OSCP考试失败了,0分

拿下 OSCP 一直是我的目标。但由于 PEN-200 课程的价格很高,再加上我之前已经参加过一些结构类似的昂贵课程,这个目标对我来说显得有点遥不可及。

2023年11月24日,我终于下定决心购买了3个月的学习计划,并在2024年2月25日完成了课程。我只做了9台机器中的6台,也完成了课程资料的学习。由于我还有其他事情要处理,没法一直“Try Harder”,所以从2月到6月这段时间,我只是简单整理了一下课程笔记,希望考试时能更顺利。

考试那天,我一开始就掉进了一个“兔子洞”。在一个误报点上浪费了好几个小时,不断重置机器,重新枚举,再重置,再试图做横向渗透、用 BloodHound 分析……但完全没效果。这让我非常沮丧,因为我原计划是先在 AD 场景中拿下 40 分。这是我见过最疯狂的 AD 场景,看起来像是坏掉了一样,但我知道它一定有某种突破口。

至于独立的机器,我在一些小技能和专注力方面犯了错。有一台机器需要用到编程技能,而我编程方面不是很强。考试时我花了好几个小时坐在电脑前,对着几台机器思考如何攻击,结果因为注意力不集中而吃了大亏。

总的来说,我意识到我的几个主要错误是:

•只依赖 PEN-200,没有多去练 HTB、THM 或 Proving Grounds 上的机器;

•过度依赖帮助,例如 AI 工具或 Discord 社区解决一些小问题——尤其是编程问题我几乎全靠 AI;

•在做课程机器时没有控制在 24 小时内完成,我应该用考试那种方式去对待每一个 PEN-200 挑战;

确实,考完之后一个 flag 都没找到感觉特别糟糕,会开始质疑自己的能力,被“兔子洞”套牢的感觉更让人崩溃。我打算再考一次,虽然现在还不知道什么时候或以什么方式,但这一次我一定会走出 PEN-200 的框架去学习,只是目前还没明确具体该怎么做。

提供了基于BP(Back Propagation)神经网络结合PID(比例-积-微)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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