- 博客(17)
- 收藏
- 关注
RSS订阅原创 「CTF」青少年CTF·雏形系统
尝试随便输入点什么，没有结果使用dirsearch扫描网址目录可以看到有扫描到一个www.zip，zip文件大概率有需要的东西网址后加上www.zip就能对该文件进行下载文件解压缩后如下打开qsnctf.php，代码内容如下前面部分看起来挺正常，但是后面有一大串乱七八糟的代码丢给AI，得到的回答是：这段 PHP 代码是经过混淆处理的恶意脚本，其目的是隐藏真实执行逻辑。使用下面这个工具可以对PHP混淆进行解密得到解密后代码如下解密后代码中。
2025-09-10 21:06:53
625
原创 「计算机网络」笔记（一）
本质是一套转发规则，指 数据在网路中从源设备到目标设备的，解决“数据该往哪里传”的问题。路由的实现通过“路由表”来决策。
2025-07-16 07:05:54
1119
原创 「Happy LLM」Encoder-Decoder框架
Encoder-Decoder是深度学习中处理序列转换任务的核心框架，通过编码器提取输入特征并压缩为语义向量，解码器基于该向量和历史信息生成目标序列。传统RNN架构通过固定向量传递信息，而Transformer架构引入注意力机制动态关联输入输出。该框架广泛应用于机器翻译（GNMT）、预训练模型（BERT、GPT）和多模态任务（图像描述生成），具有通用性强、端到端训练等优点，但也存在长序列处理瓶颈、计算复杂度高和生成可控性不足等挑战。
2025-06-27 16:42:22
1190
原创 「Happy LLM」Encoder Only PLM
Transformer模型有Encoder和Decoder部分。Encoder Only指的是只使用Encoder部分，而不使用Decoder的模型，是一种在自然语言处理（NLP）中使用的Transformer模型架构变体，这种架构专注于理解输入文本的上下文和语义，而不是生成输出序列。BERT 是由 Google 于 2018 年提出的预训练语言模型，基于 Transformer 编码器架构，通过双向上下文建模在 11 项 NLP 任务中刷新了当时的 SOTA 性能。这些表示捕捉了单词之间的双向关系。
2025-06-25 20:43:04
333
原创 使用 DeepSeek R1 和 Ollama 实现本地 RAG 应用
RAG（Retrieval-AUgmented Generation）即检索增强生成，是人工智能在自然语言处理中常用的技术。检索权威资料可以约束生成内容，从而减少模型出现“幻觉”（幻觉：模型生成的内容看似合理，但实际上与事实不符、缺乏依据或完全虚构的现象）1 . 检索（Retrieval）：系统从大型数据库、文档库或外部资源中查找与用户查询最相关的信息片段。2 . 生成（Generation）：基于检索到的内容，使用生成模型来合成一个准确、上下文相关的回答。使用Ollama部署DeepSeek R1。
2025-06-25 20:23:23
442
原创 「Happy LLm」Tokenizer & RMSNorm
Tokenizer（分词器）是将文本分割成更小单元（如词、子词、字符等）的工具，常用于自然语言处理（NLP）任务。RMSNorm（Root Mean Square Layer Normalization）是一种改进的层归一化方法，常用于深度学习模型（如Transformer变体）中。：如WordPiece（BERT使用）、BPE（字节对编码），能拆分未知词汇（例如“unhappy”拆为“un”+“happy”）。：按空格或标点分割（如英文的简单分词），但对未登录词（生僻词）处理较弱。
2025-06-23 19:32:35
1013
1原创 「Ollama · part 1」LangChain & ChatPromptTemplate
"current_date": datetime.now().strftime("%Y-%m-%d %H:%M"), #时间can"user_name": USER_NAME, #配置常量"input": user_input #动态输入示例演示（Few-Shot Examples）# 运行对话print("\n示例问答：")response = chain.invoke({"input": "编程学习有哪些要求"})print("\nAI回答：", response)
2025-06-23 15:33:00
746
原创 「刷题记录 · 逆向」解题记录_攻防世界·bad_python
