Python

第三届广东省大学生网络攻防竞赛wp

一、WEB1.消失的flag访问提示Access Deniedfakeip插件伪造ip提示File is Null尝试加file参数大概是filter-chain参考文章:https://blog.csdn.net/yuanxu8877/article/details/127607264php://filter/convert.iconv可以成功2.unserialize_web先看看有没有常见的

SRC漏洞挖掘----信息搜集

信息搜集插件推荐:shodan,findsomething,retire.js,hacktool,FoFa Pro view SRC漏洞挖掘之信息搜集 资产搜集的网站:zoomeye,fofa(收费),360 网络空间测绘系统-360数字安全(免费) 1.FOFA语法学习 介绍: FOFA(Fingerprinting Organizations with Advanced Tools)是一家总部

TEN Framework 入坑记

TL;DR TEN Framework 最初叫 Astra,后改为 TEN,即 Transformative Extensions Network。 我第一次见到 TEN (那时还叫 Astra)是在今年的 6 月份的极客公园 AGI Playground 大会 RTE OpenDay 的活动上。当时展区现场人声嘈杂,但对话效果已经很不错。当时我们在展示用 XSwitch 支持多模态对话,我们已经

Linux配置conda环境

Linux配置conda环境 配置conda环境 打开终端,输入命令下载 下载好了后,输入bash 文件名来安装,等待一会后,在看完协议后按下yes确认,在默认安装的时候输入回车,然后接下来初始化选择yes。 安装完成软件后需要重启Linux,或者输入 输入这个命令后,成功输出表示安装成功 配置国内镜像 配置国内访问镜像,国内用户推荐的镜像,以下选清华或是北外的镜像都可以,(1)和(2)

EPICS pythonSoftIOC教程

EPICS pythonSoftIOC教程 conda 安装EPICS pythonSoftIOC教程 进入你的conda环境中,输入命令 当你安装完成后 输出这种表示安装成功了 4.5.0

Summary Functions and Maps(pandas学习三)

Summary functions 输出如下: country description designation points price province region_1 region_2 taster_name taster_twitter_handle title variety winery 0 Italy Aromas include tropical fruit, br

GET代码学习

这段代码展示了如何将数据从 DataFrame 形式转化为 “blocks” 的过程。具体来说,它通过处理 DataFrame 的每一行(每一行代表一个原子),将它们按残基(residue)分组,每个组被称为一个 "block"。以下是对代码的详细分析,解释如何将数据转化为 "block"。 主要步骤: 循环遍历每个原子(DataFrame 的每一行): df.itertuples() 用于

【Python数据采集】国家自然科学基金大数据知识管理服务门户数据采集

【Python数据采集】国家自然科学基金大数据知识管理服务门户数据采集 具体需求:从https://kd.nsfc.cn/网站中根据关键词搜索项目信息,收集列表中展示的信息以及详情页面中的参与人员信息等。 在开始干活之前,我们首先要做的是弄清楚需求,然后分析目标网址,确定目标数据所在接口及请求参数等信息。 经过分析,列表数据存在于接口/api/baseQuery/completionQueryRe

OAS常见错误

body { font-family: Arial, sans-serif; line-height: 1.6; margin: 20px } h1, h2 { color: rgba(51, 51, 51, 1) } pre { background-color: rgba(244, 244, 244, 1); padding: 10px; border-radius: 5px; overflo

统计学(十三)——相关分析

img { display: block; margin-left: auto; margin-right: auto } table { margin-left: auto; margin-right: auto } 相关分析是用于研究多个变量之间相互关系的统计方法,最早由英国统计学家卡尔·皮尔逊(Karl Pearson)于1896年提出。皮尔逊通过对变量间线性关系的深入研究,提出了“皮尔逊相

