信息安全课程的一个实验,剖析了setuid程序的原理、漏洞攻击以及预防,详细展示了如何通过setuid程序漏洞获得root权限,资源中包括实验描述,实验的详细过程、截图及说明。
2022-03-05 20:09:11 838KB 信息安全 实验 Set-UID
1
本文给大家分享的是使用Node.js + Redis Sorted Set实现任务队列的方法示例,非常的实用,有需要的小伙伴可以参考下
2022-03-05 07:33:01 52KB redis sortedset redis sortedset
1
eeg标准测试文件
2022-03-03 10:19:38 225KB eeglab
1
苹果官方字体:Myriad Set Pro 包含: ◦ MyriadSetPro-Semibold ◦ MyriadSetPro-Thin ◦ MyriadSetPro-ThinItalic ◦ MyriadSetPro-Ultralight ◦ MyriadSetPro-UltralightItalic
2022-02-24 21:38:28 296KB Myriad MyriadSetPro 字体
1
我们可以设置一个用户环境变量,例如,输入:set hosts=c:\windows\system32\drivers\etc回车,我们再用set回车列出当前系统环境变量和用户环境变量,可以发现hosts环境变量也在其中,表示我们成功设置了该变量。我们此时可以在cmd中输入:cd %hosts%回车,就可以进入c:\windows\system32\drivers\etc目录下。详情请见文档
2022-02-24 10:10:54 76KB set 命令 设置 环境变量
1
径向基函数/薄板样条 3D 点集翘曲。 p3do = rbfwarp3d( p3d, ps, pd, varargin) 输入: p3d:3d 点集ps:3d 源地标 [n*3] pd: 3d 地标 [n*3] 方法: 'gau',r - 对于高斯函数 ko = exp(-|pi-pj|/r.^2); 'thin' - 对于薄板函数 ko = (|pi-pj|^2) * log(|pi-pj|^2) 输出: p3do:输出点集佛罗里达州布克斯坦“主要翘曲:薄板样条和变形的分解。” IEEE 翻译模式肛门。 马赫英特尔。 11, 567-585, 1989。
2022-02-23 17:14:22 20KB matlab
1
通过把sudo service irqbalance stop; 然后执行该脚本 使用方法: /sbin/set_irq_affinity eth1 可以进行中断绑定指定的cpu,提高网卡收包效率 把下面“eth1” 修改成对应的网卡名称 irq=$(cat /proc/interrupts | grep eth1 | cut -d':' -f 1); echo $irq for i in $irq ; do sudo cat /proc/irq/$i/smp_affinity_list ; done 查看绑定后的效果
2022-02-21 11:23:33 6KB irq network 中断 linux
1
雅各比迭代matlab代码汉密尔顿-雅各比可达性分析工具链 在此存储库中,我们通过结合使用MATLAB和Python来介绍使用Hamilton-Jacobi Reachability的工具链,从而可以强有力地保证可解决的动力学系统集。 我们使用“级别集”方法来计算可及集,以解决汉密尔顿-雅各比-伊萨克(HJI)不等式,从而产生价值函数,其零子级别集对应于您所需的可及集。 然后,将解决方案保存在MATLAB中,并可以使用Python接口包装器在运行时方便,高效地访问它们。 概述 。 (以及扩展的使用文档) 设置 该存储库包含一个Python包和一个MATLAB示例脚本。 我们首先了解MATLAB Level Set Toolbox的设置和使用,然后通过示例介绍我们的Python wrapper 。 MATLAB-计算可达集 有关边界条件,MATLAB工具箱的一般符号和用法的详细文档,请参考。 当前,用于解决HJI不等式的解决方案的最稳定的工具箱仍然是“水平集”工具箱。 要使用“级别集工具箱”开始计算可到达的集合,请先从Ian Mitchell的页面获取它: 然后,从UC Berkeley
2022-02-21 09:24:37 31.31MB 系统开源
1
利用深度神经网络学习的特征进行多类轴承故障分类 该存储库包含提交给的论文的代码,该论文使用已学习的数据驱动功能进行故障诊断。 无需手动计算特征,而是通过深度神经网络从数据中学习特征。 然后将这些学习到的功能与SVM一起用于故障分类。 还提出了一种解释数据驱动功能的经验方法。 该论文已被接受并将出现在会议记录中。 数据: 我们使用公开可用的。 该数据集实际上是为预后应用准备的。 但是,我们将其用于故障诊断任务。 我们考虑四种故障类型:正常故障,内部故障,外部故障和球形故障。 原始数据是在几个月内收集的,直到其中一个轴承发生故障。 因此,对于正常情况,我们已在实验开始时收集了数据。 同样,对于错误情况,我们已在实验结束时获取了数据,该数据更接近发生错误的时间点。 我们实验中使用的文件的详细信息可以在下面找到。 提取后,包含原始数据的压缩文件提供了三个文件夹:1st_test,2nd_tes
1
对于文档的更新除替换外,针对某个或多个文档只需要部分更新可使用原子的更新修改器,能够高效的进行文档更新。更新修改器是中特殊的键
2022-02-20 15:29:30 61KB mongodb 修改器
1