AngrCTF_FITM 项目使用教程
2024-09-17 07:36:02作者:殷蕙予
1. 项目目录结构及介绍
AngrCTF_FITM 项目的目录结构如下:
AngrCTF_FITM/
├── 笔记/
│ ├── 01/
│ ├── 02/
│ ├── 03/
│ └── ...
├── 源码/
│ ├── 01/
│ ├── 02/
│ ├── 03/
│ └── ...
├── 题目/
│ ├── 01/
│ ├── 02/
│ ├── 03/
│ └── ...
├── README.md
└── ...
目录介绍
- 笔记/:包含项目的学习笔记和文档,每个子目录对应不同的学习阶段或主题。
- 源码/:包含项目的源代码,每个子目录对应不同的题目或示例。
- 题目/:包含项目的题目文件,每个子目录对应不同的题目。
- README.md:项目的介绍文件,包含项目的基本信息和使用说明。
2. 项目的启动文件介绍
在 AngrCTF_FITM 项目中,启动文件通常是指用于运行和测试题目的 Python 脚本。每个题目目录下都会有一个或多个启动文件,用于加载和执行题目。
示例启动文件
以 01_angr_find 题目为例,启动文件可能如下:
import angr
import sys
def main():
path_to_binary = "题目/01/01_angr_find"
project = angr.Project(path_to_binary, auto_load_libs=False)
initial_state = project.factory.entry_state()
simulation = project.factory.simgr(initial_state)
print_good_address = 0x8048678
simulation.explore(find=print_good_address)
if simulation.found:
solution_state = simulation.found[0]
solution = solution_state.posix.dumps(sys.stdin.fileno())
print("[+] Success! Solution is: {}".format(solution.decode("utf-8")))
else:
raise Exception('Could not find the solution')
if __name__ == "__main__":
main()
启动文件功能
- 加载二进制文件:使用
angr.Project加载题目二进制文件。 - 初始化状态:创建初始状态
initial_state。 - 模拟执行:使用
simulation.explore方法探索程序路径,找到特定地址。 - 输出结果:如果找到解,输出解的内容。
3. 项目的配置文件介绍
在 AngrCTF_FITM 项目中,配置文件通常是指用于配置 Angr 环境和题目参数的文件。由于 Angr 是一个 Python 库,配置主要通过代码实现,而不是传统的配置文件。
示例配置
在启动文件中,配置主要体现在以下几个方面:
- 二进制文件路径:指定题目二进制文件的路径。
- 自动加载库:设置
auto_load_libs=False以避免自动加载外部库。 - 探索地址:指定需要探索的地址
print_good_address。
配置文件示例
虽然 AngrCTF_FITM 项目没有传统的配置文件,但可以通过 Python 脚本中的变量和参数来实现配置。例如:
# 配置二进制文件路径
path_to_binary = "题目/01/01_angr_find"
# 配置自动加载库
auto_load_libs = False
# 配置探索地址
print_good_address = 0x8048678
配置文件功能
- 路径配置:指定题目二进制文件的路径。
- 库加载配置:控制是否自动加载外部库。
- 探索地址配置:指定需要探索的程序地址。
通过以上配置,可以灵活地调整 Angr 的行为,以适应不同的题目和需求。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0131
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
496
3.64 K
Ascend Extension for PyTorch
Python
300
338
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
307
131
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
868
479
暂无简介
Dart
744
180
React Native鸿蒙化仓库
JavaScript
297
346
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
11
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
66
20
仓颉编译器源码及 cjdb 调试工具。
C++
150
882