一元线性回归预测数据   import numpy as np import tensorflow as tf import matplotlib.pyplot as plt house = tf.keras.datasets.boston_housing (train_x, train_y), (test_x, test_y) = house.load_data() print(train_x.shape, train_y....

可训练变量Vraiable  import tensorflow as tf import os import matplotlib.pyplot as plt os.environ['TF_CPP_MIN_LOG_LEVEL']='2' import numpy as np # 可训练的变量Variable print(tf.Variable(3)) # 输出： print(tf.Variable([1,3])) # 输出： print(tf.Variable(np.array([1,2,3]), dtype=tf.float32)) # 输出： # 可训练变量的赋值 x.assign(),...

一元线性回归  import numpy as np import matplotlib.pyplot as plt import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' # 平方损失函数 Loss = (y-(wx+b))^2/2 # 均方损失函数 Loss = (y-(wx+b))^2/2n # Loss对w和b的偏导为零，则Loss最小 # create data x = np.array([137.97,104.50,100.00,142.32,79.20,99.00,124.00,114.00,106.96,139.02,53.75,46....

1. 进入题目查看页面源码，是使用flask模板搭建，第一反应是存在SSTI。   2. 突破口在第二个装饰函数 @app.route('/shrine/<path:shrine>')，测试是否存在SSTI       存在回显并且进行了运算，存在SSTI没错了   3. 注意到 def safe_jinjia(s) 函数对输入进行了过滤，不能使用（），config和self。   使用 {{get_flashed_messages.__globals__['current_app'].config['FLAG']}}    得到flag，关于current__app ，...

import tensorflow as tf import numpy as np import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' # list: 可以嵌套，内存中不连续存放，使用动态指针 # 数组，读写效率低下，不适合做数值运算 # numpy数组：元素类型相同，连续内存，只能在cpu运算 # 每个张量都是一个Tensor对象，是多维数组的载体 # CPU环境下，张量和NumPy共享同一块内存 # 多维...

好好学习，在学校没花时间学的，现在就要补回来喽    # keras集成的数据集： # 1. boston_housing 波士顿房价 # 2. CIFAR10 10种类别图片集 # 3. CIFAR100 100种类别的图片集 # 4. MNIST  手写图片数据集 # 5. Fashion-MNIST 10种时尚类别图片集 # 6. IMDB    电影点评集 #...

安装tensorflow   1. 第一次安装tensorflow用于学习建议安装cpu版本比较好，不要去安装gpu版本，建议先使用以下命令查看GPU信息：   -- cd C:Program FilesNVIDIA CorporationNVSMI  -- nvidia-smi -- 如果CUDA Version版本很新，尽量别乱搞，去装cpu版本也挺好哒   安装tensorflow一定一定要先去官网查看支持的python版本（简单起见，先把原先的python环境删除干净，使用anaconda自带的python环境），例如tensorflow-cpu2.3.0支持py3.5-3.8，（注意...

题目：编码+异或   R0I0RElPSk1HQjRESU1aTUdCNERJWkpNR0I0RElPQk1HQjRES05CTUdCNERPT0JNR0I0RElZSk1HQjRESU1aTUdCNERJWVpNR0I0RElNQk1HQjRESU1STUdCNERJWUpNR0I0RE9NQk1HQjRET1lSTUdCNERJTUJNR0I0RE9NQk1HQjRET05KTUdCNERPTkpNR0I0RE9ZSk1HQjRHS0xCUVBBMlRFQ1E9       ctf在线解码： http://ctf.ssleye.com/   由编码尝试b64   得到 GB4DI...

以求2的100000000次方的后三位为例：    //第一种效率低下的算法, time cost = 16.91s typedef long long ll; const int mod = 1000; ll normalPower(ll base, ll power){   ll result = 1;   for(int i=1; i<=power; i++){  ...

题目中有用$9990000购买flag的界面，且猜中7个数字得到$5000000，猜想应该是通过改包来使得系统判断中奖，最后购买flag   1-查看robots.txt  (万事先看robots)     2- 肯定是git泄漏了，GitHack下来        3-查看代码，其中api.i.php文件中有一个判断是否中奖的函数，这里没有对参数进行严格的比较，如果进行比较的是true同样判断为真      4-bp改包，多发送几次     5-购买flag即可

转： https://blog.csdn.net/qq_44657899/article/details/104884553?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param             [网鼎杯 201...

1-其中Bootstrap是推特的前端开源工具包，看到git先尝试访问.git文件夹     2-git信息泄露，用GitHack爬下来源文件        3-python2 GitHack.py http://220.249.52.133:56698/.git/   4-查看index文件，要知道assert会把传入的字符串参数当作代码执行，or 如果前面的为真则不会向后执行，在此文件中，第12行assert还会执行   strpos('templates/abc') or system('cat templates/flag.php'); //           5-

百度tornado框架，发现是基于python3的框架，联想到是python模板注入   测试：     2/2 或2*2都被过滤     通过handler.settings查看cookies     拿到cookies后，就可以用"/fllllllllllllag"来计算hash了，注意/不能忘

转载： https://blog.csdn.net/zz_caleb/article/details/96480967    一、什么是SSTI   SSTI就是服务器端模板注入(Server-Side Template Injection)，也给出了一个注入的概念。   常见的注入有：SQL 注入，XSS 注入，XPATH 注入，XML 注入，代码注入，命令注入等等。sql注入已经出世很多年了，对于sql注入的概念和原理很多人应该是相当清楚了，SSTI也是注入类的漏洞，其成因其实是可以类比于sql注入的。   sql注入是从用户获得一个输入，然后又后端脚本语言进行数据库查询，所以可...