一、基础问题回答1.1 杀软是如何检测出恶意代码的?基于特征进行检测:杀毒软件的病毒库记录了一些恶意软件的特征,一段特征就是一段或多段数据。如果一个可执行文件(或其他运行的库、脚本等)包含这样的数据则被认为是恶意代码。这些特征一般由一个不大于64字节的字符串组成,且是只有该病毒内才出现的字符串,根据已检测出或网络上公布的病毒,对其提取特征,记录在病毒库中,检测到程序时将程序与特征比对即
1.SIFT 特点 图像的局部特征,对旋转、尺度缩放、亮度变化保持不变,对视角变化、仿射变换、噪声也保持一定程度的稳定性。独特性好,信息量丰富,适用于海量特征库进行快速、准确的匹配。多量性,即使是很少几个物体也可以产生大量的SIFT特征高速性,经优化的SIFT匹配算法甚至可以达到实时性扩招性,可以很方便的与其他的特征向量进行联合。可以解决的问题 目标的自身状态、场景所处的环境和成像器材的
转载 2024-03-15 10:02:38
81阅读
图像特征对比——对Sift原理的理解      这次试验是在python的环境下使用sift,即尺度不变特征变换,来进行实验,对比两张图像的特征点匹配,后面也会涉及到关于Harris角点与Sift的效果对比。       SIFT算法在解决特征匹配的问题上被称为是过去的十年来最为
转载 2023-09-05 13:26:18
129阅读
前言小伙伴们有没有对病毒感觉很神秘啊,本篇文章就来揭秘特征免杀技术。一、基础必备知识1.1、特征               特征又称电脑病毒特征,它主要由反病毒公司制作,一般都是被反病毒软件公司确定为只有该病毒才可能会有的一串二进制字符串,而这字符串通常是文件里对 应程式或汇编指令的地址
一、基础问题回答1.杀软是如何检测出恶意代码的?杀软检测恶意代码共有三种方法: 1.基于特征检测。简单来说一段特征就是一段或多段数据,经过对许多恶意代码的分析,我们发现了该类恶意代码经常出现的一段或多段代码,而且是其他正常程序没有的,即特征。如果杀软检测到一个可执行文件包含特征就认为其是恶意代码。2.启发式恶意软件检测。启发式恶意软件检测是通过片面特征推断是否是恶意代码。可以通过他的样子
标 题:详解定位特征方法附带源码作 者:lisakeel原来的ID(keellisa) 密码丢了,现在无法找回了。下面的东西是非常基础的东西,新手一个参考吧。        1、定位特征的原因        &n
转载 2023-07-31 23:01:36
20阅读
 我是按照这个链接进行复现的,文章里使用的是notepad++,但是最新的notepad++已经没有了libcurl,所以我自己找的是XunjiePDFEditor.exe 这个。安装文件的名字是:Installer_迅捷PDF编辑器_r1.7.4.exe最后获得了反弹shell:xunjiepdf的目录放置感染的DLL,原始的libcurl是682KB,而挂马的dll是46KB,双击x
原创 2023-05-31 16:00:03
666阅读
一、SIFT介绍1 SIFT(尺度不变特征变换)原理      SIFT包括兴趣点检测器和描述子。SIFT描述子具有非常强的稳健性,经常和许多不同的兴趣点检测器结合使用。SIFT特征对于尺度,旋转和亮度都具有不变性,因此,它可用于三维视角和噪声的可靠匹配。      S
转载 2023-07-17 13:39:33
146阅读
上次我们详细讲解了MYCCL特征定位器的文件特征定位,这次我们详细讲解内存特征的定位。内存特征定位前,我们必须要对木马的文件特征进行特征查找并用0填充免杀,然后才可以进行内存特征的查找定位,这是必须的。上次教程,我已经对此进行了说明。再有我们要用哪个杀毒软件进行内存定位,就必须要这个杀毒软件进行文件特征的免杀。比如有的朋友用卡巴进行文件特征的定位,再用瑞星进行内存特征的定位,这
转载 2023-08-18 14:59:41
43阅读
主要内容:1、一个例子解释为什么要进行特征检测2、图像特征3、点特征检测:Harris角点、MOPS、SIFT4、边缘检测:一阶微分算子、二阶微分算子、Canny算子 一、为什么要检测特征?举一个例子:全景图像拼接,给定两张图像,如何拼接成一张大图?步骤一:检测特征点步骤二:匹配特征点步骤三:图像适配二、图像的特征有哪些?计算机视觉中...
