Smss.exe进程分析

iiprogram iiprogram 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.7k累计阅读 1.8k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄25年
关注
原创 最新推荐文章于 2026-08-13 15:41:52 发布 1.7k 阅读 AI 写同款· GEO 优化 ›
Windows XP进程管理：核心进程解析与优化实践 进程管理是操作系统核心功能之一，通过分配CPU时间和内存资源确保系统稳定运行。Windows XP采用精简的进程模型，其核心进程如smss.exe、csrss.exe等构成了系统基础框架，这些进程机制至今仍影响现代Windows设计。理解进程原理对系统优化至关重要，例如通过services.msc禁用非必要服务可提升性能，而验证进程合法性则需检查路径、数字签名等要素。在XP这类资源受限系统中，合理设置虚拟内存和注册表参数能显著改善运行效率。对于安全防护，监控svchost.exe等关键进程的行为模式，结合P 阅读详情 
传说中的会话管理服务器进程,它是windows操作系统启动时引导的最重要的系统进程,它负责启动csrss.exe和winlogon.exe进程,并对它们进行监控,如果发现其中一个挂掉,它马上叫你当机,所以要想结束csrss.exe/winlogon.exe，先结束Smss.exe，源码前一目了然(摘自windows nt 4.0代码)



//1 Module Info : 变量定义,提高当前进程的优先级(11级)
     NTSTATUS Status;
    KPRIORITY SetBasePriority;
    UNICODE_STRING InitialCommand, DebugInitialCommand, UnicodeParameter;
    HANDLE ProcessHandles[ 2 ];
    ULONG Parameters[ 4 ];
    ULONG Response;
    PROCESS_BASIC_INFORMATION ProcessInfo;
    BOOLEAN WasEnabled;
    SetBasePriority = FOREGROUND_BASE_PRIORITY+2;//#define FOREGROUND_BASE_PRIORITY 9
    Status = NtSetInformationProcess( NtCurrentProcess(),
                                      ProcessBasePriority,
                                      (PVOID) &SetBasePriority,
                                       sizeof( SetBasePriority )
                                    );
    ASSERT(NT_SUCCESS(Status));
    if (ARGUMENT_PRESENT( DebugParameter )) {
        SmpDebug = DebugParameter;
        }
 
//2 Module Info : 获取Csrss.exe和winlogon.exe进程的句柄,并对它们进行监控
try {
        Status = SmpInit( &InitialCommand, &ProcessHandles[ 0 ] );//返回crsss.exe进程的句柄
        if (!NT_SUCCESS( Status )) {
            KdPrint(( "SMSS: SmpInit return failure - Status == %x/n" ));
            RtlInitUnicodeString( &UnicodeParameter, L"Session Manager Initialization" );
            Parameters[ 1 ] = (ULONG)Status;
            }
        else {
            SYSTEM_FLAGS_INFORMATION FlagInfo;
            NtQuerySystemInformation( SystemFlagsInformation,
                                      &FlagInfo,
                                      sizeof( FlagInfo ),
                                      NULL
                                    );
            if (FlagInfo.Flags & (FLG_DEBUG_INITIAL_COMMAND | FLG_DEBUG_INITIAL_COMMAND_EX) ) {
                DebugInitialCommand.MaximumLength = InitialCommand.Length + 64;
                DebugInitialCommand.Length = 0;
                DebugInitialCommand.Buffer = RtlAllocateHeap( RtlProcessHeap(),
                                                              MAKE_TAG( INIT_TAG ),
                                                              DebugInitialCommand.MaximumLength
                                                            );
                if (FlagInfo.Flags & FLG_ENABLE_CSRDEBUG) {
                    RtlAppendUnicodeToString( &DebugInitialCommand, L"ntsd -p -1 -d " );
                    }
                else {
                    RtlAppendUnicodeToString( &DebugInitialCommand, L"ntsd -d " );
                    }
                if (FlagInfo.Flags & FLG_DEBUG_INITIAL_COMMAND_EX ) {
                    RtlAppendUnicodeToString( &DebugInitialCommand, L"-g -x " );
                    }
                RtlAppendUnicodeStringToString( &DebugInitialCommand, &InitialCommand );
                InitialCommand = DebugInitialCommand;
                }
            Status = SmpExecuteInitialCommand( &InitialCommand, &ProcessHandles[ 1 ] );//返回winlogon进程句柄
            if (NT_SUCCESS( Status )) {
                Status = NtWaitForMultipleObjects( 2,
                                                   ProcessHandles,
                                                   WaitAny,
                                                   FALSE,
                                                   NULL
                                                 );
                }
            if (Status == STATUS_WAIT_0) {
                RtlInitUnicodeString( &UnicodeParameter, L"Windows SubSystem" );
                Status = NtQueryInformationProcess( ProcessHandles[ 0 ],
                                                    ProcessBasicInformation,
                                                    &ProcessInfo,
                                                    sizeof( ProcessInfo ),
                                                    NULL
                                                  );
                KdPrint(( "SMSS: Windows subsystem terminated when it wasn't supposed to./n" ));
                }
            else {
                RtlInitUnicodeString( &UnicodeParameter, L"Windows Logon Process" );
                if (Status == STATUS_WAIT_1) {
                    Status = NtQueryInformationProcess( ProcessHandles[ 1 ],
                                                        ProcessBasicInformation,
                                                        &ProcessInfo,
                                                        sizeof( ProcessInfo ),
                                                        NULL
                                                      );
                    }
                else {
                    ProcessInfo.ExitStatus = Status;
                    Status = STATUS_SUCCESS;
                    }
                KdPrint(( "SMSS: Initial command '%wZ' terminated when it wasn't supposed to./n", &InitialCommand ));
                }
            if (NT_SUCCESS( Status )) {
                Parameters[ 1 ] = (ULONG)ProcessInfo.ExitStatus;
                }
            else {
                Parameters[ 1 ] = (ULONG)STATUS_UNSUCCESSFUL;
                }
            }
        }
    except( SmpUnhandledExceptionFilter( GetExceptionInformation() ) ) {
        RtlInitUnicodeString( &UnicodeParameter, L"Unhandled Exception in Session Manager" );
        Parameters[ 1 ] = (ULONG)GetExceptionCode();
        }
 
