正则表达式

正则表达式的作用

正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如, a 到 z 之间的字母)和特殊字符(称为”元字符”)。

正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。

正则表达式是繁琐的,但它是强大的,学会之后的应用会让你除了提高效率外,会给你带来绝对的成就感。只要认真阅读本教程,加上应用的时候进行一定的参考,掌握正则表达式不是问题。

许多程序设计语言都支持利用正则表达式进行字符串操作,在此我们以 python 的正则表达式模块为例。
继续阅读正则表达式

聊聊文件上传那些事

by NUIST多火安全组

注:本文的所有内容均不涉及实际站点,必要的演示工作均由第三方开源靶场完成,本文仅作为交流学习用途,请勿使用本文所涉及的技术或工具进行违法操作。多火安全区委提醒您:道路千万条,渗透走不通。一招若不慎,亲人两行泪。

文件上传本来仅是个功能,用漏洞的思路解读他,真的只是个无奈之举。

如今,随着各类web应用的发展,文件上传已然成为几乎每个web程序的必备功能,无论是用户个人主页的头像,亦或是管理员上传某些装饰性图片,都离不开文件上传的相关模块。然而,如果设计web程序的程序员不注意对上传图片类型进行把控的话,那么这个功能很有可能就会变成一个致使web程序甚至服务器沦陷的 “上传点”。

例如,DVWA-File Upload模块在easy模式中为我们提供了一个未进行任何验证的上传场景:
继续阅读聊聊文件上传那些事

简单的BP神经网络和pytorch实现


(我个人刚开始学pytorch,所以代码是对照着github上敲得,https://github.com/MorvanZhou/PyTorch-Tutorial

(这里关于神经网络的优化方法并没有讲,需要的同学可以看误差逆传播算法和梯度下降法)

啥是神经网络

神经网络是用来做分类/回归的,长得和人的神经组织差不多。神经网络是由一层层的结构,每层都有$N$个神经元,正如神经细胞一样,神经网络中每个神经元都有输入和输出。比如下图,该神经元的输入来自其他神经元的输出,不同的输入有不同的权重,按照权重进行求和计算,再减上阈值,再将计算结果作为输出。在学习网络的时候,学习的参数就是各个神经元的权重和阈值
继续阅读简单的BP神经网络和pytorch实现

JS异步编程

前言

文中将简单整理一下js异步编程的方法。关于js异步编程,早期很容易出现回调地狱这一现象,也出现了一些相应的解决办法,从PromiseGenerator再到async/await,解决了回调地狱这一问题,当然本文只是浅显的举出一些实例,以及个人简单的理解。

异步编程这一块确实还有很多可以继续深入的地方。

继续阅读JS异步编程