很多次被朋友邀请写篇关于在Win32下Exploit的文章。一来是因为此 类文章中关于*nix 平台比较多,而Win32相对较少；二来是因为在Win32中写exploit有些地方可能困难一点。 以下我将用一个具体的简单例子,详 细分析漏洞的发现挖掘、调试以及exploit编写利用,这里选择＇War-FTPdvl.65＇ 的一个stack缓冲区溢出漏洞
标题 软件漏洞分析与专业学习引导 作者 魏强@解放军信息工程大学四院 标签 xdef 漏洞 漏洞检测 漏洞挖掘 漏洞分析 简介 虚拟世界的真实威胁 漏洞的相关概念 如何检测和防御漏洞 如何学习漏洞分析 援引 http://xdef.org.cn/2014/speakers.html 提示 本站仅做资料的整理和索引,转载引用请注明出处
标题 Android应用漏洞之攻与防 作者 何淇丹（Flanker）@碁震（上海）云计算科技有限公司 标签 xdef 移动安全 漏洞挖掘 检测 简介 ？ Android应用漏洞定义及分类 ？ 现行工业界常见检测方法及缺陷 ？ 更先进的检测方法概述 援引 http://xdef.org.cn/2014/speakers.html 提示 本站仅做资料的整理和索引,转载引用请注明出处
无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶无人驾驶
标题 智能手机安全漏洞研究 作者 张玉清 标签 xdef 移动安全 漏洞挖掘 简介 内容提要 ？一 引言 ？二 手机漏洞研究发展现状 ？三 手机安全方向论文发表现状 ？四 未来趋势展望 援引 http://xdef.org.cn/2012/index.html 提示 本站仅做资料的整理和索引,转载引用请注明出处
安卓系统凭借其灵活和开放的特性获得了市场的青睐，但开放性也意味着APP开发者需要为安全负更大的责任。一方面在安卓APP这个快速发展的领域有大量新手开发者的加入，另一方面即使经验丰富的开发者也难免犯错误，安卓应用的漏洞层出不穷，值得我们深入研究。由于安卓APP的功能越来越多，代码逻辑越来越复杂，漏洞常常隐藏在深处，只有触发到一系列特定条件后才会被触发。因此通过常规的测试流程来找出这些藏在深处的漏洞越来越难，对此，我们的一个思路是，通过静态程序分析来挖掘安卓应用中存在的漏洞，并构造出能够触发这些漏洞的条件。希望通过这些分享帮助开发者制作出更安全的应用，帮助安全研究者开拓漏洞研究的思路。
总结了bugscan从2011至今的发展历程，并感谢了一直以来为bugscan做出杰出贡献的核心插件作者，最后从以下几个方面为大家介绍了框架这一年做的改进。 sdk提供http处理的curl函数，因采用命令行参数传递形式出现多重转义问题。通过升级版curl2可以直接从burp复制出来发包。另外也可以是设置proxy，从插件再发到burp来调试。保证burp能调通的漏洞，curl2也可以。 过滤型插件，处理http返回body中的信息，比如sql报错、物理路径等等。从之前只在处理爬虫爬过的链接的内容，修改为所有调用curl,curl2都进行过滤。因为除了爬虫之外，其他插件在验证过程中也会出现有用的信息 日志从之前只记录报错日志，在插件运行中有8个阶段，服务器与节点通信、爬虫的网址的tree、task的分发、插件的选派（assign）、插件的验证（audit）、插件调用curl、插件调用debug、框架插件异常日志。对于不是插件本身的复杂bug，通过这八个阶段即可查出问题所在。 任务分发时的优先级，由于默认指定了5000个任务就结束，导致在爬虫分发大量（链接）www任务之后超过任务数量，其他插件不调用。从之前的队列，改成优先级队列，让cms识别、系统插件、命中率比较高的插件先运行
没有账户，需要注册
时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR
2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
基于国产化软硬件技术栈，打造端到端全链路国产化、自主可控的信创云电脑解决方案，为企业用户提供高安全、高稳定性 高效便捷的信创云电脑服务，满足大中小企业、行业用户的国产化安全办公需求。
全球算力产业正经历以人工智能为核心驱动力的深刻变革，智算供给能力实现快速扩容。算力规模方面，据中国信通院测算，截至2026年6月底，美国智算规模约10805EFLOPS(FP16，下同)，较2025年底增加约3105EFLOPS，2026上半年增速高达40.3%;国智算规模达到2185EFLOPS，较2025年上半年增加1397EFLOPS，增速高达177.3%，与美国共同构成全球智算扩张的两大主引擎。欧 展方阳 洲、日韩等发达经济体持续加大智算基础设施投入，智算底座建设稳步推进，全球智算供给格局加速演进。全球算力技术路线加速迭代，呈现多技术路径并行演进
母线系统的复杂性源于其跨专业的协同属性，需以系统工程思维统筹设计、施工与运维，确保电力传输的安全高效与稳定运行母线系统的复杂性源于其跨专业的协同属性，需以系统工程思维统筹设计、施工与运维，确保电力传输的安全高效与稳定运行
存储硬件(控制柜、硬盘柜、磁带库、光盘库等)存储软件(管理软件、备份软件、容灾软件、增值软件等) 存储网络(接口卡、交换机、线缆等)解决方案(数据共享、归档 备、)
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