这篇技术文章介绍了CTF题目"bad_python"的解题过程。题目给出一个损坏的pyc文件，需要先修复文件头（使用010editor将文件头修改为Python 3.6版本的标准格式），再用uncompyle6工具反编译为源代码。反编译后获得一个使用TEA加密算法验证flag的程序，通过逆向分析加密逻辑，编写解密脚本最终获取flag："flag{Th1s_1s_A_Easy_Pyth0n__R3veRse_0}"。解题过程涉及pyc文件修复、反编译和加密算法逆向等知识
2025-06-21 09:22:26
2033
原创 「Python · 初学」基础知识简单梳理
一直想系统学习一下Python，但是零零散散的，一直只停留在最最基础的语法。简单过一下基础语法，争取早日开始Python的进阶。
2025-06-19 17:42:41
334
原创 本地DeepSeek界面可视化
上一节讲到了如何使用Ollama本地部署DeepSeek使用Ollama在本地下载好DeepSeek后，我们需要在终端通过指令运行。本节会讲到如何实现DeepSeek的可视化操作。
2025-06-19 13:34:47
650
原创 「Happy LLM」革命性的深度学习架构——transformer
我们在观察事物时，会选择性关注关键信息，忽略次要内容注意力机制使模型在处理输入序列时，为不同位置的信息分配不同的“关注度”，从而聚焦于当前任务的最重要部分。核心思想：选择性聚焦、动态权重分配注意力机制的核心可表示为一个函数，输入为和，输出为加权后的V 值。注意力机制的特点：通过计算与的相关性为真值加权求和，从而拟合序列中每个词同其他词的相关关系。
2025-06-18 21:48:42
937
原创 「Happy LLM」机器与人类沟通的桥梁——NLP
NLP（自然语言处理）是人工智能的一个分支，专注于让计算机理解、生成和运用人类语言。它的核心是通过算法处理文本或语音数据，实现翻译、问答、情感分析等功能。其本质上是将人类语言转化为机器可处理的结构化数据（如语义解析），同时将机器计算结果转换回人类可理解的自然语言（如对话生成）。目前，手机语音助手、邮件自动分类、智能客服等应用，NLP都承担着双向翻译的桥梁作用。输入侧：将人类模糊的、多义的自然语言（如语音/文字）转化为机器可解析的结构化数据输出侧：将机器的二进制计算结果转化为符合人类语言习惯的自然表达。
2025-06-17 20:16:58
1020
原创 [Happy-LLM] day1 LLM基本概念及学习基本要求
大型语言模型（Large Language Model, LLM）是一种基于深度学习技术构建的语言生成和理解工具，是 NLP 领域经典研究方法预训练语言模型的一种衍生成果。其核心是使用大规模数据集对模型进行训练，从而使其能够生成自然语言文本或理解语言文本的含义。这些模型通过层叠的神经网络结构，学习并模拟人类语言的复杂规律，达到接近人类水平的文本生成能力。
2025-06-16 21:44:43
200
原创 Windows11本地部署DeepSeek
下载后点开 OllamaSetup.exe直接Instell，没办法改路径，会直接下载到C盘可以看到左下角隐藏图标里已经有Ollama了在终端打开ollama。
2025-06-16 14:15:11
818
原创 「密码学 · 初步」异或（XOR）简述
主播最近迷上了密码学，就让我们从异或开启密码学的学习把！异或是一种简单的对称加密我们用 ⊕ 来表示运算符号，“1”为“true”，“0”为“false”0 ⊕ 0 = 01 ⊕ 0 = 10 ⊕ 1 = 11 ⊕ 1 = 0。
2025-06-11 19:30:11
778
原创 CTF 刷题记录
杂项6属于伪密，在winhex上打开，50 4B 03 04是压缩源文件数据区头文件标记，50 4B 01 02是压缩源文件目录区头文件标记，以50为第一处，到第九、十处数值位置，如果第九处数值为奇数，则代表有密码，偶数无密，将奇数改偶数，再次打开即可；>UA：用户代理，就是常说的浏览器 User Agent。>Base32：字符范围：A-Z、2-7（不含0、1、8、9），末尾可能有=作为填充符（0~6个）。>Base64：字符范围：A-Z、a-z、0-9、+、/，末尾可能有=作为填充符（0~2个）。
2025-06-10 21:36:22
27663
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人