首页 > 其他分享 >qq9分析

qq9分析

时间:2024-10-13 17:21:33浏览次数:6  
标签:分析 qq tcp ffd8 分组 qq9 图片

确保手机和电脑连接到同一个网络下

通过编辑->分组搜索->分组字节流->字符串->qq号,得到qq的流量包(因为qq不会加密账号)

可以看到使用transmission control protocol(tcp协议)
pAtSYnO.png

发的图片(得用箭头指的按钮发,不然一会ffd8是搜不到的,虽然页面展示的第一张图是.jpg结尾,但是文件头似乎已经变了)
pAtSaAH.png
使用十六进制值搜索图片的文件头ffd8
看到它找到数据包里有ffd8(第三段前4个字母)
右键追踪数据流->tcp流

pAtSD3t.png

删掉ffd8前的不重要的数据,使得ffd8成为新的文件头
pAtSgHg.png
可以看到图片
pAtSrgP.png

标签:分析,qq,tcp,ffd8,分组,qq9,图片
From: https://www.cnblogs.com/liufengwuya/p/18462623

相关文章

  • C++:错误代码分析<2>
    ......
  • 基于Hive的网络电视剧收视率分析系统大数据Hadoop
    本系统基于Java与SpringBoot技术,并结合Hive来实现对网络电视剧收视率的深入分析。它能够广泛收集来自多个渠道的相关数据,包括各网络平台上电视剧的播放量、观看时长、观众地域分布、年龄层次、观看设备类型以及观众的互动数据(如评论、点赞、分享等)。这些数据被整合......
  • 数据处理和分析之数据预处理:异常值处理(Outlier Detection):异常值处理策略:删除与修正
    数据处理和分析之数据预处理:异常值处理(OutlierDetection):异常值处理策略:删除与修正异常值检测的重要性异常值的定义异常值(Outliers),在统计学中,指的是数据集中显著偏离其他观察值的数值。这些数值可能由于测量错误、数据录入错误、实验异常或其他非典型条件产生。异常值......
  • 数据处理和分析之数据预处理:异常值处理(Outlier Detection):统计学方法检测异常值
    数据处理和分析之数据预处理:异常值处理(OutlierDetection):统计学方法检测异常值异常值的概念与重要性异常值的定义在数据集中,异常值(Outliers)指的是那些显著偏离其他观测值的数值。这些数值可能由于测量错误、数据录入错误、实验异常或其他非典型因素产生。异常值的存在......
  • 数据处理和分析之数据预处理:异常值处理(Outlier Detection):基于密度的异常值检测方法
    数据处理和分析之数据预处理:异常值处理(OutlierDetection):基于密度的异常值检测方法数据处理和分析之数据预处理:异常值处理(OutlierDetection):基于密度的异常值检测方法引言异常值检测的重要性在数据科学和机器学习领域,异常值检测是数据预处理中的一个关键步骤。异......
  • 静态mpls的原理与配置(抓包分析)
    产生背景mpls(多协议标签交换)产生原因:传统ip报文依赖路由表转发,当时的硬件设备性能差,路由器查表成了网络数据转发的瓶颈。mpls网络和ip网络相比只要处理网络边缘的ip报文,而在mpls内部采用标签转发,节约了时间。随着设备性能提升,mpls提升转发速度的优势弱化,但标签和设备内转控......
  • 线性系统性能分析方法2——根轨迹法
    反馈控制系统的性质取决于闭环传递函数,只要求解出闭环系统的特征根,便能得到系统响应的变化规律。但对于3阶以上的系统求根比较困难。如果系统中有一个可变参数时,求根就更困难了。1948年,伊凡思提出了一种确定系统闭环特征根的图解法——根轨迹法。在已知开环零极点分布的基础上......
  • 线性系统性能分析方法1——时域分析法
    1.典型输入信号2.阶跃响应的时域性能指标c(t)=ct(t)+css(t)=暂态响应+稳态响应2.1暂态性能指标2.2稳态性能指标稳态误差ess:稳定系统误差的终值。即:3.一阶系统的时域分析凡是可用一阶微分方程描述的系统,称为一阶系统。T=RC,为时间常数。其典型传递函数......
  • Python用CNN - LSTM、ARIMA、Prophet股票价格预测的研究与分析|附数据代码
    全文链接: https://tecdat.cn/?p=37860原文出处:拓端数据部落公众号 分析师:SabrinaHuang股票市场的波动起伏一直备受投资者关注,准确预测股票价格对于投资者制定合理的投资策略至关重要。股票价格数据具有时间序列特性,近年来,随着机器学习和深度学习技术的发展,各种模型被应用于......
  • 机器学习主成分分析算法 PCA—python详细代码解析(sklearn)
    一、问题背景在进行数据分析时,我们常常会遇到这样的情况:各个特征变量之间存在较多的信息重叠,也就是相关性比较强。就好比在研究一个班级学生的学习情况时,可能会收集到学生的语文成绩、数学成绩、英语成绩等多个特征变量。但往往会发现,语文成绩好的学生,数学和英语成绩也可能比......