首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

驱动开发:内核读取SSDT表基址

在前面的章节《X86驱动:挂接SSDT内核钩子》我们通过代码的方式直接读取 KeServiceDescriptorTable 这个被导出的表结构从而可以直接读取到SSDT表的基址,而在Win64系统中...,KPP是机制其利用了PG(PatchGuard)技术,PG技术在x64系统下加入了内核哨兵,用于检测系统内核是否被恶意篡改(打补丁),如果发现被打了补丁,则会导致关键结构损毁直接蓝屏,二是DSE (驱动强制签名...),DSE技术则是拒绝加载不包含正确签名的驱动。...1.这里我们可以通过MSR(特别模块寄存器),读取C0000082寄存器,从而得到KiSystemCall64的地址,在内核调试模式下直接输入 rdmsr c0000082 即可读取到该地址,反汇编可看到...4GB空间里,而4字节的整数只能表示4GB的范围,所以无论你怎么改,都不可能跨越这个内存空间,而微软也不希望你挂钩内核的一些函数,如果非要使用的话,微软提供了一些回调函数可以实现相应的挂钩效果。

45520

驱动开发:内核读取SSDT表基址

在前面的章节《X86驱动:挂接SSDT内核钩子》我们通过代码的方式直接读取 KeServiceDescriptorTable 这个被导出的表结构从而可以直接读取到SSDT表的基址,而在Win64系统中...,KPP是机制其利用了PG(PatchGuard)技术,PG技术在x64系统下加入了内核哨兵,用于检测系统内核是否被恶意篡改(打补丁),如果发现被打了补丁,则会导致关键结构损毁直接蓝屏,二是DSE (驱动强制签名...),DSE技术则是拒绝加载不包含正确签名的驱动。...1.这里我们可以通过MSR(特别模块寄存器),读取C0000082寄存器,从而得到KiSystemCall64的地址,在内核调试模式下直接输入 rdmsr c0000082 即可读取到该地址,反汇编可看到...4GB空间里,而4字节的整数只能表示4GB的范围,所以无论你怎么改,都不可能跨越这个内存空间,而微软也不希望你挂钩内核的一些函数,如果非要使用的话,微软提供了一些回调函数可以实现相应的挂钩效果。

50720

Linux下驱动开发_块设备驱动开发(内存模拟存储)

在应用层的cp、cd、touch、vim、mount等等可以操作文件,可以操作目录的命令都会通过文件系统,通过块设备驱动完成对底层存储设备的访问,实现数据读取或者写入。...在Linux下完成块设备驱动编写,主要是要完成来至文件系统的存储请求,文件系统让你把数据存到那个扇区,你驱动就去存,文件系统让你从那个扇区读取输出来,驱动就去读取。...还是RAM内存里?对文件系统而言不关系,它只关心存进去的数据下次可以完美的读取出来便是。...那么为了方便介绍块设备的驱动开发,我这里会先用malloc在驱动申请一块内存来当做FLASH设备,这样就不需要接任何硬件,降低了难度,纯软件的方式理解驱动框架运作流程。...看懂块设备框架,使用的模拟的内存。 2.​ 加入SD卡的驱动,配合块设备框架,完成完整的块设备驱动编写。

4.5K30

Pandas内存优化和数据加速读取

在进行数据分析时,导入数据(例如pd.read_csv)几乎是必需的,但对于大的CSV,可能会需要占用大量的内存读取时间,这对于数据分析时如果需要Reloading原始数据的话会非常低效。...Dataquest.io 发布了一篇关于如何优化 pandas 内存占用的教程,仅需进行简单的数据类型转换,就能够将一个棒球比赛数据集的内存占用减少了近 90%,而pandas本身集成上的一些压缩数据类型可以帮助我们快速读取数据...它是一个类似字典的类,因此您可以像读取Python dict对象一样进行读写。而feather format也是内置的一个压缩格式,在读取的时候会获得更快的加速。 3....优化效果展示 这里我将这种优化方法写成一个类,并分别提供数据的压缩优化以及读取加速的API,以方便去使用他:GitHub[1] ?...可以看出,原CSV文件占用内存为616.95MB,优化内存后的占用仅为173.9MB,且相对于原来pd.read_csv的7.7s的loading time,读入优化后的预处理数据文件能很大程度上的加速了读取

