序言科学主义的一元论是一种人们不愿把握复杂问题的结果，而弗洛伊德并没有认可这种前提或者其他什么前提，他关注偶然的事实。
我们是用概念理解世界的，这个概念也并非出自经验，而是语言。因此，弗洛伊德在最开始分析自己来处理神经症。
超我是以纯粹语言支撑的，它本身不存在法则。本我也并非一个假设的向度，也并非主体的冲动，id无法到达。
分析的目的并非是自我控制、激情（幻想）的消失，而就是为了能够不断地辩证自身。
阻抗时刻对弗洛伊德的技术性著作的评论的介绍弗洛伊德的精神分析方法主要有：人格理论、结构理论，但是弗洛伊德理论的同一性并不在这些技术中。
当前精神分析的僵局：局限在主客体的二元关系中。而实际上，没有第三者，二元关系是不稳定的。（此时拉康还是注重于三元关系）
主体的历史性重构是在分析中最关键的（也就是主体究竟是什么，可以从自由联想中发掘），这也是精神分析一直能够保持活力的原因。而重构的内容并不重要，重要的是重构的形式，因为重构过去的主体只是从一个假象变为另一个假象。
自我心理学的每一个成就都其实在说明，自我的结构就是一个症状，一个人类的精神疾病，尽管它是人们唯一可以接触到的东西。
对阻抗问题的 ...
剧本杀《流氓叙事》的核心宗旨在于“追寻真理”，通过流氓一样的“虚假叙事”去得到要不断接近的“真理”，这里的悖论似乎非常明显——只有通过“谎言”才能得到的“真理”，通过新造的“谎言”打破原始的“谎言”才能得到所谓的“真理”。
一阶的谎言：“真理”作为隐喻式的象征界铭刻不难发现，“真理”在此是最极端、最有效的谎言：在生活中偶然的实在界穿刺唤醒了我们压抑的创伤，我们不得不认同如下观点，与原始的谎言相比，新造的谎言算得了什么？玩家们通过对新造谎言的认同，完成了对原始谎言的谋杀，而“真理”通过对新造谎言的替代完成了隐喻式的符号学铭刻。
于是我们得到了如下的公式：
$\frac{“真理”}{新造谎言}\frac{新造谎言}{原始谎言}$
化约一下：
$\frac{“真理”}{新造谎言}\frac{新造谎言}{原始谎言}=\frac{“真理”}{原始谎言}$
“真理”在此与原始谎言完成了隐喻式的替换，不妨用弗洛伊德的原父理论进行解释：原父的这个父亲是超脱法则的，也就代表着法则的反面，男性必须通过对原父的谋杀才能构建起来。在此，“真理”必须通过对原始谎言的替代被构建，“真理”成为了派生的“真 ...
前言：观念的便秘扬弃是对物质现实的扬弃，幸存下来的是物质的决定性基本特征，即从经验性现实走向概念性扬弃。因此扬弃是一个从内容到简单概念（可能性现实）的辨证过程，将现实性减法为可能性了。这个扬弃也就是一种能指化，通过能指化，我们获得了比周围现实世界更大的潜力，比如“椅子”这个词语，我们就已经将其把握为了某种可以使用的器具。扬弃的对象最终可以在概念发展中摆脱主体的束缚，自由地发展。
主体即实体也就是说主体是被禁止了内容的实体，也就是拉康的S到划杠S的过程。
似乎康德和黑格尔的对立是唯物论和唯心论的对立：康德主张最低限度的唯物主义，黑格尔使现实溶解于概念。但其实，黑格尔认为一个物体的存在的论断本身就是抽象概念，
康德的100块钱的论断里，口袋里的100块钱依旧是概念性的，它的身份依赖于我们如何“想”它。
黑格尔的辩证法，并非是内容得到概念，而是首先获得概念，释放了内容任其所是，后面才是占有。
第一部分：症状马克思如何发明了征兆（syptom，我感觉症状也行）？马克思、弗洛伊德：对形式的分析马克思和弗洛伊德的分析都是现象学式的，并非研究探索对象形式背后的内容，而是研究对象为何为形成这种形式，比 ...
环境配置首先将目标机器调成debug模式：
12345C:\Windows\system32>bcdedit /copy {current} /d "Kernel Debugging On"The entry was successfully copied to {自动生成的id}.C:\Windows\system32>bcdedit /debug {自动生成的id} onThe operation completed successfully.
用COM pipe串行端口配置双机调试。
在目标机器上配置好HEVD驱动后有个坑，windbg里的HEVD的符号表必须配置C:\projects\hevd\build\driver\vulnerable\x86\HEVD\HEVD.pdb，按照习惯配置SRV*path*不行。
此时就可以看到HEVD驱动的symbol载入了：
1234567891011120: kd> x /D HEVD!a* A B C D E F G H I J K L M ...
发现WIZ举办了个在线的CTF比赛，下班回家玩了下，链接如下：https://www.cloudhuntinggames.com/
Challenge 1发现日志里有不少的存在包含攻击者邮箱字符串的Fiz：
那直接在请求的日志里找所有的相关日志：
12SELECT * FROM s3_data_eventsWHERE requestParameters like '%Fiz%'
发现有一条IAM包含drink，那就是它了：
第一题的flag：arn:aws:sts::509843726190:assumed-role/S3Reader/drinks
Challenge 2检索drinks相关的日志：
12SELECT * FROM cloudtrailWHERE requestParameters like "%drink%"
直接就有了：
第二题的flag：Moe.Jito
Challenge 3这个直接题目找答案，直接在userIdentity_ARN里找i-相关的字符串：
12SELECT * FROM clo ...
