Encyrptpe 2003.5.18主程序Unpacking tut

PE加密保护软件(EncryptPE) 1. 加密保护常规PE文件(EXE、DLL、OCX等),防静态分析修改,反动态跟踪调试。 2. 将普通软件变成共享软件,增加定时注册提醒、限制试用日期、限制试用次数、限制试用天数、限制每次试用多长时间等功能。 3. 根据最终用户的机器信息、注册用户名计算注册码,从 100 多种加密算法中随机选择一种用于注册码的计算。 4. 支持多语言,除GB外的其他语言形式的界面元素由“EncryptPE.INI”文件设置,便于增删改,注册窗口界面与语言相关。 5. 向待加密软件提供方便的编程接口,便于设计个性注册方式,同时使被加密程序与加密壳之间融为一个整体,增加破解难度。 6. 经加密软件可以运行于多种 Windows 平台,包括 9X/ME/NT/2000/XP。 立即下载
EnCryPtPE 2003.5.18主程序的脱壳
【目    标】:EnCryPtPE 2003.5.18主程序
【工    具】:Olydbg1.1(diy版)、LORDPE、ImportREC1.6F
【任    务】:脱马甲
【操作平台】:Windows Xp sp1
【作    者】:loveboom[DFCG][FCG][US]
【简要说明】:不打算发布出去,只是当做自己以后参考用而已
【详细过程】:
设置:
忽略全部异常,其它选上加上0EEDFADE和C0000008(INVALID HANDLE)两个异常地址并隐身先.
第一步:找程序的OEP
准备好后,我们先找到OEP对后面有用的.
004B7000 >  60              PUSHAD                     ;壳的入口
004B7001    9C              PUSHFD
载入后并设置好然后按f9运行,出现那个很长时间的异常
后.取消int3异常,这里要等很久的,可以先去做一点别的事.N久之后,在INT3处异常中断了.
7119CF58    90              NOP                     ;第一次断在这里
7119CF59    64:8F05 0000000>POP DWORD PTR FS:[0]
下按一次shift+f9进入第二次int3异常中断:
7119CF58    90              NOP                     ;第二次也是断在这里
7119CF59    64:8F05 0000000>POP DWORD PTR FS:[0]
7119CF60    C3              RETN
现在打开内存页面,在程序所在段处下F2断点:
然后再按一次程序就断在程序的oep处了:
现在再找一下输入表的位置,随便选一处就行了:
00406AA0    90              NOP                    ;我找的是这里
00406AA1  - E9 7EB3AB00     JMP 00EC1E24
第一步也就算完成了,这一步要记下程序的OEP: 499780,和00406aa0那个地址,看一下就知道壳改了东西,让IAT跳到壳里去了,后面还有很长一段,直接修复吗?当然不是了,重来准备修复程序的代码了.
 
第二步:修复程序代码
 
再次载入后同样在那个很长时间的时候,在00406AA0处下内存访问中断.
711A451A    8B07     MOV EAX,DWORD PTR DS:[EDI]           ;第一次断下
711A451C    8B55 F0         MOV EDX,DWORD PTR SS:[EBP-10]
711A451F    83F2 FF         XOR EDX,FFFFFFFF
……
711A4569    66:8B03         MOV AX,WORD PTR DS:[EBX]               
 ; 第二处中断处
好了,现在我们要记下711A4569这个地址,再来一次,在711a4569处下一下硬件执行断点,因程序一开始没有711a4569这个地址,所以我们要让程序运行一会儿,然后就可以下断了.
711A456C    66:3D FF25      CMP AX,25FF
711A4570    74 0B           JE SHORT 711A457D
711A4572    66:3D FF15      CMP AX,15FF
711A4576    74 05           JE SHORT 711A457D
711A4578    E8 EF7BF8FF     CALL 7112C16C
711A457D    8B7D FC         MOV EDI,DWORD PTR SS:[EBP-4]             ; EncryptP.0049D250
711A4580    8B37            MOV ESI,DWORD PTR DS:[EDI]
;这里要改我们的东西了,所以这时改成mov esi,edi
711A4582    81FE 00000080   CMP ESI,80000000
711A4588    72 05           JB SHORT 711A458F
711A458A    E8 DD7BF8FF     CALL 7112C16C
711A458F    66:813B FF25    CMP WORD PTR DS:[EBX],25FF
;这里判断是不是跳去api的了,如果是就改代码。
711A4594    75 07           JNZ SHORT 711A459D
;所以我们这里就要改成 jmp 711a459d
711A4596    66:C703 90E9    MOV WORD PTR DS:[EBX],0E990
;这里把正常的东西填成jmp xxxx nop的方式了
711A459B    EB 05           JMP SHORT 711A45A2
711A459D    66:C703 90E8    MOV WORD PTR DS:[EBX],0E890
;这里也要改,否则变成了call xxxx,nop的方式,所以这里要nop掉
711A45A2    8B5D E8         MOV EBX,DWORD PTR SS:[EBP-18]
711A45A5    83C3 06         ADD EBX,6
711A45A8    8B45 E0         MOV EAX,DWORD PTR SS:[EBP-20]
711A45AB    03C0            ADD EAX,EAX
711A45AD    03D8            ADD EBX,EAX
711A45AF    8B45 E8         MOV EAX,DWORD PTR SS:[EBP-18]
711A45B2    8B38            MOV EDI,DWORD PTR DS:[EAX]
711A45B4    0FB703          MOVZX EAX,WORD PTR DS:[EBX]
711A45B7    2D 00300000     SUB EAX,3000
711A45BC    03F8            ADD EDI,EAX
711A45BE    037D DC         ADD EDI,DWORD PTR SS:[EBP-24]
 
