博客 / 列表

ClownLMe - LLVM的混淆之旅(五)-手動實現控制流平坦化混淆

簡介 之前的教學中，簡單的演示了LLVM的基本用法，下面，展示一個實戰項目。 編譯目標 本次的實驗編譯樣例是下面判斷正數，負數，和零的代碼 #include stdio.h int main() { int a = 9; scanf_s("%d", a); if (a 0) { printf("Negative number!\n"); } el

網絡安全

ClownLMe - LLVM Pass快速入門(三)：指令替換

指令替換 項目需求：將加法指令替換為減法 項目目錄如下 /MyProject ├── CMakeLists.txt # CMake 配置文件 ├── build/ #構建目錄 │ └── test.c #測試編譯代碼 └── mypass2.cpp # pass 項目代碼 一，測試代碼示例 test.c // test.c #include stdio.h int my_add(int a

網絡安全

ClownLMe - LLVM Pass快速入門(二)：運行第一個pass

認識Pass層級結構 Pass範圍從上到下一共分為5個層級： 模塊層級：單個.ll或.bc文件 調用圖層級：函數調用的關係。 函數層級：單個函數。 基本塊層級：單個代碼塊。例如C語言中{}括起來的最小代碼。 指令層級：單個IR指令。 注意：下面代碼最好不要用中文，使用起來非常麻煩，控制枱，編譯，目標文件的編碼不同會造成亂碼。 項目目錄如下 /MyProject ├── CMakeLi

網絡安全

ClownLMe - LLVM Pass快速入門(一)：構建編譯環境

簡介 LLVM 是一個編譯框架工具，是把編譯過程拆解成了高度標準化的組件。 本教程所使用的環境是windows11, vs2022 認識LLVM LLVM 最成功的地方在於它定義了一種極其完美的中間語言LLVM IR，LLVM分為前端，優化器，後端： 前端：負責把源代碼（C/C++、Rust、Go）翻譯成 LLVM IR。比如 Clang。 優化器：這是 LLVM 的靈魂。它只處理 IR，不

網絡安全

ClownLMe - 從0到1，快速訓練並使用YOLO模型

簡介 YOLO是目前計算機視覺領域最前沿、應用最廣泛的目標檢測算法框架，他能快速識別區分目標，廣泛應用於遊戲，無人駕駛，工業等領域。 以識別躲避掉落滑塊的遊戲的物體圖片作為例子。 一，環境配置 pip install ultralytics 二，準備數據集 這個格式目錄如下： my_dataset/ ├── data.yaml # 配置文件（定義路徑和類別） ├── train/ #訓練數據集

AI

ClownLMe - stable_baseline3 快速入門(二): 訓練自定義遊戲，構建Gymnasium訓練環境

簡介 Gymnasium 為強化學習提供了一個標準化的API，它定義了 Agent 應該如何觀察世界、如何做出動作以及如何獲得獎勵，不管是遊戲，還是工業設備，只需要滿足Gymnasium標準都能使用同一套代碼進行訓練。 認識Gymnasium 使用stable_baseline3只需要定義好Gymnasium環境，關注訓練的獎勵機制，將重點放在業務的開發上而不是複雜的算法。 Gymnasium提供

AI

ClownLMe - stable_baseline3 快速入門(一): 訓練第一個強化學習模型

簡介 stable_baseline3 是一個基於 PyTorch 的強化學習算法開源庫，裏面集成了多種強化學習算法，使用這個開源庫能夠讓我們不需要過度關注強化學習算法細節，專注於AI業務的開發。 環境配置 pip install stable-baselines3 pip install gymnasium 這裏stable-baselines3會默認安裝pytroch框架，但是是不帶cuda

AI

ClownLMe - langchain 快速入門(四)：搭建強大的AI Agent

簡介 AI Agent 不僅僅是一個能聊天的機器人（如普通的 ChatGPT），而是一個能夠感知環境、進行推理、自主決策並調用工具來完成特定任務的智能系統，更夠完成更為複雜的AI場景需求。 AI Agent 功能 根據查閲的資料，agent的功能點如下： Agent = LLM + 規劃 + 記憶 + 工具使用 LLM： 用於回答，推理的AI模型 記憶： 短期記憶（對話歷史），長

AI

ClownLMe - langchain 快速入門(三)：搭建RAG知識庫

簡介 LLM大模型一般訓練的數據都是滯後的，這是就需要用到RAG知識庫，RAG知識庫可以降低大模型在輸出答案時的幻覺，也能夠讓大模型知識拓展。 知識庫架構知識 檢索流程圖 用户輸入 (User Query) | v +-----------------------+ | 提示詞 (Prompt) | +---

AI

ClownLMe - langchain 快速入門(二): chain鏈的應用

簡介 langchain中提供的chain鏈組件，能夠幫助我門快速的實現各個組件的流水線式的調用，和模型的問答 Chain鏈的組成 根據查閲的資料，langchain的chain鏈結構如下： $$Input \rightarrow Prompt \rightarrow Model \rightarrow Output$$ 其中langchain框架提供了幾個常用構建chain鏈的工具：

AI

ClownLMe - Langchain 快速入門(一)

簡介 langchain專門用於構建LLM大語言模型，其中提供了大量的prompt模板，和組件，通過chain(鏈)的方式將流程連接起來，操作簡單，開發便捷。 環境配置 安裝langchain框架 pip install langchain langchain-community 其中langchain可以提供了各種大模型語言庫選擇，（這裏只列舉幾個）例如： #chatgpt pip insta

AI