当前位置: 首页 > news >正文

逆向|dy|a_bogus|1.0.1.19-fix.01

2025-04-26
请求地址:aHR0cHM6Ly93d3cuZG91eWluLmNvbS91c2VyL01TNHdMakFCQUFBQV96azV6NkoyMG1YeGt0eHBnNkkzRVRKejlyMEs3d2Y2dU9EWlhvd2ttblZWRnB0dlBPMmMwN2J0WFotcVU4V3M=

个人主页的视频数据
我们需要逆向这个接口,所以现在需要分析这个请求,
分析这几个数据包可以发现:
只有max_cursor和a_bogus参数是变化的,其他的参数都不变

在这里插入图片描述

然后我们先仔细来观察第一个数据包,发现其返回的结果中有max_cursor字段,值为:1723795989000然后我们再看第二个数据包的请求的max_cursor的值就是1723795989000,因此可以发现第二个数据包的请求传递的参数max_cursor就是第一个数据包返回的结果.

在这里插入图片描述
第一个数据包

在这里插入图片描述
第二个数据包

那么现在我们要解决的就是a_bogus字段的值,我们从启动器进去打下断点,然后往下面滑动,断点断住之后,一直过掉,到我们要的请求的接口的位置. 然后我们往前面进行跟栈,发现到X这个栈的时候,参数r._tnc_request_url中并不存在a_bogus字段,所以这个字段很有可能就是在当前function X(t, r, e, n)这个函数内部生成的.

在这里插入图片描述
然后我们重新在函数的开头位置打下断点,继续往下滑动.重新触发断点,分析了发现X这个栈的时候是没有a_bogus字段的,然后继续跟栈走,找其上面的栈

在这里插入图片描述
找到了u这个栈

在这里插入图片描述
然后分析的过程中,本来以为是在u函数中o的变化生成的,随后调试的过程中发现,o这个列表的第二项已经出现了a_bogus参数

在这里插入图片描述

那么之后就分析到d栈中,在d栈中下断点,然后重新再刷新视频的列表,调试的过程中,发现出现了a_bogus参数

在这里插入图片描述
在这里插入图片描述
由于v[++p] = m这一行代码出现太多次了,因此我们直接考虑添加一个条件断点,直接设置:m.length > 100这一个条件,这样就可以很快到找到m的生成,当我们在调试的过程中,发现了乱码的情况,这个m就比较可疑. 然后我们在这个函数的所有的return的位置打下断点,随后在返回的位置找到了一个变量l,它的值就很像参数a_bogus

在这里插入图片描述
在这里插入图片描述
这个时候我们已经知道了,a_bogus肯定是在这个控制流当中生成的,那么这时候,我们在这个函数中关于v数组的运算的地方打下日志断点,涉及到 + - * / >> << 还有n.apply(d, e);的地方都写下日志点,然后我们根据控制台的输出发现:
首先请求的地址 + 字符串"dhzx"

在这里插入图片描述
算法还原太复杂了,看了很多博主的还是没懂,最终选择用补环境的方式来完成,首先把整个bdms_1.0.1.19_fix.js文件给粘贴下来,然后先把万能的代理代码复制到js文件当中,并用jsdom来补充环境.

# 万能代理模板
function get_enviroment(proxy_array) {for(var i=0; i<proxy_array.length; i++){handler = '{\n' +'    get: function(target, property, receiver) {\n' +'    if (property === "webviewBridge") {debugger;}else if(property === "bdms"){debugger;}' +'        console.log("方法:", "get  ", "对象:", ' +'"' + proxy_array[i] + '" ,' +'"  属性:", property, ' +'"  属性类型:", ' + 'typeof property, ' +// '"  属性值:", ' + 'target[property], ' +'"  属性值类型:", typeof target[property]);\n' +'        return target[property];\n' +'    },\n' +'    set: function(target, property, value, receiver) {\n' +'        console.log("方法:", "set  ", "对象:", ' +'"' + proxy_array[i] + '" ,' +'"  属性:", property, ' +'"  属性类型:", ' + 'typeof property, ' +// '"  属性值:", ' + 'target[property], ' +'"  属性值类型:", typeof target[property]);\n' +'        return Reflect.set(...arguments);\n' +'    }\n' +'}';eval('try{\n' + proxy_array[i] + ';\n'+ proxy_array[i] + '=new Proxy(' + proxy_array[i] + ', ' + handler + ')}catch (e) {\n' + proxy_array[i] + '={};\n'+ proxy_array[i] + '=new Proxy(' + proxy_array[i] + ', ' + handler + ')}')}
}

然后这个时候就直接执行js代码,缺什么就补充什么,一直到代码不发生报错为止.
这里有一个比较难的点就是,这个jsvmp当中应该是检测了XMLHttpRequest,我们需要将其补充在globalThis这个对象当中.

