CTF数据分析题-抓到你了

简介: 版权声明:转载请注明出处:http://blog.csdn.net/dajitui2024 https://blog.csdn.net/dajitui2024/article/details/79396491 ...
版权声明:转载请注明出处:http://blog.csdn.net/dajitui2024 https://blog.csdn.net/dajitui2024/article/details/79396491

实验链接:http://www.shiyanbar.com/ctf/1813
数据包样本:http://ctf5.shiyanbar.com/misc/zhua

题目:Hint:入侵者通过 ping 工具对局域网内一主机进行存活性扫描, flag 为入侵所 发送的 16 字节的数据包内容。

分析:根据题目来看,ping,这句话告诉我们,一定要关注icmp包。因为ping发出的是icmp包
--详见网络基础。可以参考CCNA学习体系或者HCNA学习体系。当然,这里因为私心推荐了华为的clickHere

flag为16字节的数据,告诉我们。找一个16bytes的内容。范围已经缩小很多。
这是一个数据包分析的题目。

操作:下载数据包样本。下载以后,发现是个无后缀的文件,根据题目提醒,既然是数据包,那么后缀为pcap,因为wireshark数据分析包的后缀就是这个。
双击打开这个数据包,在wireshark的过滤框输入icmp回车。


过滤包

挨个双击包进行查看,单击也可以。第一个包是正常的,没有看到异常data,从第二个包开始,最后一部分出现了一个16bytes的内容。


发现flag

data已经被发现了,直接把这串数字复制出来,粘贴到答题框提交即可。如果直接复制值,需要去掉分号。
一开始我没有去掉分号,耽误了很长时间。

相关文章
CTF数据分析题:A记录
版权声明:转载请注明出处:http://blog.csdn.net/dajitui2024 https://blog.csdn.net/dajitui2024/article/details/79396493 原题:http://www.shiyanbar.com/ctf/1853数据包:http://ctf5.shiyanbar.com/misc/shipin.cap 题目:他在看什么视频,好像很好看,不知道是什么网站的。
1324 0
|
5天前
|
机器学习/深度学习 数据可视化 数据挖掘
Python跳水:探索数据分析的深渊
Python跳水:探索数据分析的深渊
24 0
|
5天前
|
机器学习/深度学习 数据采集 算法
Python用逻辑回归、决策树、SVM、XGBoost 算法机器学习预测用户信贷行为数据分析报告
Python用逻辑回归、决策树、SVM、XGBoost 算法机器学习预测用户信贷行为数据分析报告
|
2天前
|
机器学习/深度学习 数据挖掘 Python
Python数据分析 | 泰坦尼克逻辑回归(下)
Python数据分析 | 泰坦尼克逻辑回归
7 1
|
2天前
|
机器学习/深度学习 数据挖掘 BI
Python数据分析 | 泰坦尼克逻辑回归(上)
Python数据分析 | 泰坦尼克逻辑回归
15 0
|
2天前
|
数据采集 数据挖掘 Python
Python数据分析 | 线性回归
Python数据分析 | 线性回归
11 1
|
3天前
|
数据采集 人工智能 数据挖掘
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
|
5天前
|
数据采集 数据可视化 数据挖掘
利用Python和Pandas库优化数据分析流程
在当今数据驱动的时代,数据分析已成为企业和个人决策的重要依据。Python作为一种强大且易于上手的编程语言,配合Pandas这一功能丰富的数据处理库,极大地简化了数据分析的流程。本文将探讨如何利用Python和Pandas库进行高效的数据清洗、转换、聚合以及可视化,从而优化数据分析的流程,提高数据分析的效率和准确性。
|
5天前
|
SQL 数据采集 数据挖掘
构建高效的Python数据处理流水线:使用Pandas和NumPy优化数据分析任务
在数据科学和分析领域,Python一直是最受欢迎的编程语言之一。本文将介绍如何通过使用Pandas和NumPy库构建高效的数据处理流水线,从而加速数据分析任务的执行。我们将讨论如何优化数据加载、清洗、转换和分析的过程,以及如何利用这些库中的强大功能来提高代码的性能和可维护性。
|
5天前
|
数据可视化 数据挖掘 BI
【Python】—— pandas 数据分析
【Python】—— pandas 数据分析
20 1