原创 2022-11-22 14:16:56
605阅读
本文要点总结(俩算法的联系与区别)Harris角点检测与Shi-Tomasi角点检测都是经典的角点特征提取算法,但两者在API的使用上有出入(详见文中代码或GitHub项目);Harris角点检测的API,返回/输出的是一个与输入图像大小一致的Mat对象,这个Mat对象的每一个坐标(i,j)都是对应输入图像对应坐标(i,j)的像素的响应值R,要先将这个Mat对象归一化,再循环每一个Mat数据元素,
如果需要处理的原图及代码,请移步小编的GitHub地址  传送门:请点击我  如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice前言  特征检测广泛应用到目标匹配,目标跟踪,三维重建等应用中,在进行目标建模时会对图像进行目标特征的提取,常用的有颜色,角点,特征点,轮廓,纹理等特征。而下面学习常用的特征检测。  总结一下提取特
转载 2024-07-31 17:32:07
71阅读
1.FAST基本算法用一句话来讲FASTN算法的原理就是:若一个像素周围有一定数量的像素与该点像素值不同,则认为其为角点。步骤如下: 1)在图像中任选一点p, 假定其像素(亮度)值为  Ip 2)以r为半径画圆,覆盖p点周围的M个像素,如下图所示: r=3, M=16 3)设定阈值t,如果这周围的16个像素中有连续的N个像素的像素值减去  Ip−t  或者有连
最近,在做一些角点检测特征提取与匹配算法的学习与总结,主要整理了网上一些大牛的博客并记录下来,希望能与大家一起分享。本篇介绍了图像特征,以及一些经典的角点检测特征提取与匹配算法的发展史。1、图像特征在图像处理和计算机视觉领域,图像特征可以用来解决目标识别、图像匹配、视觉跟踪、三维重建等一系列问题。图像特征主要包括三种类型:角点边缘区域(斑点Blobs)其中,在表达图像特征时角点的应用最为广泛,
特征点又称兴趣点、关键点,它是在图像中突出且具有代表意义的一些点,通过这些点我们可以用来识别图像、进行图像配准、进行3D重建等。本文主要介绍OpenCV中几种定位与表示关键点的函数。一、Harris角点角点是图像中最基本的一种关键点,它是由图像中一些几何结构的关节点构成,很多都是线条之间产生的交点。Harris角点是一类比较经典的角点类型,它的基本原理是计算图像中每点与周围点变化率的平均值。&nb
转载 2023-07-19 16:43:44
140阅读
SURF(Speeded Up Robust Features)特征关键特性 特征匹配,特征识别等方面有很好的效果,具有四个特征 --特征检测 --尺度空间(尺度不变性) --选择不变性(光照不变性,旋转不变性) --特征向量(匹配用) 特征检测整个流程可以用DDM来概括,第一个D是detector
原创 2021-05-25 22:32:56
1268阅读
在学习Good Features to track特征检测时,主要参考了opencv官方资料关于特征检测的介绍,网址:http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_feature2d/py_shi_tomasi/py_shi_tomasi.html#shi-tomasi。1.原理Good Featu
摘要:近年来互联网行业发生了重大的改变,随着Android平台的出现人们也越来越习惯于通过智能手机等移动终端来体验和分享网上的各种应用。人脸特征点定位技术作为人脸定位和人脸识别等后续研究工作的关键性技术在当今生活中有着非常重要的应用需求,但目前基于传统的PC或者服务器平台的人脸特征点定位相关的应用已经无法满足人们对于便携性和移动性的要求,因此基于Android平台的人脸特征点定位算法的研究和相关软
OpenCV与图像处理学习十二——图像形状特征之HOG特征一、图像特征理解1.1 颜色特征1.2 纹理特征1.3 形状特征1.4 空间关系特征二、形状特征描述2.1 HOG特征2.1.1 基本概念2.1.2 HOG实现过程2.1.3 代码实现 前面介绍了图像的基础知识、基本处理方法以及传统图像分割的应用,下面的笔记将介绍图像特征与目标检测部分的应用,知识脉络如下所示:一、图像特征理解图像特征是图
尺度不变性和旋转不变性是指,在图像不论是经过缩放还是旋转它的关键点是保持不变的 链接: link. slam orb 算法:主要优点是检测时间短,适用于实时。 orb特征步骤: oFast提取步骤: 色相 饱和度 亮度 1.FAST算法实现的具体步骤如下: (1)在图像中任选一点p, 假定其像素(亮度)值为 Ip。 (2)以p点为中心,以3为半径画圆,圆上有16个像素,如图所示。 (3)定义一个阈
  • 1
  • 2
  • 3
  • 4
  • 5