【4.12】学习笔记

本文介绍了PE文件中的导出表和导入表结构,包括IMAGE_EXPORT_DIRECTORY和IMAGE_IMPORT_DESCRIPTOR的具体字段含义。同时,文章还分享了一个实验案例,演示了如何对抗NX保护机制,并在ASLR开启的情况下找到关键函数地址。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

今天继续。先补充两个知识

导出表:

是PE文件为其他应用程序提供自身的一些变量,函数及类

  1. typedef  struct  _IMAGE_EXPORT_DIRECTORY{  
  2. DWORD  Characteristics;  
  3. DWORD  TimeDateStamp;          //导出表创建时间  
  4. DWORD  MajorVersion;           //主版本号  
  5. DWORD  MinorVersion;           //子板不号  
  6. DWORD  Name;                   //指向一个与输出函数关联的文件名的RVA  
  7. DWORD   Base;                  //索引基址  
  8. DWORD   NumberOfFunctions;     //导出地址表中的成员个数  
  9. DWORD   NumberOfNames;         //导出名称表中的成员个数  
  10. DWORD   AddressOfFunctions;    //导出地址表  
  11. DWORD   AddressOfNames;        //导出名称表  
  12. DWORD   AddressOfNameOrdinals; //指向导出序列号数组  
  13. }IMAGE_EXPORT_DIRECTORY, *PIMAGE_EXPORT_DIRECTORY;  

导入表:

是PE文件从其他第三方程序中导入API,以供本程序调用

  1. typedef struct  _IMAGE_IMPORT_DESCRIPTOR{  
  2.  union{  
  3.         DWORD  Characteristics;  
  4.         DWORD  OriginalFirstThunk;  //指向输入名称表的RAV  
  5. };  
  6. DWORD  TimoeDateStamp;    //时间标识  
  7. DWORD  ForwaiderChain;    //转发链,如果不转发则为0  
  8. DWORD  Name;              //指向导入映像文件的名字  
  9. DWORD  FirstThunk;        //指向输入地址表的RAV  
  10. } IMAGE_IMPORT_DESCRIPTOR;  


继续实验:


这次成功了,怀疑之前是因为端口绑定的原因。

简单总结一下对抗单独的nx

只需要在函数下断使用peda print出exit和system地址既可,然后使用pattern_create 和pattern_offset 获得偏移既可

然后再使用find /bin/sh 既可

最后payload 只需要部署成 偏移+system+exit +/bin/sh既可。

(注意此处,直接使用peda插件可以find到/bin/sh但是不用插件就需要寻找了。另外要注意跑完程序后,就会退出lib.so 所以需要下断,再print)

不废话直接下一个实验!

开启aslr后,程序本身的地址不会变,而是stack和lib.so的位置会变。

可以使用cat /proc/pid/maps来观察

因此我们只需要把返回值设置成程序自身既可。

此处,先使用libc.so泄露出的某些函数的地址,再通过该函数计算libc.so的固定偏移来继续基地址。然后

继续通过偏移计算system和/bin/sh的地址既可

先使用objdump -d -j .plt vul

(-j是指定输出段 -R显示文件的动态重定位入口)


.plt和.got.plt的地址是不会变

此处需要使用pwntools的EFL模块

先上代码吧:


再次成功。上完课回来再总结。

(为什么返回参数要在ret前? 因为需要调用函数先将参数push,然后执行call指令。call指令之后调用函数失去权限)

(此处仍保留一个疑问:为什么按理说是第一个参数的exit()函数,却变成了system(/bin/sh),exit())

先总结一下,此时需要的地址:

1.write_plt 

2.write_plt_got

3.write

4.system

5.vul_func

6./bin/sh

其中:

system_addr = 

write_addr - (libc.symbols['write'] - libc.symbols['system'])

bin/sh_addr = 

write_addr - (libc.symbols['write'] - next(libc.search('/bin/sh')))


标题基于SpringBoot+Vue的学生交流互助平台研究AI更换标题第1章引言介绍学生交流互助平台的研究背景、意义、现状、方法与创新点。1.1研究背景与意义分析学生交流互助平台在当前教育环境下的需求及其重要性。1.2国内外研究现状综述国内外在学生交流互助平台方面的研究进展与实践应用。1.3研究方法与创新点概述本研究采用的方法论、技术路线及预期的创新成果。第2章相关理论阐述SpringBoot与Vue框架的理论基础及在学生交流互助平台中的应用。2.1SpringBoot框架概述介绍SpringBoot框架的核心思想、特点及优势。2.2Vue框架概述阐述Vue框架的基本原理、组件化开发思想及与前端的交互机制。2.3SpringBoot与Vue的整合应用探讨SpringBoot与Vue在学生交流互助平台中的整合方式及优势。第3章平台需求分析深入分析学生交流互助平台的功能需求、非功能需求及用户体验要求。3.1功能需求分析详细阐述平台的各项功能需求,如用户管理、信息交流、互助学习等。3.2非功能需求分析对平台的性能、安全性、可扩展性等非功能需求进行分析。3.3用户体验要求从用户角度出发,提出平台在易用性、美观性等方面的要求。第4章平台设计与实现具体描述学生交流互助平台的架构设计、功能实现及前后端交互细节。4.1平台架构设计给出平台的整体架构设计,包括前后端分离、微服务架构等思想的应用。4.2功能模块实现详细阐述各个功能模块的实现过程,如用户登录注册、信息发布与查看、在线交流等。4.3前后端交互细节介绍前后端数据交互的方式、接口设计及数据传输过程中的安全问题。第5章平台测试与优化对平台进行全面的测试,发现并解决潜在问题,同时进行优化以提高性能。5.1测试环境与方案介绍测试环境的搭建及所采用的测试方案,包括单元测试、集成测试等。5.2测试结果分析对测试结果进行详细分析,找出问题的根源并
内容概要:本文详细介绍了一个基于灰狼优化算法(GWO)优化的卷积双向长短期记忆神经网络(CNN-BiLSTM)融合注意力机制的多变量多步时间序列预测项目。该项目旨在解决传统时序预测方法难以捕捉非线性、复杂时序依赖关系的问题,通过融合CNN的空间特征提取、BiLSTM的时序建模能力及注意力机制的动态权重调节能力,实现对多变量多步时间序列的精准预测。项目不仅涵盖了数据预处理、模型构建与训练、性能评估,还包括了GUI界面的设计与实现。此外,文章还讨论了模型的部署、应用领域及其未来改进方向。 适合人群:具备一定编程基础,特别是对深度学习、时间序列预测及优化算法有一定了解的研发人员和数据科学家。 使用场景及目标:①用于智能电网负荷预测、金融市场多资产价格预测、环境气象多参数预报、智能制造设备状态监测与预测维护、交通流量预测与智慧交通管理、医疗健康多指标预测等领域;②提升多变量多步时间序列预测精度,优化资源调度和风险管控;③实现自动化超参数优化,降低人工调参成本,提高模型训练效率;④增强模型对复杂时序数据特征的学习能力,促进智能决策支持应用。 阅读建议:此资源不仅提供了详细的代码实现和模型架构解析,还深入探讨了模型优化和实际应用中的挑战与解决方案。因此,在学习过程中,建议结合理论与实践,逐步理解各个模块的功能和实现细节,并尝试在自己的项目中应用这些技术和方法。同时,注意数据预处理的重要性,合理设置模型参数与网络结构,控制多步预测误差传播,防范过拟合,规划计算资源与训练时间,关注模型的可解释性和透明度,以及持续更新与迭代模型,以适应数据分布的变化。
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