软件工程week2课程作业|“物品复活“软件开发

“物品复活”软件开发 作业要求 大学生经常有些物品觉得扔掉可惜,不处理又觉得浪费自己的地方。请你编写一个物品“复活”软件 该程序允许添加物品的信息(物品名称,物品描述,联系人信息),删除物品的信息,显示物品列表,也允许查找物品的信息 你实现的程序可以采用命令行方式使用,但是鼓励提供GUI 程序实现完毕后,发布在Github上 进行PSP数据的统计,发布在你的技术博客上(内容请按照下表) 软件地址

Fully-developed Web App

Assessment 2: Fully-developed Web App - Details Weighting: 50% (Pair or Individual) NB: you should not start this assignment until after you have submitted assignment 1 Overview - Fully

[Http] 跨源资源共享(CORS)

基本概念 CORS 指的是 跨源资源共享(Cross-Origin Resource Sharing),默认情况下不允许从一个源(即一个域名、协议、端口号组合)加载页面执行跨源 HTTP 请求。 若服务器未配置 CORS,当浏览器发起跨域请求时,会阻止前端获取服务器的响应。因此,服务器必须正确配置 CORS 头部,以允许某些跨域访问。CORS 配置主要是为了配合浏览器的安全机制,CORS 规则只适

Vulnhub 靶机 THE PLANETS: EARTH

0x01信息收集 1.1、nmap扫描 IP段扫描,确定靶机地址 平扫描 扫描结果(部分) 或者全端口全脚本ip段扫描(慢) 扫描结果 得到信息 1.1.1服务查看 22端口——ssh服务 80端口——http(尝试ip访问界面) 访问没有结果 443端口——ssl(尝试重新访问) ip访问是Fedora Webserver Test Page页面,尝试使用域名访问 发现443端口有

Python_Code_Demand_Planning

Python_Code_Demand_Planning Python_Code_Demand_Planning

【重建虚拟环境】虚拟环境里python.exe被破坏了,对策

虚拟环境里python.exe被破坏了,python.exe变成了0KB 虚拟环境不能使用了。这个时候需要重建虚拟环境 如果你重建虚拟环境,之前使用 pip install 安装的所有包确实会丢失,因为新的虚拟环境不会保留之前的包记录。 不过,有一种简单的办法可以避免这个问题,并轻松恢复之前安装的包: 如果你重建虚拟环境,之前使用 pip install 安装的所有包确实会丢失,因为新的虚拟环境不

matplotlib 斜体

matplotlib 斜体   在 Matplotlib 中,斜体(Italic)字体可以用于改善图表的可读性或美观度。要设置斜体字体,你可以使用 Matplotlib 的字体属性。这可以通过几种方式实现,比如直接在文本字符串中使用 LaTeX 风格的斜体命令,或者使用字体属性字典来指定斜体。使用 LaTeX 风格的斜体Matplotlib 支持 LaTeX 风格的文本渲染,你可以直接在

ChatTTS的两种使用方式

安装conda 官方下载地址https://www.anaconda.com/download/success 项目地址: https://github.com/2noise/ChatTTS conda创建环境 打开Anaconda Prompt,其实和cmd终端一样的用于conda环境的配置打开后来到当前用户目录下创建一个环境chattts,指定python版本为3.11,名字随便起cond

逆向WeChat(七)

上篇介绍了如何通过嗅探MojoIPC抓包小程序的HTTPS数据。 本篇逆向微信客户端本地数据库相关事宜。 微信PC客户端有两种主要的数据存储类型,一种是基于sqlcipher,另一种是基于protobuf。除了这两种外还有别的,不在本篇内容。 它们是对应两个主要的类,StorageBase跟ConfigInfoStorage。StorageBase使用sqlcipher作为存储手段,Config

代码随想录算法训练营day8|344.反转字符串 ● 541. 反转字符串II ● 卡码网:54.替换数字

学习资料:https://programmercarl.com/0344.反转字符串.html#算法公开课 在python中字符串不可变,所以要增加空间 lst=list(str) 344.反转字符串(reverse库函数的基本代码) 点击查看代码 541.反转字符串2(调用反转字符串1作为子函数,每2k区间对1k字符串进行反转操作) 点击查看代码 卡码网 54.替换数字 点击查看代