2.6K20

驱动开发:内核MDL读写进程内存

MDL内存读写是最常用的一种读写模式,通常需要附加到指定进程空间内然后调用内存拷贝得到对端内存中的数据,在调用结束后再将其空间释放掉,通过这种方式实现内存读写操作,此种模式的读写操作也是最推荐使用的相比于...MDL读取内存步骤 1.调用PsLookupProcessByProcessId得到进程Process结构 2.调用KeStackAttachProcess附加到对端进程内 3.调用ProbeForRead...{ DbgPrint("%x \n", ptr.data[i]); } Driver->DriverUnload = UnDriver; return STATUS_SUCCESS; } 读取内存地址...3.调用ProbeForRead检查内存是否可读写 4.拷贝内存空间中的数据到自己的缓冲区内 5.调用MmMapLockedPages锁定当前内存页面(写入) 6.调用RtlCopyMemory内存拷贝完成写入...(写入) 7.调用IoFreeMdl释放MDL锁(写入) 8.调用KeUnstackDetachProcess接触绑定 9.调用ObDereferenceObject使对象引用数减1 写入时与读取类似,

78110

驱动开发:内核MDL读写进程内存

MDL内存读写是最常用的一种读写模式,通常需要附加到指定进程空间内然后调用内存拷贝得到对端内存中的数据,在调用结束后再将其空间释放掉,通过这种方式实现内存读写操作,此种模式的读写操作也是最推荐使用的相比于...MDL读取内存步骤1.调用PsLookupProcessByProcessId得到进程Process结构2.调用KeStackAttachProcess附加到对端进程内3.调用ProbeForRead检查内存是否可读写...DriverUnload = UnDriver;return STATUS_SUCCESS;}读取内存地址...3.调用ProbeForRead检查内存是否可读写4.拷贝内存空间中的数据到自己的缓冲区内5.调用MmMapLockedPages锁定当前内存页面(写入)6.调用RtlCopyMemory内存拷贝完成写入...(写入)7.调用IoFreeMdl释放MDL锁(写入)8.调用KeUnstackDetachProcess接触绑定9.调用ObDereferenceObject使对象引用数减1写入时与读取类似,只是多了锁定页面和解锁操作

65940

驱动开发:内核读写内存浮点数

如前所述,在前几章内容中笔者简单介绍了内存读写的基本实现方式,这其中包括了CR3切换读写,MDL映射读写,内存拷贝读写,本章将在如前所述的读写函数进一步封装,并以此来实现驱动读写内存浮点数的目的。...如下代码片段摘取自本人的LyMemory驱动读写项目,函数ReadProcessMemoryByte用于读取内存特定字节类型的数据,函数WriteProcessMemoryByte则用于写入字节类型数据...,完整代码如下所示; 这段代码中依然采用了《驱动开发:内核MDL读写进程内存》中所示的读写方法,通过MDL附加到进程并RtlCopyMemory拷贝数据,至于如何读写字节集只需要循环读写即可实现; //...LySharkReadByte字节列表中,这段代码如下所示,通过调用ReadProcessMemoryByte都内存字节并每次0x401000 + i在基址上面增加变量i以此来实现字节集读取; // 驱动入口地址...其实写入内存字节集与读取基本类似,通过填充LySharkWriteByte字节集列表,并调用WriteProcessMemoryByte函数依次循环字节集列表即可实现写出字节集的目的; // 驱动入口地址

17710

驱动开发:内核物理内存寻址读写

首先,驱动中的物理页读写是指在驱动中直接读写物理内存页(而不是虚拟内存页)。...这种方式的优点是它能够更快地访问内存,因为它避免了虚拟内存管理的开销,通过直接读写物理内存驱动程序可以绕过虚拟内存的保护机制,获得对系统中内存的更高级别的访问权限。...address) { return 0; } return address + PAGE_OFFSET; } 有了如上封装,那么我们就可以实现驱动读写了,首先我们实现驱动读取功能,...如下这段代码是Windows驱动程序的入口函数DriverEntry,主要功能是读取指定进程的虚拟地址空间中指定地址处的4个字节数据。...接下来,循环读取指定地址处的 4 个字节数据,每次读取 PAGE_SIZE 大小的物理内存数据。最后输出读取到的数据,并关闭对 EPROCESS 结构体指针的引用。

34630

对atbus的小数据包的优化

/s Linux+跨机器转发+ipv4 2(仅一个连接压力测试) 128字节 50%/100% 280MB 65.75MB/s 526K/s Linux+共享内存 3(仅一个连接压力测试) 32KB 100%.../100% 280MB 3.06GB/s 98K/s Linux+共享内存 3(仅一个连接压力测试) 16KB 61%/71% 280MB 1.59GB/s 102K/s Linux+共享内存 3(仅一个连接压力测试...) 8KB 36%/70% 280MB 1.27GB/s 163K/s Linux+共享内存 3(仅一个连接压力测试) 4KB 40%/73% 280MB 1.30MB/s 333K/s Linux+共享内存.../s Linux+共享内存 3(仅一个连接压力测试) 512字节 44%/100% 280MB 610MB/s 1250K/s Linux+共享内存 3(仅一个连接压力测试) 256字节 42%/100%...165MB/s 2857K/s Linux+共享内存 1 8-16384字节 98%/98% 74MB/74MB 1.56GB/s 199K/s Linux+共享内存 1 8-128字节(模拟ping包