在这里插入图片描述

一直补充到没有报错为止,而且我们需要提前将window.a_bogus这个参数进行导出.然后当我们补充完整之后,发现代码没有走if(e.length == 2 && e[0] === ‘a_bogus’){这个代码
在这里插入图片描述

这里其实是因为,它a_bogus的生成是需要xhr对象调用send方法之后才会生成的,因此我们还需要手动来调用xhr的send方法.这样才会执行生成a_bogus

在这里插入图片描述
这里还有一个要注意的点就是,虽然代码执行get_a_bogus函数结束后返回了a_bogus,但是它的jsvmp代码还在执行,也就是说这个js文件还没有执行完毕,因此我们需要在js文件代码最后添加process.exit(0);
来手动结束代码的执行.
生成a_bogus结果如下:

在这里插入图片描述
然后我们需要注意一下就是,因为我们直接结束了js的进程,因此在python中不能用execjs来调用这个函数,是拿不到结果的.我们可以用subprocess模块来调用.

在这里插入图片描述
最终的结果如下:

在这里插入图片描述

相关文章:

逆向|dy|a_bogus|1.0.1.19-fix.01

2025-04-26 请求地址:aHR0cHM6Ly93d3cuZG91eWluLmNvbS91c2VyL01TNHdMakFCQUFBQV96azV6NkoyMG1YeGt0eHBnNkkzRVRKejlyMEs3d2Y2dU9EWlhvd2ttblZWRnB0dlBPMmMwN2J0WFotcVU4V3M 个人主页的视频数据 我们需要逆向这个接口,所以现在需要分析这个请求, 分析这几个数据包可以发现: 只有…...

【软考-架构】13.5、中间件

✨资料&文章更新✨ GitHub地址&#xff1a;https://github.com/tyronczt/system_architect 文章目录 中间件技术典型应用架构 中间件技术 在分布式系统环境中&#xff0c;出于操作系统和应用程序之间的软件。 主要的中间件有五类&#xff1a; 数据库访问中间件&#xff1…...

【Redis】基础2:作为缓存

文章目录 1. 一些概念2. 主动更新策略/缓存设计模式2.1 cache-aside pattern&#xff08;lazy loading&#xff09;2.2 read-through pattern&#xff08;针对读操作&#xff09;2.3 write-through pattern2.4 write behind pattern&#xff08;write back pattern&#xff09;…...

豆包,Kim,deepseek对比

以下是豆包、Kimi、DeepSeek的对比与应用&#xff1a; 对比 - 核心技术&#xff1a;DeepSeek-R1完全依赖强化学习驱动&#xff0c;跳过监督微调阶段。Kimi k1.5采用“轻量级SFT预热RL优化”的混合策略。 - 多模态支持&#xff1a;Kimi k1.5支持文本与图像的多模态联合推理。De…...

L2-005 集合相似度

L2-005 集合相似度 - 团体程序设计天梯赛-练习集 给定两个整数集合&#xff0c;它们的相似度定义为&#xff1a;Nc​/Nt​100%。其中Nc​是两个集合都有的不相等整数的个数&#xff0c;Nt​是两个集合一共有的不相等整数的个数。你的任务就是计算任意一对给定集合的相似度。 …...

33.状态压缩动态规划

一、算法内容 1.简介 若元素数量比较小&#xff08;不超过 20 20 20&#xff09;时&#xff0c;想要存储每个元素取或不取的状态时&#xff0c; 可以借助位运算将状态压缩。 需要借助状态压缩过程的动态规划就是状态压缩 DP&#xff08;很多地方会简称为状压 DP&#xff09;…...

WSL 中 nvidia-smi: command not found的解决办法

前言 在使用基于 Linux 的 Windows 子系统&#xff08;WSL&#xff09;时&#xff0c;当我们执行某些操作后&#xff0c;可能会遇到输入 nvidia-smi 命令却无法被系统识别的情况。 例如&#xff0c;在终端中输入nvidia-smi 后&#xff0c;系统返回提示 -bash: nvidia-smi: co…...

