Skip to content

Instantly share code, notes, and snippets.

JP_WAN vampire321

Block or report user

Report or block vampire321

Hide content and notifications from this user.

Learn more about blocking users

Contact Support about this user’s behavior.

Learn more about reporting abuse

Report abuse
View GitHub Profile
View 《算法设计与分析》project-序列拼接.md

序列拼接答疑

说明

  • 我们会整理同学们做PJ遇到的问题,然后统一放在这里,请大家先看这里的答疑。
  • 如果大家有新问题,请直接在评论区讨论或发邮件给助教,我们会更新这里的答疑列表
  • 同时欢迎大家在下面讨论

答疑列表

  1. 关于评测标准,题目里说道 “当前评测系统排名的第一关键字为NGA50,第二关键字为Genome fraction,你可以理解为在这五个指标中这两个相对重要,但并不代表最终评判你的答案时不会参考其他指标。” 。但我在评测的时候,发现可以以增大misassemblies为代价让前两个关键字的结果变得更优,但依上述标准这并不一定会让结果更优。 请问在这几个指标之间有没有更详尽的占比(或者是公式等)好让我们更好的来评判我们的结果?

先看NGA50和Genome fraction这两个指标,但其他指标比大多数人差会适当扣分,比其他人好会适当减分,目前没有更详尽的公式。

View debug_libc.md
@vampire321
vampire321 / pwntools_example.py
Last active Feb 28, 2019 — forked from hzshang/example.py
how to use pwntools
View pwntools_example.py
from pwn import *
#启用调试模式,会将以后的交互信息打印出来
context.log_level="debug"
# 连接
# 和127.0.0.1的9999端口建立tcp连接
r=remote("127.0.0.1",9999)
# 运行一个可执行程序,方便本地调试
@vampire321
vampire321 / compile_glibc2.23.md
Last active Apr 23, 2019
Ubuntu16 编译glibc2.23
View compile_glibc2.23.md

编译带源代码信息的glibc和ld及使用方法

做ctf的pwn题时, 碰到dlresolve,IO_file或者堆上的一些题目时,如果重新编译带符号表的libc和ld,会方便我们程序的调试。 这里以ubuntu 16.04下libc-2.23版本为例,说明如何编译和使用libc和ld

参考x63的博客

下载解压libc安装包到home目录

glibc2.23下载地址

sudo mkdir -p /dbg/
sudo chown xxx:xxx /dbg/  # xxx为你的用户名
cd /dbg/
View Makefile
# Hello, and welcome to makefile basics.
#
# You will learn why `make` is so great, and why, despite its "weird" syntax,
# it is actually a highly expressive, efficient, and powerful way to build
# programs.
#
# Once you're done here, go to
# http://www.gnu.org/software/make/manual/make.html
# to learn SOOOO much more.
@vampire321
vampire321 / svm.py
Created May 7, 2018 — forked from mblondel/svm.py
Support Vector Machines
View svm.py
# Mathieu Blondel, September 2010
# License: BSD 3 clause
import numpy as np
from numpy import linalg
import cvxopt
import cvxopt.solvers
def linear_kernel(x1, x2):
return np.dot(x1, x2)
You can’t perform that action at this time.