711A45C1    2BF7            SUB ESI,EDI    ;********
711A45C3    83EE 04         SUB ESI,4                   ;********
;这里两行又是进行破坏操作,nop掉去
711A45C6    8937            MOV DWORD PTR DS:[EDI],ESI
711A45C8    33C0            XOR EAX,EAX
改好后的图如下:
修改完成后,取消刚才的硬件断点.再和第一步一样到oep处,现在我们看看发生了什么变化:
00406AA0  - FF25 50D24900   JMP DWORD PTR DS:[49D250]               ;怎么样,已经改好了代码吧
00406AA6    8BC0            MOV EAX,EAX
00406AA8  - FF25 4CD24900   JMP DWORD PTR DS:[49D24C]
现在把程序给dump下来.进入第三步.
 
第三步:修复程序的输入表
 
现在就差输入表没有处理了.现在我们再次载入程序,然后在我们前面记下的OEP的那个地址处下内存访问断点然后运行之,结果在这里断下了:
71122943    F3:A5           REP MOVS DWORD PTR ES:[EDI],DWORD PTR DS>
71122945    89C1            MOV ECX,EAX
 
断下后,取消内存访问断点,下MR GetProcAddress,的内存访问断点。再次运行,断下了:
在7119D30C处断下后,按ctrl+B找334DFC89088955F8,找到这里:
711A3385    334D FC         XOR ECX,DWORD PTR SS:[EBP-4]
;这里改成mov ecx,ss:[ebp-4]
711A3388    8908            MOV DWORD PTR DS:[EAX],ECX
711A338A    8955 F8         MOV DWORD PTR SS:[EBP-8],EDX
;这里又是进行破坏,NOP掉这里
711A338D    85FF            TEST EDI,EDI
 
改好后的情况:
改好后,去掉所有的内存断点,并下断HE 711a4569,并运行之,再次中断后,我们可以得到完全的输入表了.现在看看iat的位置和大小,大小可以不算,写一个可以得到全部IAT的大概值就OK的.
我是偷懒我选择的是iat开始地址: 9d160(RVA),大小为1000,然后把无效的给cut掉J.
这好了,现在填上oep然后fixdump就行了.
现在程序就可以正常运行了.
后面的就不再写了.
改进一下我自己上次的脱壳方法,直接在EPE0段下F2断点,断下后下断mr getprocaddress,再然如果不是中断在GetProcaddress入口处的话,找:
711A3385    334D FC         XOR ECX,DWORD PTR SS:[EBP-4]
;这里改成mov ecx,ss:[ebp-4]
711A3388    8908            MOV DWORD PTR DS:[EAX],ECX
711A338A    8955 F8         MOV DWORD PTR SS:[EBP-8],EDX
 
 
 
Greetz:
 Fly.Jingulong,yock,tDasm.David.ahao.UFO(brother).alan(sister).all of my friends and you!
 
By loveboom[DFCG][FCG]
Email:bmd2chen@tom.com
 
 
 
EncryptPE_note.7z 菜鸟学习笔记之EncryptPE 菜鸟学习笔记之EncryptPE 立即下载

相关推荐

EncryptPE V2.2008.6.18

著名的加壳软件,可以对你的PE文件进行加密保护。

EncryptPE V2.2006.7.10

EncryptPE简介:1. EncryptPE 能加密保护常规PE文件(EXE、DLL、OCX等一般程序或NT服务程序),防静态分析修改,反动态跟踪调试,有效地保护软件,防止盗版。除常规的对抗调试器(SoftIce、TRW、OllyDbg等)、监视器、DUMP工具方法外,EncryptPE采用的加密保护的手段还有:随机加密算法、CRC校验、变形、代码替换、进程注入、APIHOOK、多线程、调试运

Linhanshi Blog 1901

EncryptPE2008.2.06.18

可以将软件加壳,保护软件。跟朋友一起分享!请多指点,我要找个能脱这壳的软件!

