8、突破日志与防线:黑客的智慧与策略

突破日志与防线:黑客的智慧与策略

1. 入侵受挫与初步分析

在尝试入侵时,遇到了问题。Laura的密码被拒绝,尝试另外三个通过钓鱼获取的随机凭证,也都收到了同样的错误消息。很可能在过去八小时内,有四个账户被封锁或重置。这让我们意识到,Strat Jumbo可能察觉到了我们的入侵并迅速做出了反应,我们需要制定新的计划。

为了避免被轻易追踪,我们搭建了两层服务器堆栈来与目标交互。即便在寒冷的火车站或咖啡店待上六小时来隐藏位置不太舒服,但这比起被半夜铐走,代价是非常低的。只要匿名平台和黑客基础设施稳固,我们相对是安全的。接下来,我们要弄清楚是如何被检测到的,以及面对的是怎样的安全系统。

我们回顾之前的行动:
- 发起了一次干净的钓鱼活动,使用每个用户只能访问一次的网页收集凭证,成功收集到35个密码。
- 36小时后,使用位于伦敦的私人服务器连接到Citrix外网网站,因为很多Strat Jumbo员工都在伦敦,这样做更具说服力。

经过分析,钓鱼活动不太可能是被检测的原因,因为检查Web服务器日志发现,活动开始17小时后所有流量就结束了,没有异常探测行为。而且我们的伦敦攻击服务器也未被列入黑名单,因为仍能访问Citrix平台。安全团队似乎只是紧急重置了密码以阻止可能的攻击,这表明他们还未发现问题的根源。

在登上Citrix服务器后,我们触发了一些AppLocker规则错误,尝试调用受约束语言模式禁止的PowerShell方法时也可能引起了注意。此外,手动侦察阶段的一些网络命令,如net group /domain和net group “domain admins” /domain,使用了Security Account Mana

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)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