【AFL++代码详解】简易使用教程

AFL基础篇0x01——安装、配置与使用

AFL作为最有名的开源灰盒模糊测试引擎，得到了学术界与工业界的广泛关注。本文将简要介绍AFL在unbuntu linux18.04下的安装与配置,并介绍AFL的基础使用，（暂不介绍内部原理）如有不足之处还请诸位斧正。 1.下载 推荐到AFL的官网进行下载，链接如下 https://lcamtuf.coredump.cx/afl/ 2.安装 将压缩包解压完成之后，进入到其目录下打开终端 make sudo make install 如果在该目录下，出现了afl-fuzz的可执行文件，说明安装成功。（暂未遇到

AFL++实战（一）-黑盒测试FFmpeg

AFL++下载及安装 git clone https://github.com/AFLplusplus/AFLplusplus cd AFLplusplus apt install build-essential libtool-bin python3-dev automake flex bison libglib2.0-dev libpixman-1-dev clang python3-setuptools llvm make distrib make install 如果输入 afl-fuzz -Q

使用 AFL++ 对 IoT 二进制文件进行模糊测试 - 第二部分

在中，我们研究了如何使用 AFL++ 对简单的物联网二进制文件进行模糊测试。这些程序接受来自文件的输入，并且易于模糊测试。在本文中，我们将研究套接字二进制文件。使用套接字进行网络通信的模糊测试二进制文件与使用基于文件 I/O 的模糊测试二进制文件不同。Vanilla AFL 和 AFL++ 不支持对套接字二进制文件进行模糊测试，尽管和等项目使用 AFL 的修改版本进行模糊测试。不过，本文我们将了解如何使用普通的 AFL++ 来模糊测试网络程序。httpd此处的二进制文件。

AFL++简单学习_afl++ iot

AFL++ 是 Google 的 AFL 的一个分支，具有更快的速度，更多的突变，更多的自定义模块等AFL++可以使用Qemu、Unicorn或Frida 三种模式进行Fuzzing，虽然不如有源码进行Fuzzing高效，但是其适用面广，并且同样能提高漏洞挖掘效率。AFL++的qemu模式可完成对无源码固件的Fuzzing测试，目前还不支持MIPS。

Ansys Zemax导入CAD文件避坑指南：STL/STEP/IGES格式选择与性能优化

本文深度解析了在Ansys Zemax中导入CAD文件的核心要点与性能优化策略。针对STL、STEP、IGES等主流格式，详细对比了其几何表示、精度与适用场景差异，并提供了基于模型特征的格式选择决策树。文章重点分享了体元、弦公差等高级参数的调优技巧，以及处理复杂装配体和避免精度陷阱的实战指南，旨在帮助光学工程师提升仿真效率与结果可靠性。

UniApp 与 Taro 深度解析：如何根据项目需求选择最佳跨平台框架？

本文深度对比了UniApp和Taro两大主流跨平台开发框架。UniApp基于Vue生态，提供开箱即用的高效开发体验，尤其适合快速覆盖多端小程序；Taro则根植React范式，架构灵活，便于与现有React生态集成，更适合对性能和原生体验有高要求的复杂项目。文章结合团队技术栈、项目类型及性能需求，为开发者提供了清晰的选型指南。

windows10下 iperf3测试带宽

客户端输入："iperf3.exe -u -c 服务器IP地址 -b 5g" //客户端给服务器发送udp数据包，最大带宽为5g。客户端输入：“iperf3.exe -c 服务器IP地址 -P 10“//表示客户端10路并行给服务器发送TCP包；上图可知：带宽是15Gbps（这里不知道为什么下面测试的UDP会比这里TCP慢　按道理UDP不可能比TCP慢的5.）3.　验证是否下载成功，在打开的窗口中输入“iperf3.exe -v”，会出现安装的版本，表示安装成功了。5.　iperf3参数。

用KalmanNet搞定非线性状态估计：当卡尔曼滤波遇上神经网络

本文深入探讨了KalmanNet如何将神经网络与卡尔曼滤波结合，以解决非线性状态估计中的模型失配和噪声不确定性问题。通过保留经典滤波框架并用RNN学习卡尔曼增益，该方法在无人机导航、机器人定位等场景中实现了模型驱动与数据驱动的优势互补，提升了估计的鲁棒性和灵活性。

STM32实战：电容触摸屏I2C转USB HID设备全解析

本文详细解析了基于STM32的电容触摸屏I2C转USB HID设备实现方案。通过硬件选型、协议分析和代码实现，展示了如何将GT911触摸屏数据转换为标准USB HID协议，并提供了关键调试经验与性能优化技巧，为智能家居控制面板等应用提供高性价比解决方案。

硬件基础（4）：（6）高精度ADC设计中模拟地与数字地的划分与连接

在实际 PCB 设计中，**接地与布线**对于获得干净的参考电压和高精度 ADC 测量至关重要。下面详细阐述**如何在硬件层面减少数字噪声耦合到模拟电路、保障参考电压的稳定性**。

Apollo Planning决策规划算法代码详细解析 (1)：Scenario选择

本文重点讲解Apollo代码中怎样配置Scenario以及选择当前Scenario，Scenario决策是Apollo规划算法的第一步，本文会对代码进行详细解析，也会梳理整个决策流程，码字不易，喜欢的朋友们麻烦点个关注与赞。 在本文你将学到下面这些内容： 规划器planer的种类； 规划器planer的主要函数及逻辑； 场景管理类ScenarioManager的运行机制； 场景注册方法； 场景决策流程，如何选择当前场景 详细的apollo决策规划代码分析 代码具体过程如下： 1、Scenar

三菱PLC解密

支持三菱FX系列的PLC解密，不破坏原程序，亲测有效，破解过很多PLC

Cv.rar_调节阀

本程序为常用仪表调节阀cv计算器，具有实用价值

重庆理工大学《大学物理a(2)》历年期末考试试卷（含答案）.pdf

重庆理工大学《大学物理a(2)》历年期末考试试卷（含答案）

使用yolov5,dnn和卡尔曼滤波（kalman）进行目标跟踪和预测

本项目中使用opencv的dnn模块对yolov5进行部署，增加卡尔曼滤波kalman算法，对检测目标进行跟踪和预测。可用于导航等领域的短暂目标丢失预测。