- 综合排序
- 最热优先
- 最新优先
- 来自专栏Khan安全团队
反制恶意软件ALFA TEAM SHELL TESLA 之 RCE
image.png 一个发布新版本 PHP web shell 的组织是ALFA TEaM，这是一个可疑的伊朗组织，该组织创建了ALFA TEaMShell等网络恶意软件，过去曾被APT 33等针对能源和航空航天行业的威胁行为者使用过在过去 供应商主页：http://solevisible.com 软件链接：https://phpshells.com/alfa-tesla-v4-1-shell 版本：v4.1 测试：Windows [易受攻击的文件]： 1 . perl.alfa 2 . bash.alfa 3 . py.alfa [易受攻击的参数]：CMD [描述]： #执行命令无需身份验证或登录web curl -d "cmd=bHMgLWxh" -X POST http://localhost/alfacgiapi/perl.alfa
1.2K30编辑于 2021-12-22 - 来自专栏Android机动车
圣诞雪花纷飞自定义View
* 人之所以能，是相信能 */ public class Snow { private float x; private float y; private int alfa float size; private float speed; private int srcType; public Snow(float x, float y, int alfa , float size, float speed, int srcType) { this.x = x; this.y = y; this.alfa = alfa; this.size = size; this.speed = speed; this.srcType = srcType; } getDisplayMetrics(); snows = new ArrayList<>(); float x, y, size, speed; int alfa
71130发布于 2018-08-03 - 来自专栏往期博文
【OpenCV】Chapter4.灰度变换与直方图
*D[i,j] + beta alfa1, beta1 = 1, 50 # alfa=1,beta>0: 灰度值上移 alfa2, beta2 = 1, -50 # alfa=1,beta<0: 灰度值下移 alfa3, beta3 = 1.5, 0 # alfa>1,beta=0: 对比度增强 alfa4, beta4 = 0.75, 0 # 0<alfa<1,beta=0: 对比度减小 alfa5 , beta5 = -0.5, 0 # alfa<0,beta=0: 暗区域变亮，亮区域变暗 alfa6, beta6 = -1, 255 # alfa=-1,beta=255: 灰度值反转 for [j] = min(255, max(alfa4 * imgGray[i][j], 0)) # 0<alfa<1,beta=0: 对比度减小 img5[i][j] = alfa5 * , "2. beta=50", "3. beta=-50", "4. alfa=1.5", "5. alfa=0.75", "6. alfa=-0.5"] imageList = [imgGray, img1
1.7K20编辑于 2022-09-22 - 来自专栏FreeBuf
2017年最适用于WIFI HACK的无线网卡推荐
使用Ralink RT3070芯片组的适配器 Alfa AWUS036NH 2.4 GHz Alfa AWUS036NH是一款符合b/g/n无线规范的适配器。 Alfa AWUS036NEH 2.4 GHz 如果你想购买一块更简单易用的USB插头的无线网卡，那么Alfa AWUS036NEH会是你的首选。 Alfa AWUS036NEH同样是一款符合b/g/n无线规范的适配器，相比Alfa AWUS036NH它的体积更小巧，即插即用的设计也更容易上手。 ? 使用Atheros AR9271芯片组的适配器 Alfa AWUS036NHA 2.4 GHz Alfa AWUS036NHA也是一款符合b/g/n无线规范的适配器。 使用Realtek RTL8812AU芯片组的适配器（新增） Alfa AWUS036ACH AC1200 WiFi USB 3.0适配器 Alfa AWUS036ACH是今年kali新增支持无线网卡类型
6.3K40发布于 2018-02-28 - 来自专栏算法工程师的学习日志
Matlab自动化控制-Adrc自抗扰控制
^(1-alfa1)); end if abs(e1)>delta fal1=(abs(e1))^(alfa1)*sign(e1); end if abs(e2)<=delta fal2 =e2/(delta^(1-alfa2)); end if abs(e2)>delta fal2=(abs(e2))^(alfa2)*sign(e2); end y=beta1*fal1+beta2 =0.25; alfa2=0.5; delta=0.002; fal1=1; fal2=1; if isempty(z1_k_1) z1_k_1=0; end if isempty(z2_k_1 )); end if abs(e1)>delta fal1=(abs(e1))^(alfa1)*sign(e1); end if abs(e1)<=delta fal2=e1/(delta ^(1-alfa2)); end if abs(e1)>delta fal2=(abs(e1))^(alfa2)*sign(e1); end z2_k=z2_k_1+h*(z3_k_1+b*uk
1.5K21编辑于 2022-07-27 - 来自专栏站长的编程笔记
【说站】python数据导入的使用注意
# 设定初始退火温度(initial temperature) tFinal = 1 # 设定终止退火温度(stop temperature) alfa = 0.98 # 设定降温参数，T(k)=alfa*T(k-1) nMarkov = 100 # Markov链长度，也即内循环运行次数 youcans = 0.5 # 定义搜索步长，可以设为固定值或逐渐缩小 return tInitial, tFinal, alfa, nMarkov, youcans
60630编辑于 2022-11-24 - 来自专栏Python编程和深度学习
