Python
MySQL UDF 提权初探
MySQL UDF 提权初探 对 MySQL UDF 提权做一次探究，什么情况下可以提权，提取的主机权限是否跟mysqld进程启动的主机账号有关 数据库信息 MySQL数据库版本:5.7.21 UDF UDF：(User Defined Function) 用户自定义函数，MySQL数据库的初衷是用于方便用户进行自定义函数，方便查询一些复杂的数据，同时也有可能被攻击者利用，使用udf进行提权。 提
(五)time库的使用
Python是一种功能强大的编程语言，其标准库中包含了丰富的模块和函数，用于处理时间和日期信息。其中，time模块提供了对时间的访问和处理功能，使得程序员可以轻松地操作时间数据。本篇博文将详细介绍time库的使用方法，包括基本介绍、时间获取方式、时间格式化和程序计时应用。 1. time库基本介绍 Python中的time模块提供了与时间相关的各种函数，包括获取当前时间、操作时间对象、线程延时等功
轻松上手Markdown进阶：揭秘那些让你事半功倍的小秘诀！
110.其他Markdown技巧 讲讲其他关于 Markdown 的杂技。 Slidev 官网：cn.sli.dev/guide Slidev 是一款专门为开发者打造的演示文稿工具，目前在 Github 上已有 23K+Star。 通过 Slidev，我们只要使用熟悉的 Markdown 就可以做出炫酷的 PPT 来，同时拥有支持 HTML 和 Vue 组件的能力，并且能够呈现像素级
代码随想录算法训练营第61天 | 图论part08：拓扑排序+迪杰斯特拉朴素法
117.软件构建 https://kamacoder.com/problempage.php?pid=1191 拓扑排序精讲 https://www.programmercarl.com/kamacoder/0117.软件构建.html#拓扑排序的背景 47.参加科学大会 https://kamacoder.com/problempage.php?pid=1047 dijkstra（朴素版）精讲
零基础学习人工智能—Python—Pytorch学习（一）
前言 其实学习人工智能不难，就跟学习软件开发一样，只是会的人相对少，而一些会的人写文章，做视频又不好好讲。 比如，上来就跟你说要学习张量，或者告诉你张量是向量的多维度等等模式的讲解；目的都是让别人知道他会这个技术，但又不想让你学。 对于学习，多年的学习经验，和无数次的回顾学习过程，都证明了一件事，如果一篇文章，一个视频，一个课程，我没学明白，那问题一定不在我，而是上课的主动或被动的不想让我学会，所
代码随想录算法训练营第62天 | 最短路径：dijkstra（堆优化版）+ Bellman_ford算法
47.参加科学大会 https://kamacoder.com/problempage.php?pid=1047 dijkstra（堆优化版）精讲 https://www.programmercarl.com/kamacoder/0047.参会dijkstra堆.html#思路 94.城市间货物运输 I https://kamacoder.com/problempage.php?pid=1152
【实战】文件加密器进行逆向
前言 实战可以大大提高自己，学习技术的目的就是能够在实战中运用。 本次实战与实际息息相关，该软件具有加密某文件的功能。 界面还挺好看的，功能很简单，输入文件和PIN(4位）进加解密。 这是被加密的文件 需要将其进行解密，拿到flag 思路 因为PIN是4位，因此可以写一个python脚本，对其进行爆破。 关键在于得出加密的算法，此时就需要我们进行逆向分析了 分析 先尝试进行加密 根据关键词：
pymysql 多线程报错问题：Packet sequence number wrong - got 1 expected 2
一、场景 使用python脚本，批量复制mock数据用于测试 二、原脚本 三、修改后的脚本 参考链接： pymysql 多线程报错问题：Packet sequence number wrong - got 1 expected 2'NoneType' object has no
python和sliver交互
开源第三方库：https://sliverpy.readthedocs.io/en/latest/getting-started.html#connect-example 代码示例: 添加自定义功能后需要重新生成pb文件 然后修改 sliver_client/sliver/interactive.py 添加port_scan功能
ChatGPT 人工智能助理 Assistant
简介 Assistants API 允许您在自己的应用程序中构建 AI 助手。助手通过指令，利用模型、工具和知识来响应用户查询。Assistants 主要分为几大模块： 类型 支持的功能 Name 助理的名称。 Instructions 指示，预制的一些提示词，比如角色设定。 Model 可以指定任何 GPT-3.5 或 GPT-4 型号。检索工具至少需要 gpt-3.5-t
QWen2-72B-Instruct模型安装部署过程
最近在给我们的客户私有化部署我们的TorchV系统，客户给的资源足够充裕，借此机会记录下部署千问72B模型的过程，分享给大家！ 一、基础信息 操作系统：Ubuntu 22.04.3 LTS GPU: A800(80GB) * 8 内存：1TB 二、软件信息 Python: 3.10 Pytorch：2.3.0 Transformers：4.43.0 vLLM：0.5.0 cuda：
nerfstudio环境配置
环境基础： neofetch nvidia-smi 安装conda 直接来到官网安装，选择跳过注册即可： https://www.anaconda.com/download/success 中途出现了一个路径错误，但是我并有中文路径，所以加上了两句export，之后正常安装。 然后重启终端。 安装conda环境 到这里正常，然后需要安装一些包。这里加入代理 然后发现代理无效，于是使用清华
n00bzCTF 2024