Linux 进程控制

文章目录 1. 进程创建1.1 fork1.2 写时拷贝 2.进程终止2.1 退出码2.2 进程如何返回退出码 3. 进程等待3.1 wait3.1.1 阻塞等待3.1.2 退出码与退出信号 3.2 waitpid 1. 进程创建 1.1 fork 我们可以使用fork函数来创建子进程&#xff0c;创建子进程后&#xff0c;父子进程之间就…...

使用MobaXterm远程登录Ubuntu系统:SSH服务配置教程

一、MobaXterm介绍 MobaXterm官网&#xff1a;https://mobaxterm.mobatek.net/ MobaXterm类似于Xshell&#xff0c;是一个工具箱&#xff0c;功能比Xshell多。 直接去官网下载安装就可以&#xff0c;本文主要介绍开启Ubuntu的ssh服务&#xff0c;并通过MobaXterm实现远程登录…...

直线模组精度测试的标准是什么?

直线模组的精度测试是确保其性能和稳定性的重要环节。那么&#xff0c;大家知道直线模组精度测试的标准是什么吗&#xff1f; 1、定位精度&#xff1a;以最大行程为基准长度&#xff0c;用从基准位置开始实际移动的距离与指令值之间的最大误差的绝对值来表示。一般来说&#xf…...

RK3568 Debian调试记录

文章目录 1、环境介绍2、前言3、debian目录结构3.1、脚本调用顺序 4、编译debian4.1、构建debian编译所需的环境4.2、编译debian4.3、打包 5、系统启动6、debian适配6.1、新增板级配置单6.2、USB6.3、Wi-Fi / BT6.4、屏幕旋转6.5、触摸旋转6.6、时钟 7、测试8、总结 1、环境介绍…...

来自 Bisheng 关于微调的内容总结

来自 Bisheng 关于微调的内容总结 0. 引言1. 关于微调的总结 0. 引言 这篇文章的内容&#xff08;主要是截图&#xff09;是来自 Bisheng 关于微调的内容总结&#xff0c;内容来源于 B 站Up主七吟覃_BISHENG负责人的视频&#xff0c;感兴趣的可以观看原视频。 1. 关于微调的总…...

Git 工具的安装

目录 Git 工具介绍 Git 工具安装 创建本地仓库 配置本地仓库 Git 版本控制基本原理 本期开始&#xff0c;我们将学习如何使用 Git 工具&#xff0c;实现多版本控制。 Git 工具介绍 要了解 Git 工具我们得先了解版本控制器的概念。 有这样一个场景&#xff0c;如下图所…...

任务管理系统,Java+Vue,含源码与文档,科学规划任务节点,全程督办保障项目落地提效

前言&#xff1a; 在当今快节奏的工作环境中&#xff0c;高效的任务管理是确保项目按时完成、资源合理分配及团队协作顺畅的关键。任务管理系统作为提升工作效率的重要工具&#xff0c;通过数字化手段帮助用户组织、跟踪和完成各类任务。本文将详细阐述任务管理系统的五大核心…...

JavaScript基础知识合集笔记1——数据类型

文章目录 JavaScript中的数据类型基本数据类型引用类型存储区别 JavaScript中的数据类型 基本数据类型和复杂类型 基本数据类型 基础类型包含六种&#xff1a;Number、Bigint、String、Boolean、Undefined、null、symbol Number(特殊值NaN&#xff0c;意为“不是数值”) c…...

2025.04.26-美团春招笔试题-第四题

📌 点击直达笔试专栏 👉《大厂笔试突围》 💻 春秋招笔试突围在线OJ 👉 笔试突围OJ 04. 图像智能降维处理 问题描述 卢小姐是一家图像处理公司的算法工程师,她正在开发一种高效的图像压缩算法。该算法基于奇异值分解(SVD)技术,通过保留图像矩阵中最重要的特征,在…...

测试基础笔记第十三天

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 一、流程控制语句-判断语句1.判断语句2.逻辑运算符3.elif多重判断4.if的嵌套5.if与逻辑运算符结合1.and2.or3.not 设计测试用例二、流程控制语句-循环语句1.while语…...

【昇腾】PaddleOCR转om推理

文章目录 1. 使用Paddle框架推理1.1 安装1.2 推理 2. paddle 转 ONNX3. 转om4. Ais_bench 命令推理5. Ais_bench 编写推理代码 概要&#xff1a; PyTorch官方提供了昇腾插件包&#xff0c;安装后虽然可以支持PytorchOCR和PaddlePaddle的推理任务&#xff0c;但性能通常低于GPU。…...

