MatrixBreakout:2Morpheus靶机信息名称：Matrix-Breakout:2Morpheus地址：https://www.vulnhub.com/entry/matrix-breakout-2-morpheus,757/虽然作者提示该靶机最好是在VirtualBox部署，但是经过测试，本靶机在VirtualBox无法启动，更适合导入到Vmware中。识别目标主机IP地址(kali㉿kali)-[~/Desktop/Vulnhub/Matrix_breakout]└─$sudonetdiscover-ieth1-r10.1.1.0/24Currentlyscanning:Fi
MatrixBreakout:2Morpheus靶机信息名称：Matrix-Breakout:2Morpheus地址：https://www.vulnhub.com/entry/matrix-breakout-2-morpheus,757/虽然作者提示该靶机最好是在VirtualBox部署，但是经过测试，本靶机在VirtualBox无法启动，更适合导入到Vmware中。识别目标主机IP地址(kali㉿kali)-[~/Desktop/Vulnhub/Matrix_breakout]└─$sudonetdiscover-ieth1-r10.1.1.0/24Currentlyscanning:Fi
目录1.功能2.架构2.1.imperfect_soc_block_top2.2.ahb_bus_matrix_3x32.3.sram0与sram12.4.ahb2apb_bridge2.5.usart2.6.spi2.7.timer3.逻辑设计3.1.imperfect_soc_block_top3.2.ahb_bus_matrix_3x33.3.sramahb2sramsram3.4.ahb2apb_bridge3.5.usart3.6.spi3.7.timer4.测试这次基于AHB与APB的协议，设计一个片内各组件互联的架构笔记：soc最小系统（软硬件协同仿真）–插桩&hello笔记：F
目录1.功能2.架构2.1.imperfect_soc_block_top2.2.ahb_bus_matrix_3x32.3.sram0与sram12.4.ahb2apb_bridge2.5.usart2.6.spi2.7.timer3.逻辑设计3.1.imperfect_soc_block_top3.2.ahb_bus_matrix_3x33.3.sramahb2sramsram3.4.ahb2apb_bridge3.5.usart3.6.spi3.7.timer4.测试这次基于AHB与APB的协议，设计一个片内各组件互联的架构笔记：soc最小系统（软硬件协同仿真）–插桩&hello笔记：F
靶场搭建靶机下载地址：Matrix-Breakout:2Morpheus~VulnHub直接解压双击ova文件即可使用软件：VMware（可能会出现问题），VirtualBox（此处官方建议使用VirtualBox）难度：中等攻击机：kali信息收集为了方便我直接使用windows上的lansee直接扫描出目标靶机iplansee扫描结果去除已知靶机ip剩下的就是目标靶机192.168.21.134当然需要访问看看访问结果看看源码能出现啥192.168.21.134网页主页源码没有什么有用的看看nmap能看出来啥nmap192.168.21.143nmap简单扫描结果看看端口详细信息nmap-
靶场搭建靶机下载地址：Matrix-Breakout:2Morpheus~VulnHub直接解压双击ova文件即可使用软件：VMware（可能会出现问题），VirtualBox（此处官方建议使用VirtualBox）难度：中等攻击机：kali信息收集为了方便我直接使用windows上的lansee直接扫描出目标靶机iplansee扫描结果去除已知靶机ip剩下的就是目标靶机192.168.21.134当然需要访问看看访问结果看看源码能出现啥192.168.21.134网页主页源码没有什么有用的看看nmap能看出来啥nmap192.168.21.143nmap简单扫描结果看看端口详细信息nmap-
1.写在前面为什么时隔多年又再做一次混淆矩阵的整理，TMD就是每次用的时候要自己回过头查一遍，老是记不住，为了打好基础，再次进行梳理。2.为什么会有混淆矩阵我们简单的分类衡量模型的好坏，其实正常使用均方误差就行了，如下：E(f;D)=1m∑i=1m(f(xi)−yi)2E(f;D)=\frac{1}{m}\sum_{i=1}^{m}(f(x_i)-y_i)^2E(f;D)=m1∑i=1m(f(xi)−yi)2其次就是错误率：E(f;D)=1m∑i=1m∏(f(xi)−yi)2E(f;D)=\frac{1}{m}\sum_{i=1}^{m}\prod(f(x_i)-y_i)^2E(f;D
1.写在前面为什么时隔多年又再做一次混淆矩阵的整理，TMD就是每次用的时候要自己回过头查一遍，老是记不住，为了打好基础，再次进行梳理。2.为什么会有混淆矩阵我们简单的分类衡量模型的好坏，其实正常使用均方误差就行了，如下：E(f;D)=1m∑i=1m(f(xi)−yi)2E(f;D)=\frac{1}{m}\sum_{i=1}^{m}(f(x_i)-y_i)^2E(f;D)=m1∑i=1m(f(xi)−yi)2其次就是错误率：E(f;D)=1m∑i=1m∏(f(xi)−yi)2E(f;D)=\frac{1}{m}\sum_{i=1}^{m}\prod(f(x_i)-y_i)^2E(f;D
1.融合效果在CSS中有一种实现融合效果的技巧，使用模糊滤镜（blur）叠加对比度滤镜（contrast）使两个接近的元素看上去“粘”在一起，如下图所示：博客园的ChokCoco就用这个技巧实现了很多不同的玩法并写了很多文章，例如这篇：你所不知道的CSS滤镜技巧与细节我一直对这种效果很感兴趣，总想自己亲自玩一玩，当然，是在自己熟悉的Xaml平台。这篇文章我将介绍如何使用Win2D在UWP/WinUI3中实现融合效果。2.使用Win2D实现融合效果Win2D是一个很简单使用的底层图形WindowsRuntimeAPI。它利用了Direct2D的强大功能，并与UWP和WinUI3的Xaml无缝集成
1.融合效果在CSS中有一种实现融合效果的技巧，使用模糊滤镜（blur）叠加对比度滤镜（contrast）使两个接近的元素看上去“粘”在一起，如下图所示：博客园的ChokCoco就用这个技巧实现了很多不同的玩法并写了很多文章，例如这篇：你所不知道的CSS滤镜技巧与细节我一直对这种效果很感兴趣，总想自己亲自玩一玩，当然，是在自己熟悉的Xaml平台。这篇文章我将介绍如何使用Win2D在UWP/WinUI3中实现融合效果。2.使用Win2D实现融合效果Win2D是一个很简单使用的底层图形WindowsRuntimeAPI。它利用了Direct2D的强大功能，并与UWP和WinUI3的Xaml无缝集成