6.8K20

驱动开发:内核读写内存浮点数

如前所述,在前几章内容中笔者简单介绍了内存读写的基本实现方式,这其中包括了CR3切换读写,MDL映射读写,内存拷贝读写,本章将在如前所述的读写函数进一步封装,并以此来实现驱动读写内存浮点数的目的。...如下代码片段摘取自本人的LyMemory驱动读写项目,函数ReadProcessMemoryByte用于读取内存特定字节类型的数据,函数WriteProcessMemoryByte则用于写入字节类型数据...,完整代码如下所示;这段代码中依然采用了《驱动开发:内核MDL读写进程内存》中所示的读写方法,通过MDL附加到进程并RtlCopyMemory拷贝数据,至于如何读写字节集只需要循环读写即可实现;// 署名权...LySharkReadByte字节列表中,这段代码如下所示,通过调用ReadProcessMemoryByte都内存字节并每次0x401000 + i在基址上面增加变量i以此来实现字节集读取;// 驱动入口地址...其实写入内存字节集与读取基本类似,通过填充LySharkWriteByte字节集列表,并调用WriteProcessMemoryByte函数依次循环字节集列表即可实现写出字节集的目的;// 驱动入口地址

45650

驱动开发:内核物理内存寻址读写

首先,驱动中的物理页读写是指在驱动中直接读写物理内存页(而不是虚拟内存页)。...这种方式的优点是它能够更快地访问内存,因为它避免了虚拟内存管理的开销,通过直接读写物理内存驱动程序可以绕过虚拟内存的保护机制,获得对系统中内存的更高级别的访问权限。...address) { return 0; } return address + PAGE_OFFSET;}有了如上封装,那么我们就可以实现驱动读写了,首先我们实现驱动读取功能,如下这段代码是...Windows驱动程序的入口函数DriverEntry,主要功能是读取指定进程的虚拟地址空间中指定地址处的4个字节数据。...接下来,循环读取指定地址处的 4 个字节数据,每次读取 PAGE_SIZE 大小的物理内存数据。最后输出读取到的数据,并关闭对 EPROCESS 结构体指针的引用。

41940

使用内存映射加快PyTorch数据集的读取

但是如果数据本地存储,我们可以通过将整个数据集组合成一个文件,然后映射到内存中来优化读取操作,这样我们每次文件读取数据时就不需要访问磁盘,而是从内存中直接读取可以加快运行速度。...DataLoader主要用作Dataset的加载,它提供了许多可配置选项,如批处理、采样、预读取、变换等,并抽象了许多方法。...Dataset是我们进行数据集处理的实际部分,在这里我们编写训练时读取数据的过程,包括将样本加载到内存和进行必要的转换。...对于更多的介绍请参考Numpy的文档,这里就不做详细的解释了 基准测试 为了实际展示性能提升,我将内存映射数据集实现与以经典方式读取文件的普通数据集实现进行了比较。...从下面的结果中,我们可以看到我们的数据集比普通数据集快 30 倍以上: 总结 本文中介绍的方法在加速Pytorch的数据读取是非常有效的,尤其是使用大文件时,但是这个方法需要很大的内存,在做离线训练时是没有问题的

92920

使用内存映射加快PyTorch数据集的读取

但是如果数据本地存储,我们可以通过将整个数据集组合成一个文件,然后映射到内存中来优化读取操作,这样我们每次文件读取数据时就不需要访问磁盘,而是从内存中直接读取可以加快运行速度。...DataLoader主要用作Dataset的加载,它提供了许多可配置选项,如批处理、采样、预读取、变换等,并抽象了许多方法。...Dataset是我们进行数据集处理的实际部分,在这里我们编写训练时读取数据的过程,包括将样本加载到内存和进行必要的转换。...基准测试 为了实际展示性能提升,我将内存映射数据集实现与以经典方式读取文件的普通数据集实现进行了比较。这里使用的数据集由 350 张 jpg 图像组成。...从下面的结果中,我们可以看到我们的数据集比普通数据集快 30 倍以上: 总结 本文中介绍的方法在加速Pytorch的数据读取是非常有效的,尤其是使用大文件时,但是这个方法需要很大的内存,在做离线训练时是没有问题的

81420
领券