【数据融合】基于拓展卡尔曼滤波实现雷达与红外的异步融合附matlab代码

一、问题分析与技术难点 1. 传感器特性对比 传感器测量维度优势局限性噪声模型雷达距离 $ r $、方位角 $ \theta $、速度 $ v $测距精度高、全天候工作角度分辨率低、易受多径干扰高斯噪声&#xff0c;协方差矩阵 $ R_r \text{diag}(\sigma_r^2, \sigma_\theta^2, \sigma_v^…...

第一部分:网页的骨架 —— HTML

这目录 前言1. 初识 HTML&#xff1a;搭建地基和框架1.1 小例子&#xff1a; 创建一个最简单的 HTML 页面&#xff0c;包含 "Hello World"。1.2 练习 2. 常用文本与内容标签&#xff1a;填充墙体和房间2.1 小例子&#xff1a; 创建一个包含个人简介&#xff08;使用标…...

RTMP 协议解析 1

介绍 &#x1f4d6; 什么是 RTMP&#xff1f; RTMP协议&#xff08;Real-Time Messaging Protocol&#xff0c;实时消息传输协议&#xff09;是由Adobe公司&#xff08;最初由Macromedia开发&#xff09;设计的一种用于实时传输音频、视频和数据流的网络协议&#xff0c;主要…...

c++初始化数组

1.前言 话说数组是n年前的事了&#xff0c;我为啥现在又提到它呢&#xff1f;因为很多人不会初始化数组&#xff0c;所以今天我来教教大家 2.初始化数组 初始化数组就是定义数组&#xff0c;就像这样 int a[5]{0}; 这样是a[0]到a[5]全都等于0 如果要输出这个数组&#xf…...

支持Win和Mac的批量图片压缩方法

软件介绍 如果你的图片太大&#xff0c;传输或上传总是卡壳&#xff0c;那就需要一款好用的图片压缩工具了。今天推荐的这款工具支持Windows和Mac双系统&#xff0c;简直是图片压缩界的"变形金刚"&#xff01; 图压&#xff08;图片压缩双系统版&#xff09; …...

autodl(linux)环境下载git-lfs等工具及使用

一、git-lfs工具下载 #初始化git.lfs命令 curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bash sudo apt-get install git-lfs git lfs install 二、 huggingface-cli工具下载及使用 Linux设置huggingface的镜像&#xff1a; ex…...

云原生--核心组件-容器篇-3-Docker核心之-镜像

1、定义与作用 定义&#xff1a; Docker镜像是一个只读的模板&#xff0c;包含运行应用程序所需的所有内容&#xff0c;包括代码、依赖库、环境变量、配置文件等。简单来说&#xff0c;Docker镜像是一个轻量级、独立、可执行的软件包&#xff0c;它包含了运行某个软件所需的所有…...

Dify与n8n深度对比:AI应用开发与自动化工作流的双轨选择

Dify与n8n深度对比&#xff1a;AI应用开发与自动化工作流的双轨选择 在数字化转型加速的2025年&#xff0c;Dify和n8n作为两大主流工具&#xff0c;分别代表了AI应用开发与自动化工作流领域的顶尖解决方案。本文将从核心定位、功能特性、使用场景等维度展开对比&#xff0c;为…...

AI算法优化建筑形态与能耗管理 实现方案和技术架构

以下是基于AI算法优化建筑形态与能耗管理的实现方案与技术架构,结合行业实践与前沿技术趋势,分层次解析核心要素及实施路径: 一、技术架构设计 1. 数据采集与感知层 多源数据融合 传感器网络:部署温湿度、CO₂浓度、光照、人流密度等传感器,构建实时数据采集体系(如北京…...

【互联网架构解析】从物理层到应用层的全栈组成

目录 前言技术背景与价值当前技术痛点解决方案概述目标读者说明 一、技术原理剖析核心概念图解核心作用讲解关键技术模块说明技术选型对比 二、实战演示环境配置要求核心代码实现&#xff08;Python网络请求&#xff09;运行结果验证 三、性能对比测试方法论量化数据对比结果分…...

Redis和MQ的区别

redis是一个高性能的key-value数据库&#xff0c;支持消息推送功能&#xff0c;可以当做一个轻量级的队列服务器使用。 redis只是提供一个高性能的、原子操作内存键值队&#xff0c;具有高速访问能力&#xff0c;虽然可以做消息队列的存储&#xff0c;但不具备消息队列的任何功…...

