PE文件研究的一点小结

PE文件解析

DOS文件头             40字节

PE文件头               

可选头

数据目录(16)

节表

节块

 

容易出问题的地方?(正在研究中.......)

---------------------------------------------------------------

#include "stdafx.h"
#include <iostream.h>
#include <fstream.h>
#include <windows.h>
#include <stdio.h>
#include <stdlib.h>

int main(int argc, char *argv[])
{
  if ( argc <= 1)
    exit(0) ;

  FILE *file ;
  if ( ( file = fopen( argv[1], "r+" ) ) == NULL )
  {
    cout << "ErrorCode:" << GetLastError() << endl ;
    exit (0) ;
  }

  //检测“MZ”标志
  char pDosHeadSign[2] ;
  fread ( &pDosHeadSign, 1, 2, file ) ;
  if ( !(pDosHeadSign[0] == 'M' && pDosHeadSign[1] == 'Z' ) )
  {
    cout << "Invaliable PE file!" << endl ;
    fclose ( file ) ;
    exit(0) ;
  }


  //定位到偏移文件头0X3C
  int result = fseek ( file, 0X3C, SEEK_SET ) ;
  if( result )
  {
    cout << "Seek file Error!" << endl ;
    fclose ( file ) ;
    exit (0) ;
  }


  //取得PEHead的偏移值
  DWORD pPEHeadOffset ;
  fread ( &pPEHeadOffset, sizeof(DWORD), 1, file ) ;

 
  //定位到PEHead,同时检测“PE”标志
  char pPEHeadSign[2] ;
  fseek ( file, pPEHeadOffset, SEEK_SET ) ;
  fread ( &pPEHeadSign, 2, 1, file ) ;
  if ( !( pPEHeadSign[0] == 'P' && pPEHeadSign[1] == 'E' ) )
  {
    cout << "Invaliable PE file!" << endl ;
    fclose ( file ) ;
    exit(0) ;
  }

  //取得区块数目, 由于前面取PE标志时已经后移两个字节 ==> pPEHeadOffset + 0X6 - 0X2 )
  WORD NumberOfSection ;
  fseek ( file, 0x4, SEEK_CUR ) ;
  fread ( &NumberOfSection, sizeof(WORD), 1, file ) ;
  cout << "NumberOfSection: " << NumberOfSection << endl ;


  //取得IMAGE_OPENTION_HEADER32结构的大小(pPEHeadOffset + 0X14 ) - 0X6 -0X2 == 0XC
  fseek ( file, 0XC, SEEK_CUR ) ;
  WORD SizeOfOptionalHeader ;
  fread ( &SizeOfOptionalHeader, sizeof(WORD), 1, file ) ;
  cout << "SizeOfOptionalHeader: 0X" << hex << SizeOfOptionalHeader << endl ;


  //取得程序执行的入口地址(RVA)(后移4个字节)
  //定位到 ( pPEHeadOffset + 0X28 ) -0X14 - sizeof(WORD) ==> 0X12
  fseek ( file, 0X12, SEEK_CUR ) ;
  DWORD AddressOfEntryPoint ;
  fread ( &AddressOfEntryPoint, sizeof(DWORD), 1, file ) ;
  cout << "AddressOfEntryPoint(RVA):0X" << hex << AddressOfEntryPoint << endl ;


  //定位到块表 ( pPEHeadOffset + SizeOfFileHead(0X18) + SizeOfOptionalHeader )
  DWORD SectionTableOffset = pPEHeadOffset + 0X18 + SizeOfOptionalHeader ;
  cout << "SectionTableOffset:0X" << hex << SectionTableOffset << endl ;
  fseek ( file, SectionTableOffset, SEEK_SET ) ;

  char SectionName[8] = {0} ;
  for ( int i = 0; i < NumberOfSection; i++ )
  {
    fread ( &SectionName, 8, 1, file ) ;

    if ( !strcmp( SectionName, ".text" ) )
    {
      DWORD MemoryOffset, FileOffset, EntryPointFileOffset ;
      fseek ( file, 4, SEEK_CUR ) ;
      fread ( &MemoryOffset, sizeof(DWORD), 1, file ) ;

      fseek ( file, 4, SEEK_CUR ) ;
      fread ( &FileOffset, sizeof(DWORD), 1, file ) ;

      EntryPointFileOffset = AddressOfEntryPoint - ( MemoryOffset - FileOffset ) ;
      cout << "EntryPointFileOffset: 0X" << EntryPointFileOffset << endl ;

      char EntryPointFirstByte ;
      fseek ( file, EntryPointFileOffset, SEEK_SET ) ;
      fread ( &EntryPointFirstByte, sizeof(char), 1, file ) ;
      cout << "EntryPointFirstByte:0X" << hex << (int)EntryPointFirstByte ;
      cout << "----" << "You shoud keep this value in mind!" << endl ;

      byte Int3 = 0xCC ;
      fseek ( file, EntryPointFileOffset, SEEK_SET ) ;
      fwrite ( &Int3, sizeof(byte), 1, file ) ;
      cout << "/"Int3/" insert success" << endl ;
     
      break ;
    } 
    else
    {
      fseek ( file, 0X20, SEEK_CUR ) ;
    } 
  }

  fclose ( file ) ;

  cout << "Press /"ENTER/" key to leave...." << endl ;
  getchar();

  return 0 ;
}

-------------------------------------------------------------------

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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