文中知识仅供学习参考,禁止非法用途。否则后果自负 SSRF漏洞整理 什么是SSRF? SSRF(Sever-side Request Forge) 是 服务端请求伪造漏洞 SSRF主要是构造恶意载荷(payload)攻击脚本,并诱导服务器发起请求,让目标服务器执行非本意的操作 SSRF常被用于,
前言 本文将以 C# 语言来实现一个简单的布隆过滤器,为简化说明,设计得很简单,仅供学习使用。 感谢@时总百忙之中的指导。 布隆过滤器简介 布隆过滤器(Bloom filter)是一种特殊的 Hash Table,能够以较小的存储空间较快地判断出数据是否存在。常用于允许一定误判率的数据过滤及防止缓
开篇 在做一个Low Poly的课题,而这种低多边形的成像效果在现在设计中越来越被喜欢,其中的低多边形都是由三角形组成的。 而如何自动生成这些看起来很特殊的三角形,就是本章要讨论的内容。   项目地址: https://github.com/zhiyishou/polyer Demo:https
参考文章:https://www.cnblogs.com/zhiyishou/p/4430017.html 本文使用逐点插入法进行剖分,并使用Unity3D实现。   通过阅读文章《Triangulate》给出的伪代码进行具体编写,我加了些注释: subroutine triangulate i
当需要生成随机点且要求随机点自然均匀的分布时,使用泊松盘采样就较为适合。 但该方法与统计学上的概念关联不大,这个只相当于点在面积上服从泊松分布, 而实现这个结果有很多做法。   最终效果:  圆形为含半径的点,圆形的中心代表生成点   B站有一个不错的搬运教程(Bridson方法): https
1.理解Docker 0 清空实验环境 # 删除所有容器 docker rm -f $(docker ps -aq) # 删除所有镜像 docker rmi -f $(docker images -aq) 问题: docker 是如何处理容器网络访问的? # 测试 运行一个alpine # 查看
题目描述 n个人排成一圈,按顺时针方向依次编号1,2,3…n。从编号为1的人开始顺时针"一二"报数,报到2的人退出圈子。这样不断循环下去,圈子里的人将不断减少。最终一定会剩下一个人。试问最后剩下的人的编号。 要求程序模拟题意来实现。 输入 不超过1000组数据。 每组数据一行,每行一个正整数,代表
  1 import requests 2 import browser_cookie3 3 import argparse 4 5 def exploit(url): 6 cookie = browser_cookie3.chrome() 7 expurl ='
前言 之前一直说想学一下代码审计,但是由于懒还有代码审计确实比较难入门,真是一块难啃的骨头。但是没办法,现在有时间了学一下。我看网上大佬推荐的都是从bluecms1.6进行代码审计入门的,我们也来看看。 思路 思路其实就都差不多,大家也能搜到,就没什么好说的了,就以下几种嘛 根据敏感关键字回溯参
一、漏洞概述 Django是一个大而全的Web框架,其支持很多数据库引擎,包括Postgresql、Mysql、Oracle、Sqlite3等,但与Django天生为一对儿的数据库莫过于Postgresql了,Django官方也建议配合Postgresql一起使用。该漏洞的出现的原因在于Dja
写这篇文章之前,我接触了不少的同行,因为之前他们一直都从事手工测试,现在迫切的希望做自动化测试,其中不缺乏其中不乏工作5年以上的人。 本人从事软件自动化测试已经近5年,从server端到web端,从API到mobile,切身体会到自动化带来的好处与痛楚,在此分享一下个人体会。想做自动化,首先得了解
# Vector3.Dot(v1, v2), 向量点乘 (#) 计算公式1: |v1|*|v2|*cos_a, 其中|v1|=根号(x1*x1 + y1*y1 + z1*z1), |v2|=根号(x2*x2 + y2*y2 + z2*z2) (#) 计算公式2: x1*x2+y1*y2+z1*z2
一、多边面转四边面 Ⅰ、三边面转四边面 在三边面中间增加一个点 将这个新增的点分别连向三条边 Ⅱ、五边面转四边面 选择一条边在上面增加一个点 将新增的点连向离它最远的顶点 Ⅲ、六边面转四边面 选择一个顶点,连向离它最远的顶点 Ⅳ、七边面转四边面 先通过连接间隔三条边的两个顶点,分隔出一个四边面来,
# 实现的功能 (1) 滚轮拉近, 推远相机(带惯性) (2) 鼠标左键左右,上下转动相机(带惯性) (3) 相机跟随角色 # 待实现功能 (1) 转动相机时,如果相机和跟随角色间出现了障碍物,相机自动拉近 (2) 跟随的角色向左或向右行走时,相机自动缓慢转动    # ground为可行走地面
前言 之前一直把用户上传的图片和文件保存在本地服务器的文件系统中,长而久之会产生以下弊端: 当文件数量过多之后严重消耗Linux文件系统的inode; 当数据量过大之后不易分布式扩展; 数据备份困难,不方便前端展; 文件的目录层级越来越深导致文件查找的速度逐渐变慢; 于是想搭建1个私有的阿里云-O
作者:KaliArch(薛磊),某 Cloud MSP 服务商产品负责人,熟悉企业级高可用 / 高并发架构,包括混合云架构、异地灾备,熟练企业 DevOps 改造优化,熟悉 Shell/Python/Go 等开发语言,熟悉 Kubernetes、 Docker、云原生、微服务架构等。 背景 在
作者:许伟,航天网信研发工程师 K8s 是容器编排和分布式应用部署领域的领导者,在 K8s 环境中,我们只需要关心应用的业务逻辑,减轻了我们服务器网络以及存储等方面的管理负担。对于一个用户而言,K8s 是一个很复杂的容器编排平台,学习成本非常高。KubeSphere 抽象了底层的 K8s,并进