 
//3 Module Info : 当机代码!呵呵,其实就是通知操作系统,发生了一个硬件中断
 
  Status = RtlAdjustPrivilege( SE_SHUTDOWN_PRIVILEGE,
                                 (BOOLEAN)TRUE,
                                 TRUE,
                                 &WasEnabled
                               );//提高当前的权限,可以执行shutdown指令
    if (Status == STATUS_NO_TOKEN) {
        //
        // No thread token, use the process token
        //
        Status = RtlAdjustPrivilege( SE_SHUTDOWN_PRIVILEGE,
                                     (BOOLEAN)TRUE,
                                     FALSE,
                                     &WasEnabled
                                   );
        }
    Parameters[ 0 ] = (ULONG)&UnicodeParameter;
    Status = NtRaiseHardError( STATUS_SYSTEM_PROCESS_TERMINATED,
                               2,
                               1,
                               Parameters,
                               OptionShutdownSystem,
                               &Response
                             );//看看,字面意思就知道发生什么了,唤起硬件错误
    //
    // If this returns, giveup
    //
    NtTerminateProcess( NtCurrentProcess(), Status );
收录于
windows底层核心編程

当前文章被收录于：

windows底层核心編程
743 篇文章 24 人学习
订阅专栏 查看详情
病毒汇编和调试逆向技术加脱壳

当前文章被收录于：

病毒汇编和调试逆向技术加脱壳
506 篇文章 21 人学习
订阅专栏 查看详情
标签
#parameters #command #initialization #module #token
#windows
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
Windows XP进程管理：关键进程解析与异常排查 进程管理是操作系统核心功能，通过分配CPU时间和内存资源确保系统稳定运行。Windows XP采用微内核架构，关键系统进程如smss.exe、csrss.exe构成运行基础，而explorer.exe等应用进程提供用户交互。掌握WMIC命令和tasklist工具可深度分析进程属性，识别病毒伪装（如异常路径的svchost.exe）。在工业控制等遗留系统中，定期监控进程CPU/内存占用、管理启动项能有效预防系统卡死。通过对比基准进程列表，可快速定位恶意程序或资源泄漏问题，这对维护老旧系统的稳定性尤为重要。 阅读详情