多系统安装经验,移动硬盘,ubuntu grub修改/etc/fstab 移动硬盘需要改成nfts格式才能放steam游戏

笔记本一个系统&#xff0c;移动硬盘两个系统&#xff0c;当前系统sda4.jpg 移动硬盘需要再装一个linux会有boot/efi&#xff0c;启动的时候grub界面才能识别&#xff0c;单linux没有efi别的电脑识别不到 没efi甚至启动不了grub 按下f6.jpg 看看笔记本grub能不能识别得到移动硬…...

4.26学习——web刷题

把攻防世界的web做了20道左右&#xff0c;挑了几道学到东西的题目记录一下 攻防世界warmup 进到环境中读取源代码发先有个提示&#xff1a;source.php&#xff0c;进去看看 <?phphighlight_file(__FILE__);class emmm{public static function checkFile(&$page){$wh…...

Go 语言中的实时交互式编程环境

在 Go 语言中&#xff0c;确实有几种方法可以实现类似 Python REPL 的实时交互式编程体验&#xff0c;让你可以实时编写代码并查看输出&#xff0c;而无需每次都编译运行整个程序。 但是需要注意的是&#xff0c;由于 Go 是编译型语言&#xff0c;完全的实时交互体验不如解释型…...

动态规划求解leetcode300.最长递增子序列(LIS)详解

给你一个整数数组 nums &#xff0c;找到其中最长严格递增子序列的长度。 子序列 是由数组派生而来的序列&#xff0c;删除&#xff08;或不删除&#xff09;数组中的元素而不改变其余元素的顺序。例如&#xff0c;[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。 示例 1&#…...

冯·诺依曼和哈佛架构​​​​两种架构的总线组成及核心特点

在计算机体系结构中&#xff0c;哈佛架构和冯诺依曼架构是两种不同的存储与总线设计范式&#xff0c;它们的总线组成和访问方式有显著差异。以下是两种架构的总线组成及核心特点的详细分析&#xff1a; 1. 冯诺依曼架构&#xff08;Von Neumann Architecture&#xff09; 核心…...

7.学习笔记-Maven进阶(P75-P89)-进度(p75-P80)

1.MAVEN-01-分模块开发的意义 &#xff08;一&#xff09;分模块开发意义 模块可以按功能划分&#xff0c;也可以按团队划分&#xff0c;所以把domain的方法抽取出来&#xff0c;进行共享&#xff0c;从而提高开发 的效率。 &#xff08;1&#xff09;分模块开发的意义&#xf…...

Java——令牌技术

目录 一、何为令牌 JWT令牌 介绍 JWT组成 二、JWT用于验证用户登录 三、JWT令牌生成和校验 简单用法 1.创建生成密钥的方法 2.接着添加过期时间&#xff0c;密钥&#xff0c;BASE64解码密钥的属性以及生成token的方法&#xff0c;合并上面生成密钥的方法&#xff0c;下面…...

【含文档+PPT+源码】基于Python校园跑腿管理系统设计与实现

项目介绍 本课程演示的是一款基于Python校园跑腿管理系统设计与实现&#xff0c;主要针对计算机相关专业的正在做毕设的学生与需要项目实战练习的 Python学习者。 1.包含&#xff1a;项目源码、项目文档、数据库脚本、软件工具等所有资料 2.带你从零开始部署运行本套系统 3.…...

Spring AI Alibaba - Milvus 初体验,实现知识库效果

先看效果 数据被存储在 milvus 中&#xff0c;包括原始数据和向量数据。 大模型使用向量化数据的回答&#xff1a; 环境准备 安装 milvus Milvus 是一款专为向量相似性搜索设计的高性能开源数据库。 本地测试环境可以直接 Standalone 模式安装&#xff0c;需要用到 docke…...

arcpy列表函数的应用

arcpy.ListDatasets() 该函数用于列出指定工作空间中的所有数据集&#xff08;如要素数据集、栅格数据集等&#xff09;。 语法&#xff1a; python arcpy.ListDatasets(wild_cardNone, feature_typeNone) • wild_card&#xff1a;用于筛选数据集名称的通配符。 • feat…...