Encryptpe 2003.518

简单脱壳EncryptPE 2003.5.18篇 【目 标】:win98s notepad 【工 具】:Olydbg1.1(diy版)、LORDPE、ImportREC1.6F 【任 务】:当然是脱马甲了 【操作平台】:WINDOWS 2000 ADV 【作 者】:loveboom[DFCG] 【相关链接】: 不记得了,自己去搜一下吧。 【简要说明】:今天有点时间,也算是打发一下,不想自己太难过

loveboom's Reverse Enginering 1949

Encryptpe老版本的通用脱壳机

Encryptpe老版本的通用脱壳机,这个支持所有老版本的壳!

EncryPtpe

EncryPtpe1. 加密保护常规PE文件(EXE、DLL、OCX等),防静态分析修改,反动态跟踪调试。 2. 将普通软件变成共享软件,增加定时注册提醒、限制试用日期、限制试用次数、限制试用天数、限制每次试用多长时间等功能。 3. 根据最终用户的机器信息、注册用户名计算注册码,从诸多加密算法中随机选择一种用于注册码的计算。 4. 支持多语言,除GB外的其他语言形式的界面元素由“EncryptPE.INI”文件设置,便于增删改,注册窗口界面与语言相关。 5. 向待加密软件提供方便的编程接口,便于设计个性注册方式,同时使被加密程序与加密壳之间融为一个整体,增加破解难度。 6. 经加密软件可以运行于多种 Windows 平台,包括 9X/ME/NT/2000/XP。

加密解密-壳的概念

加密解密-壳的概念 壳的作用是为了更好的保护软件,最大限度使其不在一定时期内被解密.一般来讲,壳分为压缩壳和保护壳两类. 常见的压缩壳有:UPX、ASPack、PECompact、FSG和Winupack(国产)等。    常见的保护壳有:ASProtect、Telock、Armadillo、Obsidium、Xtreme-Protector、VMProtect、DBPE(国产)、En

alfie的专栏 1751

EncryptPE V2.2007.04.11+ V2.2007.12.01 脱壳机

EPE V2 Stripper 2007.4.11 + 2007.12.01 +V20070411 +V20071201 +SDK +CodeReplace fixed by shoooo[CUG] Thanks: wfs, heXer, xIkUg, DiKeN

Encryptpe v2 Code injection

EPE V2  CODE Injection【目     标】:随便你自己去加个就行了 【工     具】:【任     务】:不脱壳注入pj代码 【操作平台】:【作     者】: LOVEBOOM[DFCG][FCG][US]【相关链接】: www.encryptpe.com【简要说明】: EPE V2的反调试和加密功能比2003可说是强了很多。这次我来一次不脱壳直接通过注入代码修改原程序流程

loveboom's Reverse Enginering 2883

别再手动调波形了!用STM32G474的HRTIM+DAC生成精密锯齿波,附完整CubeMX配置

本文详细介绍了如何利用STM32G474的高分辨率定时器(HRTIM)和数模转换器(DAC)协同工作,实现高精度锯齿波生成。通过CubeMX配置指南、关键寄存器计算和实践技巧,帮助开发者快速掌握全硬件实现的波形生成方案,显著提升嵌入式系统的波形控制精度和响应速度。

weixin_28716769的博客 248

基于Yolo11的无人机小目标检测系统的设计与性能优化改进项目实现

该项目旨在开发一个基于YOLO11的无人机目标检测系统,能够实时识别并定位无人机拍摄过程中捕捉的小目标。考虑到无人机拍摄的目标通常较小,系统将采用特定的调优策略,以提高小目标的检测精度和召回率。

m0_73723097的博客 1205

加壳学习(转)

加壳的全称应该是可执行程序资源压缩,是保护文件的常用手段.  加壳过的程序可以直接运行,但是不能查看源代码.要经过脱壳才可以查看源代码.  加壳:其实是利用特殊的算法,对EXE、DLL文件里的资源进行压缩、加密。类似WINZIP 的效果,只不过这个压缩之后的文件,可以独立运行,解压过程完全隐蔽,都在内存中完成。它们附加在原程序上通过Windows加载器载入内存后,先于原始程序执行,得到控制权,执行...

weixin_34162629的博客 153

.NET适配HarmonyOS进展 1. 前言

目前国产化系统浪潮下,适配鸿蒙是中国软件大势所趋,.NET作为最适合开发客户端语言之一,适配鸿蒙系统(HarmonyOS Next)是目前.NET开发者最关心的事情。我目前业余时间正在移植Avalonia到HarmonyOS,去年在.NET Conf CN上分享过,目前又取得一点进展,所以本文把所有问题进行整合与大家进行分享。