字符编码发展史5 — UTF-16和UTF-32

上一篇《字符编码发展史4 — Unicode与UTF-8》我们讲解了Unicode字符集与UTF-8编码。本篇我们将继续讲解字符编码的第三个发展阶段中的UTF-16和UTF-32。 2.3. 第三个阶段 国际化 2.3.2. Unicode的编码方式 2.3.2.2. UTF-16 UTF-16也是一种变长编码,对于一个Unicode字符被编码成1至2个码元,每个码元为2个字节(16位)。UTF-

divide by zero encountered in log10 my_vmin=np.log10(data['PValue'].min())

  sm = plt.cm.ScalarMappable(cmap='viridis', norm=plt.Normalize(vmin=np.log10(data['PValue'].min()), vmax=np.log10(data['PValue'].max())))   C:Python310libsite-packagespandascorearraylike.py

因果推断与中介效应

img { display: block; margin-left: auto; margin-right: auto } table { margin-left: auto; margin-right: auto } 因果推断(Causal Inference)是统计学和数据科学中的重要分支,用于理解事件之间的因果关系,而不仅仅是相关性。与相关性分析不同,因果推断追求揭示因变量(结果)如何受到自

从LLaMA-Factory项目认识微调

  什么是LLaMA-Factory? LLaMA-Factory是一个在github上开源的,专为大模型训练设计的平台。项目提供中文说明,可以参考官方文档:https://github.com/hiyouga/LLaMA-Factory/blob/main/README_zh.md 为什么要学习LLaMA-Factory? 大模型技术发展到现在,企业想要真正利用大模型做些事情,一定需

DASCTF 2024暑期挑战赛wp

WEB题目:Sanic's revenge解题步骤首先看到给出的附件:from sanic import Sanicimport osfrom sanic.response import text, htmlimport sysimport randomimport pydash# pydash==5.1.2# 这里的源码好像被admin删掉了一些,听他说里面藏有大秘密class Pollute:

python之编程资源分享

【图灵学院】Python核心编程 链接:https://pan.quark.cn/s/9978ceb1512d 「编程宝典」 链接:https://pan.quark.cn/s/215dab1294a5 「编程开发」 链接:https://pan.quark.cn/s/4774c161ed6a 「计算机网络通关29讲」 链接:https://pan.quark.cn/s/461fac6c3398

Triplet Attention

一、本文介绍 本文给大家带来的改进是Triplet Attention三重注意力机制。这个机制,它通过三个不同的视角来分析输入的数据,就好比三个人从不同的角度来观察同一幅画,然后共同决定哪些部分最值得注意。三重注意力机制的主要思想是在网络中引入了一种新的注意力模块,这个模块包含三个分支,分别关注图像的不同维度。比如说,一个分支可能专注于图像的宽度,另一个分支专注于高度,第三个分支则聚焦于图像的深度

多尺度空洞注意力

一、本文介绍 本文给大家带来的改进机制是MSDA(多尺度空洞注意力)发表于今年的中科院一区(算是国内计算机领域的最高期刊了),其全称是"DilateFormer: Multi-Scale Dilated Transformer for Visual Recognition"。MSDA的主要思想是通过线性投影得到特征图X的相应查询、键和值。然后,将特征图的通道分成n个不同的头部,并在不同的头部中以不

变换器HAT

一、本文介绍 本文给大家带来的改进机制是HAttention注意力机制,混合注意力变换器(HAT)的设计理念是通过融合通道注意力和自注意力机制来提升单图像超分辨率重建的性能。通道注意力关注于识别哪些通道更重要,而自注意力则关注于图像内部各个位置之间的关系。HAT利用这两种注意力机制,有效地整合了全局的像素信息,从而提供更为精确的结果(这个注意力机制挺复杂的光代码就700+行),但是效果挺好的也是1

<<  <  60  61  62  63  64  65  66  67  68  69  70  >  >>