YoSheep's 学习笔记

所谓技多不压身，最近准备抽空学习一些逆向的内容，在拓宽自己的安全知识的同时也多尝试一些新的领域。 基础概念1. 什么是逆向工程在编写代码时，我们的目标是将源代码转换为可执行程序，而逆向工程，顾名思义，就是将编译链接好的程序反过来恢复到“代码级别”的内容。这里的“代码级别”指的是程序逻辑的表述形式，而不是完全还原到源代码。原因在于，源代码的编译过程是不可逆的，我们无法从编译后的程序中完全恢复出原始源代码。 逆向工程通常需要借助工具对程序进行反编译，将二进制文件转化为汇编代码，有时甚至可以进一步恢复成更高级的伪代码。 像日常用到的一些C\C++程序在经过编译和链接后，程序为机器码，从而可以直接被执行程序的CPU等理解与使用。这类程序我们使用IDA、OD等逆向工具，只能将其中的机器码恢复为汇编代码状态，然后通过读汇编代码来理解程序的运行过程与机制。相比这一类编译运行类的程序，依靠java虚拟机、.NET等运行的程序，由于所生成的字节码（供虚拟机解释运行）仍然具有高度抽象性，所以这类程序的逆向得到的伪代码的可读性更强，有时甚至接近于源码。但是在生成字节码的过程中，变量名、函数名是丢失的，所以伪 ...

一直准备把之前在CSDN写的内容都翻新一下重新搬运到现在的博客下，今天偶然遇到了一个可能存在SSRF的漏洞点，但是很多细节一瞬间没办法想起来了，正好趁现在来整理整理。 简介服务端请求伪造（Server Side Request Forgery, SSRF），是一种攻击者在不具有服务器权限的情况下，利用服务器的漏洞来伪装成服务器发起请求的攻击。由于此时请求是由服务器发起的，所以在一般情况下，SSRF攻击的目标一般为外网无法正常访问的内部系统。 简单来说：利用一个可向外发起请求的服务器当作跳板访问其他服务。 SSRF漏洞分类根据是否回显可以划分为3类： Basic SSRF：在响应内容中返回结果。例如，传送一个网址，会直接返回这个网址的界面或对应的html内容。 Blind SSRF：响应中不返回服务器中的任何信息。 Semi SSRF：响应中不返回请求结果的所有详细信息，但是会暴露一些数据信息。 常见参数（测试时可额外留意）share、wap、url、link、src、source、target、u、3h、display、sourceURL、imageURL、domain、…… SS ...

反序列化是当前较为热门的一个漏洞，主要产生原因是太过信任客户端提交的数据，开发者容易忽略一些安全因素，进而可能会导致可执行任意命令或代码，安全方面的影响较大。 漏洞成因​ 序列化和反序列化是一种常用的技术，通常用于对象状态的保存和恢复。序列化是将对象转换为可以存储或传输的数据格式的过程，而反序列化则是将这些数据恢复为原始对象的过程。尽管这些操作在多种编程环境中都非常有用，但如果处理不当，也可能成为安全漏洞的来源。 ​ 在某些情况下，应用程序在实现如身份验证、文件读写、数据传输等关键功能时，可能会将序列化数据通过网络传输或保存在外部存储中。如果这些序列化数据未经加密或签名处理，或者加密实现不当（例如使用硬编码的密钥，如在Apache Shiro 1.2.4中见到的问题），则这些数据可以被恶意用户读取或篡改。 ​ 此外，已知存在安全缺陷的序列化库（如早期版本的Fastjson）进行数据处理，也会增加应用程序受攻击的风险。这些库可能存在缺陷，允许攻击者构造特定的序列化数据来执行未授权的代码或命令。 序列化与反序列化序列化：把变量或对象转化为可以传输的字节序列的过程反序列化：把字节序列还原为变 ...

近期准备开始做毕设，因为要用来实现一些算法的功能，因此在对比了各种框架后还是选择了pytorch。相较于其他的深度学习框架，pytorch的使用更加的简洁，也易于理解，并且，还有一个选择它的原因在于Github上有很多的开源代码都是使用PyTorch进行开发的。而且Pytorch也有着越来越完善的扩展库，可以说正处于当打之年。 Pytorch加载数据​ 如何使用pytorch加载读取数据，主要涉及到两个类 Dataset 和 Dataloader 。 Dataset​ 对数据进行加载时，例如对一堆数据，例如此时图中的”垃圾“，dataset主要是告诉我们如何获取数据，例如提取可回收数据，并对其进行一个编号。同时还会获取数据相应的label，因此dataset主要是提供一种方式来获取数据及其真实的label。 Dataloader​ 可用来对dataset整理出来的数据进行打包，主要是为了为后面的网络提供不同的数据形式。 对Dataset来说，如何获取每一个数据及其label、告诉我们总共有多少个数据，是它主要实现的功能。 以下是一个读取数据示例： 12345678910111213 ...