LLVM Liveness Analysis 基于 llvm 实现活跃变量分析活跃变量分析活跃变量分析是最典型的数据流分析的算法之一，它的作用是确定变量在程序中的活跃性。 变量在某个程序点有两种状态，live 或 dead。对于变量 x 和程序点 p，判断 x 在点 p 上的值是否会在 CFG 中的某条从点 p 出发的路径中使用。如果是，就说 x 在 p 上 live；否则就说x在p上是 dead。 活跃变量分析主要作用 寄存器分配 死代码 2021-04-06 compiler llvm DataFlow
gslab2021: PC Security 2021腾讯游戏安全 初赛PC题flag:dogod非常好的一道题，短短的一天时间内，已经简单入门 OpenGL 1. vertex shader123456789101112#version 330 corelayout (location = 0) in vec3 aPos;layout (location = 1) in vec2 aTexCoord;out vec2 TexCoord;u 2021-04-05 CTF Reverse Windows
NN & BP Algorithm 神经网络 & 反向传播算法神经网络基本的表示方法网上有许多资料，我就不再赘述了。对我来说最难的部分是反向传播算法，我花了许多时间去理解反向传播算法。 链式求导反向传播算法就是复合函数链式求导的一个应用，什么是链式求导呢？ 以求 $ e=(a+b)*(b+1) $ 的偏导数为例子 根据链式法制, $\frac{\delta e}{\delta a} = \frac{\delta e} 2021-03-29 ml note ml NN
EasyRunning Here's something encrypted, password is required to continue reading. 2021-03-16 showcase android reverse frida tool
o-llvm: Control Flow Flattening o-llvm 分析： 控制流平坦化源码分析这是本人关于 o-llvm 分析系列文章的第一篇文章，网上已经有很多关于 o-llvm 相关的分析文章了，我写这一系列的文章只是为了督促我仔细分析 o-llvm 的每一个角落，并加深记忆。 o-llvm 与 llvm 什么关系？ 这个可能是很多菜鸡搞不清楚的问题，我曾经也搞不清楚，一直以为“混淆” 是 llvm 自带的功能，殊不知，ollvm 只是一个基于 2021-03-15 obfuscator obfuscator llvm
Decaf codegen based on LLVM Decaf 编译器代码生成记录一下使用 llvm api 实现 Decaf 编译器 codegen 过程中的代码片段以及一些基础语法结构实现过程。 Int 与 Boolllvm 里面 Bool 类型其实也是一个 Integer，只不过长度为 1bit.例如如下代码可以判断 xxxx 是否为 bool 变量。 12if (xxxx->getType()->isIntegerTy() &a 2021-03-04 compiler homework llvm
Exercise:Recognize hand-written digits Multi-class Classifification and Neural Networks这是课程的第三个编程作业，用逻辑回归和神经网络识别手写数字，非常有趣的一个作业。 由于神经网络只学习了模型，并未学习如何训练参数，故这次作业已经提前给了神经网络的参数。 训练集样本如图: 每一张图都是一个手写的数字，每一张图的像素是 20 * 20 ，将每一个像素作为一个特征来训练模型。 数据可视化 2021-02-27 ml homework
Exercise:Logistic Regression Exercise:Logistic Regression记录一下逻辑回归作业代码 Task1 假设函数: $h_\theta(x)=sigmoid(\theta^Tx)$ 代价函数: $J(\theta)=\frac{1}{m}\sum\limits_{i=1}^{m}[-y^{(i)}log(h_\theta(x^{(i)}))-(1-y^{(i)})log(1-h_\theta(x^{(i)} 2021-02-23 ml homework
RDP 配置文件编写记录 RDP 配置文件编写记录RDP Wrapper 官方配置文件只能支持到18年的Win10系统，新版本的系统需要自己编写 INI 文件，当然也可以去 RDP 的官方 github issues 里面寻找相应的配置文件。 RDP Ini 文件样本 for win10(10.0.19041.789) 123456789101112131415161718192021222324252627282930 2021-02-22 RedTeam Reverse Windows
Ml3:Classification Classification模型分类问题中，预测的变量 y 为离散值，以前学习的线性回归模型就不适用了。分类将用到的算法是逻辑回归( Logistic Regression )。 我们先讨论二元的分类算法，即把输入分成两类，也就是说 y 的值为 0 或 1. 逻辑回归假设函数：$h_\theta(x)=g(\theta^Tx)$ 该函数值的范围始终是 0 到 1 之间。 当 $h_\theta( 2021-02-21 ml note