n00bzCTF 2024 Crypto Vinegar 题目： Encrypted flag: nmivrxbiaatjvvbcjsf Key: secretkey exp: 维吉尼亚密码 flag：n00bz{vigenerecipherisfun} RSA 题目： 思路： exp : Vinegar 2 题目： chall.py enc.txt *fa4Q(}
软件测试设计1探索性测试
1 探索性测试 本章将介绍探索性测试：手动试用新功能，快速获得有关其行为的反馈。我们将详细介绍探索性测试，考虑它的优缺点，以及何时应在项目中执行探索性测试。 我们将了解开始探索性测试所需的先决条件以及应采取的方法。这种测试可以是完整测试计划的一个缩影，它从客户的角度出发，利用你对功能工作原理的天真来识别容易混淆的地方。 探索性测试应作为大型测试策略的一部分，但在时间紧迫时也可单独进行。最后，我们将
Java-设计模式-全-
Java 设计模式（全） 原文：Java Design Patterns 协议：CC BY-NC-SA 4.0 一、单例模式 这一章涵盖了单例模式。 GoF 定义 确保一个类只有一个实例，并提供对它的全局访问点。 概念 一个类不能有多个实例。创建后，下一次开始，您将只使用现有的实例。这种方法有助于在集中式系统中限制不必要的对象创建。该方法还促进了容易的维护。 真实世界的例子 让我们假设你是一个
Java-开发者的-NetBeans-IDE-入门手册-全-
Java 开发者的 NetBeans IDE 入门手册（全） 原文：Beginning NetBeans IDE for Java developers 协议：CC BY-NC-SA 4.0 一、安装和设置 由于其开箱即用的体验，NetBeans 是学习 Java 的最佳入门 IDE。一个简单的点击式安装过程提供了您需要的所有工具，以及一个友好而直观的用户界面来开发各种 Java 应用。—Z
yolov5 mAP计算代码分析
前言 模型训练过程中每一轮都会计算P，R，mAP，mAP@0.5等数值，本篇分析这些数值的计算过程，分析最核心部分。我的感受是计算的过程比想象的复杂。 主要的流程在yolov5/val.py文件的process_batch处理函数中。 计算map@0.5的计算基本原理是： 给定一个阈值数组，从0.5-0.95每间隔0.05，生成一共10个数据 获取预测结果和标注，计算预测框和gt框的IOU，
Java-挑战-全-
Java 挑战（全） 原文：Java Challenges 协议：CC BY-NC-SA 4.0 一、介绍 欢迎使用本工作簿！在你开始之前，我想简要地概述一下你在阅读它时可以期待什么。 这本书涵盖了广泛的与实践相关的主题，以不同难度的练习为代表。这些练习(在很大程度上)是相互独立的，可以按照任何顺序解决，这取决于你的心情或兴趣。 除了练习之外，你还会找到相应的答案，包括对用于解决方案的算法的简
如何发布自己的python包到pypi
如何发布自己的python包到pypi 环境依赖 setuptools twine build 以上环境通过pip install 进行安装。 项目配置 确保你的项目目录结构中存在如下文件： README.md文件可用于最终展现在pypi项目主页的介绍。 核心的配置在于setup.py, 当然也可以配置pyproject.toml及setup.cfg达到相同的效果。 本文仅仅针对如何配置se
Python动态规划
Python动态规划 动态规划（Dynamic Programming，简称DP）是解决多阶段决策过程最优化问题的一种方法。 动态规划算法的基本思想是: 将待求解的问题分解成若干个相互联系的子问题，先求解子问题，然后从这些子问题的解得到原问题的解； 对于重复出现的子问题，只在第一次遇到的时候对它进行求解，并把答案保存起来，让以后再次遇到时直接引用答案，不必重新求解。 动态规划算法将问题的解决方案视
Python设置私有属性
python私有方法和私有属性 python的默认成员函数和变量都是公开的，python没有public和private等关键字，在python中用双下划线作为变量名前缀就变成私有的了
Python、R银行信用卡客户流失机器学习预测热门文章合集
原文链接：https://tecdat.cn/?p=37244 原文出处：拓端数据部落公众号 分析师： Cengjun Wang 目前，众多银行由于服务质量的降低、同业竞争的日益激烈等因素，面临着信用卡客户流失的棘手难题，这给银行经理施加了沉重的压力。而且，获取新的信用卡用户所需成本通常高于维持现有用户的成本。本文将通过展示银行信用卡客户流失机器学习预测的案例，并结合一系列P
【jenkins】/usr/bin/env: php: No such file or directory
在jenkins python脚本中执行composer install 时提示/usr/bin/env: php: No such file or directory 经网上查资料是默认会在/usr/bin/php 执行 命令，这与我们php安装目录不符，所以做一个软链接： ln -s php安装目录 /usr/bin/php
pytorch张量运算
pytorch张量运算 2.1 数据操作 深度学习落实到计算表现为矩阵计算 pytorch、tensorflow中，计算的基本组件是Tensor。张量即多维数组，是矩阵计算的基本单元。 Tensor:张量，一维张量即向量vector，二维张量即 二维数组。张量是n维数组的统称 python中有专门进行矩阵计算的库：numpy。pytorch和tensorflow等 和 numpy除了矩阵计算的
[python] base64使用方法
调用 base64 编码 & 解码 参考文献 python 文档: https://docs.python.org/zh-cn/3.5/library/base64.html
数据结构学习之树结构
前段时间刚好在学习机器学习中的决策树，想起多年前学习树这个数据结构的场景，刚好借此机会回归一下知识点。 树是一种非常常见的数据结构，它由节点（Node）和边（Edge）构成。它有如下的一些特征： 1. 根结点（Root Node）：树有且只有一个根结点，它是树的顶端结点。 2. 结点（Node）：每个结点包含一个值或信息，除了根结点，每个结点都有一个父结点和零个或多个子结点。 3. 边（Edge）