请高手帮忙一个关于用VC给PE加外壳的问题.(1000分送,小弟的全部了)!急

fatality 2003-03-08 03:56:34
小弟做的毕业设计.要解决给PE文件加外壳用于加密.现在的思路是.做一个外壳EXE文件.主要用于以后验证和解密用.现在要将该文件加如到任何PE文件中.方法是将该文件所有块加到寄主PE文件中,合为一个块.跟改寄主PE文件中的块数及引入表.资源表等RVA,就是想把寄主文件暂时变成外壳文件.该步经过用PEDUMP等查看因该是成功了.但现在的问题是启动寄主文件后重是非法出错.错误内容是KERNEL.DLL出错什么的.
请教各位大侠,我这个思路是否可行.错误可能出在哪里?要注意的问题是?
以上都得用VC完成,实现.急盼各位大侠的帮助.小弟分不多,全部给了.
...全文
64 13 打赏 收藏 转发到动态 举报
写回复
用AI写文章
13 条回复
切换为时间正序
请发表友善的回复…
发表回复
sufeng 2003-03-10
  • 打赏
  • 举报
回复
只能这么说你们老师疯了。
ahao 2003-03-10
  • 打赏
  • 举报
回复
用汇编不是更合适吗?再说主要目标是做壳,用什么语言不重要.
fatality 2003-03-10
  • 打赏
  • 举报
回复
louifox(兰陵笑笑生)
我去看看先,这里先谢一个!
fatality 2003-03-10
  • 打赏
  • 举报
回复
呵呵.其实什么工具还不都一样?懂了原理的话,工具只是实现方法啊!(其实本人汇编不行啊)
louifox 2003-03-09
  • 打赏
  • 举报
回复
http://zd.linux.com.cn/program/_PE_.zip
louifox 2003-03-09
  • 打赏
  • 举报
回复
www.zoudan.com
itaolu 2003-03-09
  • 打赏
  • 举报
回复
晕,居然还规定工具。。。。。。。。。
fatality 2003-03-09
  • 打赏
  • 举报
回复
前面说了啊,毕业设计.导师规定了是用VC......
itaolu 2003-03-09
  • 打赏
  • 举报
回复
为什么要用VC?这样做出来的壳实在是太大了。
fatality 2003-03-09
  • 打赏
  • 举报
回复
2楼的,你的网站很好,我很早就找去过了.只是我得用VC做啊.......
以后跟你学WIN32.MASM
天限天空 2003-03-08
  • 打赏
  • 举报
回复
gz
itaolu 2003-03-08
  • 打赏
  • 举报
回复
http://www.luocong.com/sources/index.htm#LCCrypto
yes_start 2003-03-08
  • 打赏
  • 举报
回复
gz
内容概要:本文研究了一种基于CEEMDAN-CNN-LSTM的复合模型用于电力系统负荷预测,旨在提升预测精度与稳定性。首先利用完备集合经验模态分解(CEEMDAN)对原始负荷序列进行分解,将其分离为多个具有不同频率特征的本征模态函数(IMF),有效降低原始数据的非平稳性和噪声干扰;随后,针对每个子序列分别构建卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合的深度学习模型,其中CNN负责提取局部时序特征,LSTM则捕捉长期依赖关系,二者融合实现对复杂时序模式的高效建模;最后将各子序列预测结果叠还原为最终负荷预测值。实验部分基于实际历史负荷数据验证了该方法的有效性,并与其他主流预测模型进行了对比分析,结果表明所提模型在预测精度和鲁棒性方面均表现优异。; 适合人群:具备一定Python编程基础和深度学习背景,从事电力系统、能源管理或时序预测相关研究的科研人员及工程技术人员,尤其适合研究生及以上层次的学习者。; 使用场景及目标:①应用于电力系统短期或中期负荷预测,为电网调度、能源配置和需求响应提供数据支持;②作为深度学习与信号分解技术融合的典型案例,服务于智能电网、能源互联网等领域的建模与优化研究;③帮助理解CEEMDAN在时序数据去噪与特征分离中的作用,以及CNN-LSTM混合架构的设计逻辑与训练方法。; 阅读建议:建议读者结合提供的Python代码实现,深入理解CEEMDAN分解过程与深度学习模型搭建细节,重点关注数据预处理、模型超参数调优及多模型集成策略;鼓励复现实验并尝试在不同数据集上迁移应用,以巩固对负荷预测全流程的技术掌握。
内容概要:本文介绍了一种基于单调广义学习系统(MBLS)与Copula理论相结合的时空概率预测模型,用于光伏功率的精准预测。该模型充分利用MBLS在处理非线性映射关系方面的优势,结合Copula函数对多变量间复杂依赖结构的建模能力,有效捕捉光伏出力在时间和空间维度上的相关性与不确定性,从而实现高精度的概率性预测。文中提供了完整的Matlab代码实现,便于读者复现实验并进一步优化算法。该方法适用于需要量化预测不确定性的新能源并网、电力调度与风险管理等场景。; 适合人群:具备一定电力系统或可再生能源背景,熟悉Matlab编程,从事光伏功率预测、概率建模或不确定性分析等相关研究的科研人员及工程技术人员。; 使用场景及目标:① 提升光伏功率预测的准确性与可靠性,特别是在多站点协同预测中刻画时空相关性;② 构建涵盖预测区间与概率密度的时空概率预测框架,为电网调度、储能配置和电力市场决策提供风险评估依据; 阅读建议:学习者应重点理解MBLS的网络结构设计与训练流程,掌握Copula函数在多维随机变量联合分布建模中的应用原理,并结合提供的Matlab代码进行仿真实验,通过实际数据验证模型性能,进而探索其在更广泛能源预测场景中的拓展应用。

15,466

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 进程/线程/DLL
社区管理员
  • 进程/线程/DLL社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