[MoeCTF 2021]ez_Algorithm

程序逻辑并不复杂,只有一个fuck函数

问题就出在这个fuck函数,它是一个递归函数

在运行时会无限递归导致程序卡死

仔细观察fuck函数

发现结构为fuck(a1) = fuck(a1 - 1) + 2 * fuck(a1 - 2)

可以将递归要用到的每一个 a1 值都存在数组里面

用一个大数组(递推)来代替递归

a1小于等于1时(0, 1) 直接返回a1(0, 1)

因此最小为2,最大为75 * 75 = 5626 + 1

a = [0,1] for i in range(2,5626): a.append(a[i-1] + 2 * a[i-2]) flag = [0x6d, 0x6e, 0x60, 0xc8, 0x5521, 0xaaaacd, 0x5555552e, 0xaaaaaa9f, 0x55555533, 0xaaaaaa9c, 0x55555566, 0xaaaaaad9, 0x5555550a, 0xaaaaaaca, 0x55555564, 0xaaaaaa9a, 0x5555550a, 0xaaaaaa9c, 0x5555553d, 0xaaaaaa9a, 0x55555526, 0xaaaaaaf4, 0x55555562, 0xaaaaaa9a, 0x55555538, 0xaaaaaa98, 0x5555552b, 0xaaaaaaef, 0x55555565, 0xaaaaaaf4, 0x5555552c, 0xaaaaaa9b, 0x55555520, 0xaaaaaaf4, 0x55555527, 0xaaaaaa98, 0x55555534, 0xaaaaaa9a, 0x55555564, 0xaaaaaad1, 0x55555566, 0xaaaaaaf4, 0x55555562, 0xaaaaaac3, 0x55555566, 0xaaaaaaf4, 0x55555538, 0xaaaaaa98, 0x55555534, 0xaaaaaac5, 0x55555564, 0xaaaaaac5, 0x55555532, 0xaaaaaaf4, 0x55555565, 0xaaaaaacd, 0x5555550a, 0xaaaaaaff, 0x55555564, 0xaaaaaac6, 0x55555566, 0xaaaaaaf4, 0x55555536, 0xaaaaaa9b, 0x55555538, 0xaaaaaadb, 0x55555564, 0xaaaaaa98, 0x5555552d, 0xaaaaaa9a, 0x55555562, 0xaaaaaad2, 0x5555556a, 0xaaaaaa94, 0x5555556a, 0xaaaaaad6, 0x0, 0x0, 0x0, 0x0] for i in range(76): print(chr((a[i * i] ^ flag[i]) & 0xFF), end="")

moectf{4f73r_a11_7h1s_71m3~D0_y0u_r3a11z3_7h3_m3an1ng_0f_T1m3_c0mp13x17y???}

总结

程序使用了递归函数,并且靠大数值使得运行指数级递归导致卡死,逆向时必须用递推代替递归

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1180331.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[GHCTF 2025]Mio?Ryo?Soyo?

PyInstaller 打包,使用 pyinstxtractor-ng 解包反编译使用 uncompyle6 将 pyc 转成 py 源文件uncompyle6 program.pyc > program.py# uncompyle6 version 3.9.2 # Python bytecode version base 3.8.0 (3413) # Decompiled from: Python 3.8.0 (tags/v3.8.0:fa91…

让老手机变智能!Open-AutoGLM低配设备适配经验

让老手机变智能!Open-AutoGLM低配设备适配经验 1. 引言 1.1 老旧设备的智能化困境 随着AI技术向终端侧迁移,越来越多用户希望在现有设备上体验智能代理服务。然而,当前多数AI Agent框架依赖高性能GPU和最新芯片架构,导致大量运…

从0开始学图像识别,阿里开源中文模型超详细教程

从0开始学图像识别,阿里开源中文模型超详细教程 1. 引言:为什么需要中文通用图像识别? 在当前AI大模型快速发展的背景下,图像识别技术已广泛应用于电商、医疗、安防、内容审核等多个领域。然而,大多数开源视觉模型以…

NotaGen:高质量符号化音乐生成,WebUI轻松上手

NotaGen:高质量符号化音乐生成,WebUI轻松上手 在一次数字艺术创作工作坊中,一位作曲系研究生尝试为原创交响诗配乐,却因灵感枯竭陷入瓶颈。他打开本地部署的 NotaGen WebUI,选择“浪漫主义”时期、“柴可夫斯基”风格…

内存溢出怎么办?低配设备运行优化建议

内存溢出怎么办?低配设备运行优化建议 1. 引言:低配环境下的推理挑战与应对策略 在实际部署深度学习模型时,尤其是像「万物识别-中文-通用领域」这类基于大规模预训练的视觉模型,开发者常常面临一个现实问题:硬件资源…

FSMN VAD社区贡献指南:提交PR和issue的正确姿势

FSMN VAD社区贡献指南:提交PR和issue的正确姿势 1. 贡献背景与价值 1.1 开源项目的重要性 FSMN VAD 是基于阿里达摩院 FunASR 框架开发的语音活动检测(Voice Activity Detection, VAD)模型,具备高精度、低延迟和轻量级等优势。…