相关推荐

Windows XP进程管理：核心进程解析与优化技巧

操作系统进程管理是计算机系统资源分配的核心机制，通过任务调度和内存管理确保系统稳定运行。Windows XP采用微内核架构，其关键进程如Csrss.exe、Smss.exe构成系统运行基础，而svchost.exe等服务宿主机制则实现了服务模块化。理解这些进程原理有助于诊断系统异常，例如通过Process Explorer工具分析可疑进程，或优化启动项提升性能。在安全领域，进程签名验证和文件路径检查能有效识别伪装成系统进程的恶意软件。这些技术至今仍影响着现代操作系统的进程管理设计，特别是在嵌入式系统和工业控

weixin_29300241的博客 310

SQL Server + SSMS的安装

好咯，我们今天又会了如何安装SQL Server和SSMS，今天的安装不是很难吧，Eternal讲解得又怎么样呢，啊啊啊，忘了告诉你们怎么打开了，现在Eternal来说一下怎么打开，我们在所有应用中找到。本期关于SQL Server和SMSS就讲解完了，哈哈哈，加油哦，今天也要努力学习！，我们下载SSMS，后续的安装就特别简单，只需要打开安装包切换路径即可。，安装完成后我们就需要进入下一步操作了，安装SMSS。，这种情况下基本上是能满足我们的大部分需求，接着上述的步骤，我们直接点SSMS即可，

m0_72817943的博客 1372

Windows 2000核心进程架构与运维实战解析

操作系统进程管理是系统稳定性的基石，Windows NT内核通过会话管理、子系统隔离等机制实现多任务调度。以Windows 2000为例，其smss.exe进程采用创新的自终止设计完成环境初始化，csrss.exe作为Win32子系统守护者处理线程调度与DOS兼容，winlogon.exe则构建完整的安全认证链。这些经典设计通过LPC进程通信机制协同工作，奠定了现代Windows架构基础。在企业级运维场景中，进程树监控、内存池优化等技巧至今仍具参考价值，特别是针对早期进程注入攻击的防护方案，展现了微软在系统

weixin_33742618的博客 439

SQL Server之创建数据库和表

一、新建数据库 1、SMSS新建数据库 首先选中数据库，点击“新建数据库” 输入数据库名称creamcake 点击确定后，creamcake数据库创建成功 2、SQL语句新建数据库 首先选中“数据库”，点击“新建查询” 输入SQL语句，执行成功后，fruitcake数据库创建成功 create database fruitcake 二、建立表 1、SMSS建立表 首先在creamcake下创建表，选中“表”，点击“新建”-...

wxt_hillwill的博客 1万+

Win2000核心系统进程详解与优化实践

操作系统进程管理是系统稳定运行的基础，Windows系统采用分层架构设计，核心进程负责内存管理、安全认证等关键功能。Win2000作为经典服务器系统，其smss.exe、csrss.exe等核心进程奠定了现代Windows的进程模型。理解这些进程的工作原理，能帮助开发者进行性能调优和故障排查。在企业级应用中，通过tasklist命令监控svchost.exe等服务进程，结合注册表优化工作集内存，可显著提升服务器稳定性。对于系统管理员，掌握Process Explorer等工具的使用，能有效识别病毒伪装的异常

weixin_29214691的博客 341

模拟smss.exe：打造无敌进程

进程保护是现代操作系统中极为重要的一环，它的目的在于保证系统进程的正常运行，防止恶意软件或未授权的修改。在实现上，进程保护机制采取多种方法确保系统稳定性和安全性。首先，进程保护可以通过设置访问控制列表（ACL）对关键进程实施权限控制，确保只有授权程序能够进行操作。其次，通过使用数字签名和代码签名验证机制，确保进程的完整性和来源的可靠性。此外，内存保护技术如数据执行防止（DEP）和地址空间布局随机化（ASLR）也被广泛运用于进程保护中，以增加攻击者利用系统漏洞的难度。

weixin_32098457的博客 683

SQL Server 2022下载安装及配置

SQL Server 2022 详细安装步骤

weixin_54608852的博客 1万+

利用Matlab绘制非线性系统相图：从理论到实践

本文详细介绍了如何利用Matlab进行非线性系统的相图绘制与相平面分析。从理论基础的状态空间转换出发，通过无阻尼线性谐振子和范德波尔振荡器等实例，手把手演示了使用ode45求解器绘制相图、分析平衡点与极限环的完整流程，并分享了方向场绘制、参数分岔探索及常见错误解决方案等高级技巧，为动力学系统分析与控制设计提供了直观强大的可视化工具。

yhn456789的博客 908

SQL Server (SMSS) 表与列增删查改基础

SQL Server Management Studio (SMSS) 是管理和操作 SQL Server 数据库的官方图形化工具。对于数据库开发和管理人员而言，掌握在 SMSS 中对表和列进行增删查改（CRUD）的基础操作，以及如何在 C# 应用程序（特别是低版本 .NET 环境）中连接并操作 SQL Server 数据库，是一项核心技能。本文将详细介绍这两部分内容，旨在为初学者和需要回顾的开发者提供清晰的指引。

