59、系统故障排查与行为解析案例集

系统故障排查与行为解析案例集

1. 阻止 Sysinternals 工具运行的恶意软件案例

一位朋友认为自己的系统感染了恶意软件,便请一位 Sysinternals 用户帮忙查看。该系统启动和登录时间很长,使用 Microsoft Security Essentials 进行恶意软件扫描也无法完成。用户在任务管理器中查找异常进程,但未发现明显异常。

接下来,用户尝试使用 Sysinternals 工具,如 Autoruns、Procmon、Procexp 和 RootkitRevealer,但这些工具启动后立即退出。用户还做了个实验,用记事本打开名为“Process Explorer”的文本文件,该文件也立即终止。此时,用户有足够理由相信系统已感染,但不知如何找出原因,更别说清除它了。

用户在查看 Sysinternals 套件的其他工具时,注意到了 Desktops 实用工具。之前用记事本做的实验让他推测,恶意软件可能在监控它不喜欢的程序的窗口标题。由于窗口枚举只返回与调用者在同一桌面的窗口,他猜测恶意软件作者可能没考虑到程序在非默认桌面运行的可能性。果然,运行 Desktops 并切换到第二个桌面后,他能够启动 Procmon 等工具。

操作步骤如下:
1. 运行 Desktops 工具。
2. 切换到第二个桌面。
3. 尝试启动 Procmon 等工具。

之后,用户查看 Procexp,所有进程名看起来都正常,于是他启用了“Verify Signers”选项和“Verified Signer”列,确认所有进程的主可执行映像文件似乎都有效。接着运行 Procmon,发现 Winlogon 进程有大量活动。他

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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  | 博主筛选后可见
 
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