Pwnable.kr-shellshock
复现shellshock漏洞
Pwnable.kr-mistake
运算符优先级所产生的漏洞
pwnable.kr-leg
这一关算是让我学习了一下ARM汇编吧~
计算机网络(谢希仁)
谢书考纲知识点总结
域名解析系统
来学一学DNS吧。
简介
域名解析系统采用
客户端/服务器(Client/Server)模型,是一种应用层协议,它的作用是把我们所熟知的域名(domain
)翻译成 ip
地址。主要是人们通常乐意记住域名而不是记住ip,就好比学校里老师喜欢叫名字而不是叫你学号,但是学号又是唯一确定的一个学生,而名字是可以重复的。给出一个学生名称,查询对应学号的一个系统就叫学号解析系统,类似的,给出一个域名,查询一个对应的ip地址就叫域名解析系统。
DNS提供的服务
以最简单的 url 为例,https://www.baidu.com/。
把url化成一般格式是
<协议名称>://<主机域名或者是ip地址>:<端口号>/<资源路径>
对应起来,上面的那个 url 解析之后就是:
协议名称:https
主机域名:www.baidu.com
端口号:无(没有端口号会根据http还是https指定默认80或者443端口)
资源路径:/(网站根目录)
在网络层,我们知道我们要与一个确定的主机发起通信需要知道对方的 ip
...
Flask的部署
最近在做毕业设计的时候搞了一下,记录一下。
环境
在使用 app run 去跑 flask
项目的时候,会出现这么一句话:
WARNING: This is a development server. Do not use it in a production deployment.
大概意思就是,不要用这种方式部署到生产环境中,之前我倒是直接就是这么部署的,但是明显会感觉部分操作会发生卡顿,因此这里顺着网上大部分的方法去解决一下这个问题。
代理
请移步正向代理和反向代理
Nginx
windows配置
我之前一直以为Nginx只是一个Web框架,但是它可以作反向代理使用,并且可以用于负载均衡,下面介绍配置方法。
windows 系统我是使用 phpstudy 然后在 Nginx 安装目录下的 conf
目录下可以找到一个 nginx 的配置文件,默认如下:
1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545 ...
Fourier-Serials
Today study something about Fourier serials
Taylor Serial
As we all know,Taylor formula give us the way for expressing
complicated function as simple polynomial function.
We should clearly remember the Taylor's formula as follows:
\(f(x)=f(x_0)+f'(x_0)(x-x_0)\cdots
f^{(n)}(x_0)(x-x_0)^n\cdots\) ①
We use polynomial function to matching \(f(x)\).
Especially when \(x_0=0\) ,we call
it as Maclaurin expansion.
For instance,we all know \(e^x=1+x+\frac{x^2}{2!}+\frac{x^3}{3!}+\cdots+\fr ...
Probability Theory(5)
another question about confidence interval.
Problem
Today I got a problem about the difference of two normal distribution
variables of confidence interval. Obviously it is much harder than the
ratio between two normal distribution variables' variance if you know
\(\mu_1\) and \(\mu_2\).
Question is as follows:
We can learn that \(X\sim
N(\mu_1,\sigma^2)\),\(Y\sim
N(\mu_2,\sigma^2)\) and that the expression of average of samples
\(\overline X\) and expectation \(\mu_1\) and the vari ...
概率论(4)
一道压轴题引发的思考~
题目分析
题目如下:
这个题目就这么短,而且也非常的清晰,却是 22
年的选择压轴题,这题深入做过之后发现常规的很多做法都需要记住一些公式或者是较大的计算量(答案确实也如此)。
而在这里我感觉到可以使用另外一种比较简单的思路做出这题。
解题
首先从题目描述提取信息之后得到以下两个比较重要的信息。
\(X \sim
N(0,1),f_X(x)=\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}\)
\(Y|X\sim
N(x,1),f_{Y|X}(y,x)=\frac{1}{\sqrt{2\pi}}
e^{-\frac{(y-x)^2}{2}}\)
这里直接利用条件概率的公式就能得到 X 和 Y
的二维概率密度的函数。当然二维概率密度的公式我们肯定是不会去背下来的,而且考试的时候真不要指望自己记得。
得到
\(f_{X,Y}(x,y)=\frac{1}{2\pi}e^{-\frac{x^2+(y-x)^2}{2}}\)
这里我们其实很容易就看出来了,这相当于是两个都服从 \(N(0,1)\)
...
概率论(3)
参数估计和置信区间计算。
引入
很多老师都用这样的一个例子引入,假设我想知道全国身高的均值。这个值
\(\mu\)
必然是客观存在的,但是给全国十四亿人全部测一遍显然这个工作量太大,对于学过数理统计的人来说,解决这个的最好的办法自然就是抽样。
理论
极限中心定理告诉我们,当样本量足够大时,所有的分布最终都趋于正态分布,下图就是标准正态分布的概率密度图。
概率密度函数反映了概率在该点的变化率,变化率越大显然证明该点的概率越大(即样本值等于该值的概率越大)。
因此正态分布的特点就是:均值的概率最大,越远离平均值的数值被抽到的概率越小。
而我们是想通过抽象来获得总体的平均值,而样本平均值显然是不能等于平均值的,但是可以一定程度地反应,那么如何描述这个“一定程度”,就是使用显著性水平来描述。
例如,从图中我们可以看出,-2~2 区间内的值包含了 95%
的概率,也就是说绝对值 > 2 的可能性仅仅只有 5%,这个 5%
就是显著性水平 \(\alpha\),对应的置信水平就是
\(1-\alpha\),而如果能找到一个区间,使得该区间的概率刚好等于置信水 ...