上位机知识篇---时钟分频

文章目录 前言 前言 本文简单介绍了一下时钟分频。时钟分频&#xff08;Clock Division&#xff09;是数字电路设计中常见的技术&#xff0c;用于将高频时钟信号转换为较低频率的时钟信号&#xff0c;以满足不同模块的时序需求。它在处理器、FPGA、SoC&#xff08;片上系统&am…...

Redis的两种持久化方式:RDB和AOF

Redis持久化概述 Redis作为内存数据库&#xff0c;数据存储在内存中。为了保证数据在服务器重启或宕机时不丢失&#xff0c;Redis提供了两种持久化方案&#xff1a; RDB&#xff08;Redis Database&#xff09;&#xff1a;定时生成内存快照 AOF&#xff08;Append Only File&…...

1位的推理框架bitnet.cpp

源码&#xff1a;https://github.com/microsoft/BitNet bitnet.cpp 技术解析 ‌bitnet.cpp‌ 是专为 ‌低精度大语言模型&#xff08;如 BitNet b1.58&#xff09;‌ 设计的官方推理框架&#xff0c;其核心特性如下&#xff1a; 一、架构优势 ‌全栈优化引擎‌ 提供高度优化…...

教育领域的AIGC革命:构建多模态智能教学系统

一、智能教育系统技术架构 1.1 教育场景技术需求 教学环节 传统痛点 AIGC解决方案 课程设计 耗时耗力&#xff0c;创新不足 跨学科教案自动生成 课堂互动 单向传授&#xff0c;参与度低 多模态交互式虚拟教师 作业批改 重复劳动&#xff0c;反馈延迟 全自动批改与个性化评语 学…...

Simulink 数据存储机制:Base Workspace、Model Workspace 与 Data Dictionary 的核心区别

1. 核心定位与设计目标 存储方式本质核心设计目标Base WorkspaceMATLAB全局内存空间临时数据交互&#xff0c;快速原型开发Model Workspace模型私有数据容器模型数据隔离&#xff0c;防止命名冲突Data Dictionary专业数据管理文件(.sldd)复杂系统数据治理&#xff0c;支持团队…...

TI---UART通信

一、SysConfig 中 UART 配置的核心参数与生成逻辑 1. 基础参数配置&#xff08;图形化界面&#xff09; 配置项功能说明生成代码影响模式选择主机模式&#xff08;Master&#xff09;/ 从机模式&#xff08;仅部分芯片支持&#xff0c;如 UART 作为 I2C 桥接&#xff09;生成…...

spark总结

文章目录 一 spark简介1.1 什么是spark1.2 spark运行过程1.2.1 组成1.2.2 过程1.2.3 事例&#xff08;词频统计WordCount程序&#xff09; 1.3 spark运行模式1.4 pyspark 二 SparkCore2.1 RDD介绍2.2 RDD编写2.3 RDD算子2.4 RDD的持久化2.4.1 为什么需要缓存和检查点机制&#…...

【随笔】地理探测器原理与运用

文章目录 一、作者与下载1.1 软件作者1.2 软件下载 二、原理简述2.1 空间分异性与地理探测器的提出2.2 地理探测器的数学模型2.21 分异及因子探测2.22 交互作用探测2.23 风险区与生态探测 三、使用&#xff1a;excel 一、作者与下载 1.1 软件作者 作者&#xff1a; DOI: 10.…...

补码底层逻辑探讨

在计算机里面以二进制进行存储&#xff0c;二进制并不能区分正负数 为了处理负数&#xff0c;人们想了很多办法 1.原码 首先&#xff0c;很直观的区分方法就是设置一个flag 在二进制前面加一个符号位&#xff0c;0是正、1是负 但是在电路里面处理这样的信号却很复杂&#…...

第二大脑-个人知识库

原文链接:https://i68.ltd/notes/posts/20250407-llm-person-kb/ Quivr-第二大脑一样的个人助手&#xff0c;利用AI技术增强个人生产力 将 GenAI 集成到您的应用程序中的个性化 RAG,专注于您的产品而非 RAG项目仓库:https://github.com/QuivrHQ/quivr Star:37.7k官网:https:/…...

泰勒展开概念解释(图优化SLAM中非线性系统的线性处理)

1. 泰勒展开 泰勒展开是一种用多项式近似复杂函数的数学方法,其核心思想是通过函数在某一点的各阶导数信息,构建一个多项式来逼近原函数,即通过函数在某一点x0的各阶导数值,构造一个多项式 P(x),使得该多项式在 x0 附近与原函数 f(x) 的值及其导数尽可能匹配,数学形式为…...