2603_96331169的博客 274

从UART到RS485：手把手教你用SIT3485E收发器搞定工业级通信（含原理图与PCB布局要点）

本文详细解析了从UART到RS485的工业级通信转换，重点介绍了SIT3485E收发器的原理图设计、PCB布局要点及抗干扰技巧。通过差分信号传输和优化电路设计，实现长距离、多设备稳定通信，适用于工业自动化等复杂环境。

weixin_29169505的博客 352

使用DeepSeek、MCP和AKShare实现智能金融问答系统技术方案

DeepSeek是由深度求索公司开发的大规模语言模型，最新版本DeepSeek-V3采用混合专家(MoE)架构，拥有671B参数，激活37B参数，在多项基准测试中表现优异3。要使用DeepSeek的API服务：访问DeepSeek平台注册账号获取API Key(形如AKShare是基于Python的金融数据接口库，提供股票、基金、期货、宏观经济等领域的海量数据。主要特点包括：免费开源，数据源丰富支持多种数据格式(DataFrame/JSON)持续更新维护安装命令。

Kin 3174

开源项目SMSS开发指南（二）——基于libevent的线程池

libevent是一套轻量级的网络库，基于事件驱动开发。能够实现多线程的多路复用和注册事件响应。本文将介绍libevent的基本功能以及如何利用libevent开发一个线程池。 一. 使用指南 监听服务和注册连接事件 libevent是一个基于事件驱动的网络库，通过在一个事件循环上注册不同的事件以完成线程多路复用。由于libevent采用c语言开发，为了使用方便我们可以将它的功能通过面向对象...

Addisoni 1462

开源项目 ruoyi-sso-oauth2（一）环境配置

Ruoyi若依实现单点登录SSO、oauth2认证

Xiaoweidumpb 9684

Smss.exe 进程分析--NT 源码--当机方法

来源:http://blog.vckbase.com/windowssky/archive/2007/04/17/25544.html传说中的会话管理服务器进程,它是windows操作系统启动时引导的最重要的系统进程,它负责启动csrss.exe和winlogon.exe进程,并对它们进行监控,如果发现其中一个挂掉,它马上叫你当机,所以要想结束csrss.exe/winlogon.exe，先结束S

FISH 的专栏 1972

基于Simulink的单级式光伏并网系统MPPT控制仿真

本文基于Simulink平台，详细介绍了单级式光伏并网系统的MPPT控制仿真实现。主要内容包括：1）阐述MPPT作为光伏系统"智能大脑"的核心作用；2）解析单级式系统架构及扰动观察法(P&O)算法原理；3）以10kW户用系统为例，分步骤演示建模过程，包括光伏阵列搭建、P&O控制器实现（含MATLAB代码）、并网控制设计等；4）通过仿真验证系统在光照突变下的动态响应性能，MPPT效率达98.3%。文章还提出了变步长P&O等优化方向，为光伏系统仿真与控制提供实用指导。

xiaoheshang_123的博客 112

PINN求解PDE

PINN求解Dirichlet泊松方程 泊松方程引入 −Δu=f,x∈Ω=(0,1)2-\Delta u=f,x \in \Omega=(0,1)^2−Δu=f,x∈Ω=(0,1)2 u=g,x∈∂Ωu=g,x \in \partial \Omegau=g,x∈∂Ω import torch import time import numpy as np import matplotlib.pyplot as plt import torch.nn as nn def UU(X, order,prob):

forrestguang的博客 3807

smss!SmpStartCsr函数分析之SmpLoadSubSystemsForMuSession3389远程桌面新进程csrss.exe的由来

smss!SmpStartCsr函数分析之SmpLoadSubSystemsForMuSession3389远程桌面新进程csrss.exe的由来

linux-0.11调试教程 655

ROCm rocr-libhsakmt分析系列1-2：多GPU跨卡VRAM访问机制分析

本文基于ROCr-Runtime的libhsakmt库源码，深入分析了多GPU系统中跨设备内存访问的实现机制。主要内容包括： 实现流程概述：通过P2P拓扑发现、统一虚拟地址空间、页表映射和硬件转发四个步骤，实现零拷贝的跨GPU内存访问。

