于Web上的许多应用程序不一致， 因此通常会导致意外行为，从而导致网络信任服务中的安全漏洞。这篇文章分析了我在研究WOT服务安全性时偶