Level Set图像分割方法及python实例
iter_inner = 4 iter_outer = 25 lmda = 2 # coefficient of the weighted length term L(phi) alfa start level set evolution for n in range(iter_outer): phi = drlse.drlse_edge(phi, g, lmda, mu, alfa show_fig1() plt.pause(10) # refine the zero level contour by further level set evolution with alfa =0 alfa = 0 iter_refine = 10 phi = drlse.drlse_edge(phi, g, lmda, mu, alfa, epsilon, timestep, iter_refine
6.1K61发布于 2020-05-21 - 来自专栏花落的技术专栏
退火算法Python编程
= 0.98 # 设定降温参数，T(k)=alfa*T(k-1) meanMarkov = 100 # Markov链长度，也即内循环运行次数 scale = 0.5 # 定义搜索步长，可以设为固定值或逐渐缩小 return cName, nVar, xMin, xMax, tInitial, tFinal, alfa , meanMarkov, scale # 模拟退火算法 def OptimizationSSA(nVar,xMin,xMax,tInitial,tFinal,alfa,meanMarkov,scale best:{:.6f}'.\ format(kIter, tNow, pBadAccept, fxBest)) # 缓慢降温至新的温度，降温曲线：T(k)=alfa *T(k-1) tNow = tNow * alfa kIter = kIter + 1 # ====== 结束模拟退火过程 ====== print
1.4K40发布于 2021-11-25 - 来自专栏学习成长指南
数学建模--浅谈多波束测线问题
这个点左边的直线方程，和x1y1右边的直线方程，左边的斜率使用的是kl表示的，kr表示的就是右边的斜率； 3.代码分析 clc; clear; %海底的深度大小 L=10000; %%这个就是坡度的偏角 alfa =pi/100; %探测的张角大小 beta=pi/3; %%海水的深度 h=1000; %%海底平面的斜率 k=tan(alfa); %%左边的直线的斜率 kl=tan(pi/2-beta/ %%循环的终止的条件 if x2>=L break; end end %%下面的这个就是绘制的斜面的图形，就只有一条线 plot([0 L],[0,L*tan(alfa
46910编辑于 2025-02-24 - 来自专栏技术博客文章
多变量函数优化
= 0.98 # 设定降温参数，T(k)=alfa*T(k-1) meanMarkov = 100 # Markov链长度，也即内循环运行次数 scale = 0.5 # 定义搜索步长，可以设为固定值或逐渐缩小 return cName, nVar, xMin, xMax, tInitial, tFinal, alfa , meanMarkov, scale # 模拟退火算法 def OptimizationSSA(nVar,xMin,xMax,tInitial,tFinal,alfa,meanMarkov,scale best:{:.6f}'.\ format(kIter, tNow, pBadAccept, fxBest)) # 缓慢降温至新的温度，降温曲线：T(k)=alfa *T(k-1) tNow = tNow * alfa kIter = kIter + 1 # ====== 结束模拟退火过程 ====== print
1.8K00编辑于 2021-12-05 - 来自专栏若尘的技术专栏
模拟退火算法Python编程
= 0.98 # 设定降温参数，T(k)=alfa*T(k-1) meanMarkov = 100 # Markov链长度，也即内循环运行次数 scale = 0.5 # 定义搜索步长，可以设为固定值或逐渐缩小 return cName, nVar, xMin, xMax, tInitial, tFinal, alfa , meanMarkov, scale # 模拟退火算法 def OptimizationSSA(nVar,xMin,xMax,tInitial,tFinal,alfa,meanMarkov,scale best:{:.6f}'.\ format(kIter, tNow, pBadAccept, fxBest)) # 缓慢降温至新的温度，降温曲线：T(k)=alfa *T(k-1) tNow = tNow * alfa kIter = kIter + 1 # ====== 结束模拟退火过程 ====== print
1.8K55编辑于 2021-11-26 - 来自专栏全栈程序员必看
基于BP神经网络PID控制+Simulink仿真
下面是M文件编写的S-function控制算法： function [sys,x0,str,ts,simStateCompliance] = nnbp(t,x,u,flag,T,nh,xite,alfa ,ts,simStateCompliance]=mdlInitializeSizes(T,nh); %初始化函数 case 3, sys=mdlOutputs(t,x,u,nh,xite,alfa *dK; wo = wo_1+xite*delta3*Oh+alfa*(wo_1-wo_2); %输出层加权系数矩阵的修正 dOh = 2. *(delta3'*wo))'*xi+alfa*(wi_1-wi_2); %隐含层加权系数修正 sys = [uu;K(:);wi(:);wo(:)]; %输出层输出sys=[uu;K(:);wi(:) T输入采样时间，nh确定隐含层层数，xite和alfa权值系数修正公式里的学习速率和惯性系数。
11.5K57编辑于 2022-09-02 - 来自专栏全栈程序员必看