三种常见的ssl/tls用户态的库：
OpenSSL
BoringSSL
GnuTLS
hook的实现细节在OpenSSL场景下，需要用到的uprobe：SSL_read、SSL_read_ex、SSL_write、SSL_write_ex、do_handshake。
deepseek给出的具体调用过程：
flowchart TD
start([开始]) --> do_handshake[调用 SSL_do_handshake]
do_handshake --> handshake_success{SSL_do_handshake 成功?}
handshake_success -->|是| app_data_exchange[应用数据交换]
handshake_success -->|否| handshake_error[检查 SSL_get_error]
handshake_error --> handshake_retry{SSL_ERROR_WANT_READ 或 SSL_ERROR_WANT_WRITE?}
handshake ...
TinyInst建立在自定义调试器之上。调试器通过监视目标进程的事件，例如加载模块、命中断点、引发异常等，实现对目标程序的完全访问和控制，进而实现插桩和覆盖率收集等功能。如果指定了目标方法，调试器还会实现断点和持久性。
TinyInst支持主流的三种代码覆盖率的统计：
基本块覆盖：计算运行时达到的基本块的数量。
边覆盖：计算运行时命中的边。
比较覆盖：计算CMP指令中命中的字节数。
TinyInst的插桩的简单流程如下：
graph TB
subgraph Target_Process
A[目标 Module] --> B(Debugger)
B --创建运行空间--> C[插桩]
end
TinyInst里比较关键的模块：通过debugger attach目标模块（Debugger）、对目标模块的执行进行控制以及插桩（TinyInst）、目标模块执行的覆盖率统计（LiteCov）。
graph TB
subgraph TinyInst
A[LiteCov] --继承--> B(TinyInst)
...
接受过优质高等教育的“精英女性”陷入邪教/灵修陷阱的现象并非偶然，而是癔症结构在象征界断裂处与伪大他者必然的共舞——这场舞蹈以欲望的错位投射为旋律、以符号暴力的循环再生产为节奏，最终将癔症主体的结构性创伤转换为邪教系统增殖、扩张的燃料。
本文将以“精英女性”、邪教/灵修（下文将简化为“邪教”）为意向对象，试图从结构上分析出“精英女性”在遭受职场、家庭创伤后深陷邪教陷阱的原因。
主人话语和大学话语的共谋邪教建构自身系统的逻辑和高等教育建制具有同构性：精英女性在学术训练中习得的”理性崇拜”，恰成为邪教首领实施符号置换的完美切口——邪教将新自由主义语境下的成功学话语与密传知识缝合，将职场/家庭挫败重新编码为”灵性觉醒的必要试炼”。这种话语嫁接术之所以奏效，正源于高等教育系统早已将主体异化为符号秩序的献祭品。
职场中的“玻璃悬崖”困境与家庭场域的母职惩罚构成双重异化，迫使她们在象征界和实在界的裂隙间悬浮。此时邪教提供的“灵性子宫”恰好构成反转性补偿：修行仪式中对身体的规训，戏剧性复现了其熟悉的学术规训机制；而“双生火焰”、“业力激情”、“灵魂伴侣”等伪宇宙论叙事， ...
编译dynamorio x86/x64编译的时候将告警转换为报错的取消：在Makefile搜索/WX改成/WX-。
编译winafl编译时候因为cmake限制报错，修改cmake版本最小需要即可，比如：
1cmake_minimum_required(VERSION 3.5)
测试测试代码：
12345678910111213141516171819202122232425262728#define _CRT_SECURE_NO_WARNINGS#include <stdio.h>#include <windows.h>int main(int argc, char* argv[]){ char tmp[30]; char buff[1024]; FILE* fp; printf("stack overflow demo.\n"); if (argc >= 2) { fp = fopen(argv[1], "rb"); i ...
一个应用场景：Attention is all you need提出来的Transformer模型最经典的案例就是翻译以及当下最火的生成式语言。
传统的RNN等神经网络模型都是编码器-解码器的结构：
编码器：将输入$(x_1,x_2,…,x_n)$转换成向量数组$(z_1,z_2,…,z_n)$，其中每个$z_t$对应于一个词$x_t$的向量表示。这里编码器的输出就是这么一个向量数组。
解码器：将编码器输出的数组$(z_1,z_2,…,z_n)$解码为一个序列$(y_1,y_2,…,y_m)$，这里的m并一定等于n，因为假如中译英，输入句子和输出句子长度往往是不一样的。这里解码器输出的词是一个一个生成的——自回归，比如$y_i$的输出往往会依赖于$y_{i-1}$。
具体模块
Transformer图里各个模块的含义：
左侧：编码器
右侧：解码器
Input：编码器的输入，比如需要翻译的句子
Output：解码器的输入，也就是解码器之前状态的输出
Input Embedded：嵌入层，将各个词表示成向量
N*：表示编码器有n个
Multi-head Attetion：多头注意力层 ...
