kali Linux从入门到入狱 (CC攻击)

一、CC攻击

1.代码指令介绍

1、-A:指定连接服务器的基本的认证凭据;
2、-c:指定一次向服务器发出请求数;
3、-C:添加cookie;
4、-g:将测试结果输出为“gnuolot”文件;
5、-h:显示帮助信息;
6、-H:为请求追加一个额外的头;
7、-i:使用“head”请求方式;
8、-k:激活HTTP中的“keepAlive”特性;
9、-n:指定测试会话使用的请求数;
10、-p:指定包含数据的文件;
11、-q:不显示进度百分比;
12、-T:使用POST数据时,设置内容类型头;
13、-v:设置详细模式等级;
14、-w:以HTML表格方式打印结果;
15、-x:以表格方式输出时,设置表格的属性;
16、-X:使用指定的代理服务器发送请求;
17、-y:以表格方式输出时,设置表格属性。

二、开始攻击 

ab -c +请求数值 -n +请求数值 +被攻打的网站

要注意的是需要在网址后加“/”符号

比如www.***.com要写成www.***.com/或者http(s)://www.***.com/

请求数越大攻击力越强

 

切勿用于非法攻击,不然条子叔叔就给你带走了哦 

 

非常抱歉,我之前提供的代码存在错误。在 PyTorch 中,并没有直接提供离散余弦变换(DCT)的函数。对于 DCT 的实现,你可以使用 `torch.rfft` 函数结合 DCT 系数矩阵来进行计算。 下面是一个修正后的示例代码: ```python import torch import torch.nn as nn import torch.optim as optim # 定义离散余弦变换(DCT)系数矩阵 dct_matrix = torch.zeros(256, 256) for i in range(256): for j in range(256): dct_matrix[i, j] = torch.cos((2 * i + 1) * j * 3.14159 / (2 * 256)) # 定义 OMP 算法 def omp(A, y, k): m, n = A.shape x = torch.zeros(n, 1) residual = y.clone() support = [] for _ in range(k): projections = torch.abs(A.t().matmul(residual)) index = torch.argmax(projections) support.append(index) AtA_inv = torch.linalg.inv(A[:, support].t().matmul(A[:, support])) x_new = AtA_inv.matmul(A[:, support].t()).matmul(y) residual = y - A[:, support].matmul(x_new) x[support] = x_new return x # 加载原始图像 image = torch.randn(256, 256) # 压缩感知成像 measurement_matrix = torch.fft.fft(torch.eye(256), dim=0).real compressed = measurement_matrix.matmul(image.flatten().unsqueeze(1)) # 使用 OMP 进行重构 reconstructed = omp(dct_matrix, compressed, k=100) # 计算重构误差 mse = nn.MSELoss() reconstruction_error = mse(image, reconstructed.reshape(image.shape)) print("重构误差:", reconstruction_error.item()) ``` 在这个示例中,我们手动定义了 DCT 系数矩阵 `dct_matrix`,然后使用 `torch.fft.fft` 函数计算测量矩阵,并进行实部提取。接下来的步骤与之前的示例相同。 请注意,这只是一个示例,用于演示如何使用自定义的 DCT 系数矩阵进行压缩感知成像。在实际应用中,你可能需要根据具体的需求进行调整和优化。
评论 1
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