图形/计算GPU的驱动与虚拟化技术分享园地 2510

深入解析Windows核心进程smss.exe：启动机制、多实例原理与安全排查

在Windows操作系统启动过程中，进程管理是系统初始化的核心环节。系统通过创建关键的用户模式进程来协调启动任务，其中会话管理器子系统（Session Manager Subsystem）扮演着至关重要的角色。该进程负责创建系统环境变量、加载必要的子系统（如Win32子系统）、初始化页面文件以及运行启动程序，为后续所有应用程序提供运行基础。其技术价值在于确保了系统启动的稳定性和会话隔离性，是进行高级故障排查（如启动卡顿、蓝屏分析）和安全分析（识别恶意软件伪装）的基石。在实际应用场景中，理解其多实例原理（通常

weixin_30615767的博客 472

信号的反射（振铃、台阶、回勾、尖峰毛刺）

反射是怎么形成的 假设信号传输过程中，经过两个阻抗不同的区域，如下图所示。区域1阻抗为Z1，区域2阻抗为Z2。 在分界面处，电压必须是连续的，否则，在分界面处会产生无穷大的电场，这在真实世界中是不可能的。 同样，分界面两侧的电流必须是连续的，否则分界面处会产生无穷大的磁场。 因此： 根据欧姆定律，必然有： 显然如果Z1≠Z2的情况下，上面式子不可能同时成立。如何理解这一困境？ 应该从 ...

sinat_15677011的博客 1万+

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")

C:/Windows/Temp/fmystar/smss.exe

C:/Windows/Temp/fmystar/smss.exe

qq 117791303 379

C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正

Win2000系统进程解析与安全防护实战

操作系统进程管理是计算机系统的核心机制，Windows NT内核通过进程隔离实现多任务处理。Win2000作为经典NT系统，其smss.exe、services.exe等核心进程奠定了现代Windows架构基础。理解系统进程原理对网络安全至关重要，特别是在分析老旧系统漏洞时。通过进程签名验证、内存dump分析等技术，可有效识别病毒伪装和rootkit隐藏。在企业内网安全评估中，针对Win2000的进程加固（如禁用高危服务、设置访问控制）能显著提升系统防护能力，这对工控系统等特殊场景尤为重要。

weixin_33600816的博客 256

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件，这是C++版本的破解文件

从 Phase 1 初始化到 SMSS 进程启动分析

ReactOS内核初始化与SMSS进程启动机制分析 本文分析了ReactOS内核从Phase1初始化到启动SMSS(会话管理器子系统)进程的关键流程。核心机制是通过线程调度器的上下文切换，利用iret指令从Ring 0切换到Ring 3运行用户态进程。 主要内容包括： Phase1初始化线程调用ExpLoadInitialProcess创建SMSS进程 RtlCreateUserProcess内部通过PspCreateProcess和PspCreateThread创建进程和线程 KiInitializeCo

大坡3D软件开发 266

Windows 2000核心进程架构与关键系统组件解析

操作系统进程管理是计算机系统的核心机制，通过进程间通信（IPC）实现资源协调与任务调度。Windows NT架构采用分层设计理念，将系统进程划分为内核模式、会话管理和用户服务三个层级，这种架构既保证了系统稳定性，又支持多用户环境。在Windows 2000中，关键进程如smss.exe、csrss.exe和winlogon.exe各司其职，共同维护系统运行。理解这些进程的工作原理对于系统故障排查和安全防护至关重要，特别是在处理高CPU占用、内存泄漏等典型问题时。现代Windows系统虽已演进，但其基础架构仍

weixin_34241036的博客 427

Windows XP进程管理与安全防护实战指南

进程管理是操作系统核心功能之一，通过任务调度和资源分配实现多任务并行。Windows系统采用微内核架构，关键系统进程如smss.exe、csrss.exe等构成基础运行环境。理解进程监控技术对系统维护至关重要，任务管理器的CPU占用率和内存使用量是基础指标，而I/O写入和句柄数等高级指标能有效诊断后台异常。在安全防护层面，系统进程常成为恶意软件攻击目标，如通过LSASS漏洞(MS04-011)进行凭证窃取。掌握tasklist、WMIC等命令行工具，配合进程路径验证和数字签名检查，可构建有效的安全防护体系，

weixin_33883104的博客 278
上一篇： windows driver中的IO_STACK_LOCATION
下一篇： 小议PE病毒技术
点赞 0
评论 0
书签 书签 1
iiprogram
iiprogram
博客等级 码龄25年 1068粉丝 1515原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 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