linux实现文件共享samba,Linux环境下实现SAMBA服务文件共享[通俗易懂]
一、实现SMB共享 1、在服务器安装软件包 yum -y install samba 2、创建samba用户和组 groudadd -r admins user alfa -G admins -s /sbin /nologin smbpasswd -a alfa useadd bmw -s /sbin/nologin smbpasswd -a bmw 3、创建samba共享目录，并设置SElinux 新建一个目录或者用设置已存在的目录 firewall-cmd –reload 此步完成后，由于虚拟机是仅主机模式，此时windows已可访问 5、samba客户端访问 (1)安装包 yum -y install cifs-utils (2)用alfa 用户挂载smb共享并访问 不挂载情况访问：smbclient -U alfa //192.168.239.70/share (3)用bmw用户挂载smb共享并访问 二、多用户挂载和共享目录文件权限
12.6K20编辑于 2022-09-27 - 来自专栏强化学习专栏
基于模拟退火算法（SA）的TSP（Python实现）
# 设定终止退火温度(stop temperature) nMarkov = 1000 # Markov链长度，也即内循环运行次数 alfa = 0.98 # 设定降温参数，T(k)=alfa*T(k-1) return tInitial, tFinal, alfa, nMarkov # 子程序： 的位置————简洁的实现方法 return tourSwap def SA_TSP(coordinates ): # 模拟退火算法参数设置 tInitial,tFinal,alfa iter+1, tNow, valueNow, valueBest)) # 缓慢降温至新的温度， iter = iter + 1 tNow = tNow * alfa # 指数降温曲线：T(k)=alfa*T(k-1) return tourBest def Draw_City(City, X):
46610编辑于 2024-12-03 - 来自专栏相约机器人
构建没有数据集的辣辣椒分类器，准确性达到96％
import matplotlib.pyplot as plt import pandas as pd import numpy as np def create_peppers(sd, mean, alfa , size): #invertire il segno di alfa x = skewnorm.rvs(-alfa, size=size) def calc(k, sd, mean):
1.1K20发布于 2020-08-31 - 来自专栏FreeBuf
作为黑客的你应该拥有的10个小工具
以下是我推荐的一些路由器： ALFA AWUS036NHA - $39.99（Amazon） ALFA AWHUS036NH - $34.99（Amazon） ALFA AWUS036NEH 例如ALFA的八木天线，包括一个ALFA芯片组和必要的电缆适配器。 Tupavco TP512 Yagi - $25（Amazon） ALFA Yagi Antenna - $91（Amazon） 十、无人机 随着无人机技术的不断改进和普及，无人机也受到越来越多人的喜欢
5.8K21发布于 2018-12-25 平均产能利用率仅55%，未来将有8座欧洲汽车工厂要关闭
AlixPartners 认为，其中Stellantis（斯特兰蒂斯）集团的情况最差，这家拥有Alfa Romeo品的汽车制造商的欧洲工厂的产能利用率仅为45%。 今年10月大众汽车集团已暂时关闭其德国茨维考工厂一周，而Stellantis也暂停了Fiat Panda、Alfa Romeo Tonale等车型的生产线。
9210编辑于 2026-03-19- 来自专栏ChaMd5安全团队
小白也能玩转无线安全（一）——硬件&工具入门篇
驱动芯片要支持kali系统，而且特定的芯片对破解算法支持较好，下面整理了几款不错的芯片及对应无线网卡产品： 芯片型号 无线网卡 功率大小 价格参考(Amazon/Taobao) Atheros AR9271 Alfa ￥275+ TP-Link TL-WN722N 150Mbps $13.71/￥100+ TP-Link TL-WN822N 300Mbps $14.99/￥120+ Realtek RTL8187L Alfa AWUS036H 1000MW $34.99/￥60-200+ Ralink RT3070 Alfa AWUS036NH 2000MW $39.99/￥160-255+ 个人推荐TPLink的TL-WN722N
2.3K140发布于 2018-03-29 - 来自专栏智药邦
Nat Rev Drug Discov｜2021年药物新靶点
其他靶点包括参与炎症性疾病的三种细胞因子 (TSLP、IL-17F和IL-13) ，参与血脂异常的一种细胞因子 (ANGPTL3) ，以及新生儿Fc受体，该受体被efgartigimod alfa作用， Pabinafusp alfa利用转铁蛋白受体蛋白1 (transferrin receptor protein 1) 穿过血脑屏障递送伊杜拉酸-2-硫酸盐酶 (enzyme iduronate-2-sulfatase
54440编辑于 2022-04-13 - 来自专栏程序猿DD
前瞻｜Java 21 新特性 String Templates
() { return width * height; } } Rectangle[] zone = new Rectangle[] { new Rectangle("Alfa 从模版表达式来看是非常整齐的，但是由于模版中内嵌表达式的值长短不一，最终输出结果很有可能差强人意，比如STR模版处理器处理后的结果是这样的： Description Width Height Area Alfa .area() + zone[2].area()} """; 这样的结果将是如下这样，获得一个整齐的结果： Description Width Height Area Alfa
59520编辑于 2023-09-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号