2301_76476890的博客 1463

手脱PEncrypt 4.0

1.载入PEID PEncrypt 4.0 Gamma / 4.0 Phi -> junkcode [Overlay] 2.载入OD,没什么头绪,忽略所有异常,用最后一次异常法shift+F9运行两次,因为第三次会跑飞,所以运行两次,另外这个壳使用单步太费劲了,一不小心就跑飞了,所以直接使用的最后一次异常法进行脱壳的 00401000 > FC ...

weixin_30861797的博客 174

以太网物理层协议整理(2)-万兆以太网

在万兆以太网标准化过程中,IEEE和10GEA(万兆以太网联盟)是两个最重要的组织。 万兆以太网标准和规范都比较繁多,在标准方面,首先有2002年的IEEE 802.3ae,后来也不断有新的万兆以太网规范推出,如2006年的IEEE 802.3an标准(10GBase-T)就推出了基于双绞铜线的万兆以太网规范,同样的IEEE 802.3aq标准推出了基于光纤的10GBase-LRM;2007年的

NowOrNever 3万+

ABAP 百科全书的阅读目录(2024版)

909 篇 ABAP 技术文章的目录

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 4251

EncryptPE V2.2005.9.10

http://www.encryptpe.com/bbs/dispbbs.asp?boardID=2&ID=1811&page=1

Linhanshi Blog 1566

【使用DeepSeek辅助Python接口性能自动化测试教程-实战教程】

访问DeepSeek官方网站,注册账号并获取API Key。此Key是调用DeepSeek API的必要凭证,务必妥善保管。安装时,注意勾选“Add Python to PATH”选项,以便系统能识别Python命令。确保你已安装Python 3.8或更高版本。会自动发现并执行所有以。

Dreams°的博客 2469

全面的牛壳介绍

ASProtect:无可争议的外壳界老大,它开创了壳的新时代,SEH 与各种流行反跟踪技术、多态变形引擎的使用(准确来说是从病毒中借用)、BPM 断点清除等都出自于此;更为有名的当属 RSA 算法的使用,使得 DEMO 版无法被破解成完整版;Code Dips也源于这里;输入表处理即使现在看来仍很强劲。开发壳应该学习它各种算法的熟练运用,而它最失败之处就是反跟踪过于温柔,令破解者轻松研究。tELo

不论你在什么时候开始,重要的是开始之后就不要停止。 1886

一文吃透 SAP HANA Service Broker:原理、架构与落地实践

摘要:SAP HANA Service Broker 作为云原生开发的关键组件,通过标准化流程管理 HDI 容器与服务实例的生命周期,实现数据库资源的自动化配置与安全隔离。它采用服务目录、服务计划和绑定机制,将连接凭据注入应用环境变量,避免硬编码风险。在实际应用中,需根据模块生命周期决定共享或隔离容器,并通过跨容器访问模式实现安全数据共享。典型案例展示了电商平台的多模块协同与SaaS租户隔离场景,验证了其在提升运维效率与安全合规方面的价值。最佳实践强调以生命周期划边界、最小权限原则和HTTPS安全传输,为企

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 231

BUG调试案例一:RK3588+YT8531网络无法PING通调试案例

在使用 RK3588 搭配 YT8531S PHY 芯片进行网络调试时,遇到了“网络无法 Ping 通”的棘手问题。排查了两天,终于找到问题原因。为了避免大家在类似项目中走弯路,也为了加深自己对调试细节的理解,我们特意整理了本次问题的完整排查过程。本篇文章将围绕以下四个方面展开分享: 问题现象&描述 调试过程&分析 问题根源定位 注意事项提醒 举一反三(走两步)

案例文章,高速信号 2337

逆向基础:软件手动脱壳技术入门

最后一次异常法的原理是,程序在自解压或自解密过程中,可能会触发无数次的异常。如果能定位到最后一次程序异常的位置,可能就会很接近自动脱壳完成位置。现在最后一次异常法脱壳可以利用Ollydbg的异常计数器插件,先记录异常数目,然后重新载入,自动停在最后一次异常处。

2401_84206094的博客 3002

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

新老压缩/加密壳大全洪雨收集推荐

upx、aspack、fsg、Aspack Scrambler、ExeStealth、ID Application Protector、V2Packer、WWPack32、XComp0.98、bambam、BeRoEXEPacker、dePACK、ExeShield Protector、KByS、NsPacK、tElock、yoda's Nspack PECompect Petite ...

weixin_30682415的博客 1539

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

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")

【转】脱壳工具

脱壳工具http://www.pediy.com/tools/unpacker.htm 文件类型侦测工具 peid 0.94

学习........ 4393

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

上一篇: ASPROTECT 1.23RC4 脱壳分析
下一篇: Alex-protect外壳完全分析
bmd2chen
博客等级 码龄23年 34粉丝 45原创
评论
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