Emotion2Vec+ Large前端界面解析:Gradio组件布局与交互逻辑

Emotion2Vec Large前端界面解析:Gradio组件布局与交互逻辑 1. 引言 1.1 项目背景与开发动机 在语音情感识别技术快速发展的背景下,Emotion2Vec Large作为阿里达摩院推出的大规模预训练模型,凭借其在42526小时多语种数据上的深度训练&#…

轻量级视觉语言模型:Qwen3-VL-8B优势

轻量级视觉语言模型:Qwen3-VL-8B优势 1. 引言 随着多模态人工智能的快速发展,视觉语言模型(Vision-Language Models, VLMs)在图像理解、图文生成、跨模态检索等场景中展现出巨大潜力。然而,大多数高性能模型依赖庞大…

实测YOLOv13性能:小目标检测精度提升太明显

实测YOLOv13性能:小目标检测精度提升太明显 在工业质检、无人机巡检和智能安防等场景中,小目标检测一直是极具挑战性的任务。传统目标检测模型往往因感受野限制或特征融合不足,难以准确识别远距离的微小物体。就在近期,Ultralyti…

多模型对比评测:cv_unet与RemBG抠图效果与性能全面PK

多模型对比评测:cv_unet与RemBG抠图效果与性能全面PK 1. 引言 1.1 技术选型背景 图像抠图(Image Matting)是计算机视觉中的关键任务之一,广泛应用于人像处理、电商展示、广告设计和视频编辑等领域。随着深度学习的发展&#xf…

opencode build Agent使用:自动化编译流程实战

opencode build Agent使用:自动化编译流程实战 1. 引言 在现代软件开发中,构建和编译流程的自动化已成为提升研发效率的关键环节。传统的CI/CD工具虽然功能强大,但往往需要复杂的配置与外部服务依赖,难以满足本地快速迭代的需求…

AI读脸术快速验证:上传自拍即刻获取性别年龄预测

AI读脸术快速验证:上传自拍即刻获取性别年龄预测 1. 技术背景与核心价值 在计算机视觉领域,人脸属性分析是一项极具实用价值的技术方向。从智能安防到个性化推荐,从用户画像构建到交互式娱乐应用,对人脸的性别与年龄段进行快速、…

FRCRN语音降噪部署:多卡并行推理配置指南

FRCRN语音降噪部署:多卡并行推理配置指南 1. 技术背景与应用场景 随着智能语音设备在真实环境中的广泛应用,语音信号常受到背景噪声的严重干扰,影响识别准确率和用户体验。FRCRN(Full-Resolution Complex Residual Network&…

Qwen3-0.6B对话管理:状态跟踪与策略决策模块设计

Qwen3-0.6B对话管理:状态跟踪与策略决策模块设计 1. 技术背景与问题提出 随着大语言模型在对话系统中的广泛应用,如何构建具备上下文理解、意图识别和长期记忆能力的智能代理(Agent)成为工程实践中的关键挑战。传统的问答系统往…

AI智能文档扫描仪入门必看:无需模型权重的纯算法扫描方案

AI智能文档扫描仪入门必看:无需模型权重的纯算法扫描方案 1. 引言 在日常办公与学习中,纸质文档的数字化需求日益增长。传统扫描仪体积大、成本高,而手机拍照虽便捷却存在角度倾斜、阴影干扰、背景杂乱等问题。为此,“AI 智能文…

从图片到文字:Qwen3-VL-8B保姆级使用教程

从图片到文字:Qwen3-VL-8B保姆级使用教程 1. 引言:为什么需要轻量级多模态模型? 在当前AI应用向边缘设备迁移的大趋势下,如何在资源受限的终端设备上运行高性能多模态模型,成为开发者面临的核心挑战。传统大参数量的…

边缘设备部署YOLOv9,Jetson上跑得流畅吗?

边缘设备部署YOLOv9,Jetson上跑得流畅吗? 1. 背景与挑战:边缘端目标检测的现实需求 在智能安防、工业质检和移动机器人等应用场景中,实时目标检测是核心能力之一。然而,将高性能模型部署到资源受限的边缘设备&#x…

轻量应用:Qwen2.5-0.5B指南

轻量应用:Qwen2.5-0.5B指南 1. 引言 随着大模型技术的快速发展,如何在资源受限的设备上实现高效、流畅的AI对话体验成为边缘计算和轻量化部署的重要课题。传统的大型语言模型虽然性能强大,但对硬件要求高,难以在无GPU支持的环境…

IndexTTS-2-LLM性能优化:让语音合成速度提升2倍

IndexTTS-2-LLM性能优化:让语音合成速度提升2倍 1. 背景与挑战:传统TTS在本地部署中的瓶颈 随着大语言模型(LLM)技术的快速发展,语音合成系统正从“机械朗读”向“情感化表达”演进。IndexTTS-2-LLM 作为一款融合LLM…

工业网关连接中的USB Serial Port驱动下载详解

工业网关调试避坑指南:USB转串口驱动选型与实战排错全解析 在工业自动化现场,你是否经历过这样的场景? 手握新到的工业网关,准备通过串口连接PLC读取数据。线缆插上,电脑却“无动于衷”——设备管理器里显示一个黄色…