WinHex18.4算法分析

article/2025/8/28 17:25:23

经过分析,注册码分为六个部分:

Name: "xxx"

Addr1: "yyy"

Addr2: "zzz" 这三个字符不代表长度

Key1: "32个十六进制数的字符串" 它在内存中的形式是:比如字符串是

"18A519949D4E5F1FAED08A3EAB7CC665" 它会以两个字符为单位作为一个字节, 以顺序列在内存中  ===> 18 A5 19 94 等等

Key2: "32个十六进制数字符串" 同上

Chksm: "kk" 就一个字节

 

以上的六个部分的后半个部分会被拷贝到以下位置:

xxx 5e2f14

yyy 5e2f65

zzz 5e2fa2

 

key1的值 5e2fdf

key2的值 5e2fef

                   key1和key2中的值在内存中是紧密相连的.

Chksm的值 5e30f9

 

以上六个部分的前半个部分,会进行比较, 也就是说必须一模一样. 除了中间的空格还可以被替换成其他字符

 

 

用PEID查看发现未加壳,之后查看导入表,发现关键函数

在lstrcmpiA下断,随意输入注册码,之后发现,注册判断函数在sub_568A74

 

整串字符串的分离和拷贝跟sub_569fa4有关, 他会清除一些分隔符, 进入下一部分.

六个部分的前半部分都是以如下的形式进行检测的:

其中5e42fc是一个中转站:

在sub_569fa4中,会将分离出来的字符串拷贝到5e42fc中,如果是后半部分的字符串那么还会拷贝到[5e2F14,+0xeb)的相应位置

以上是六段注册码的分离以及部分检测.

下面是checksum的值的计算方式:

就是把5e2f14开始的0xeb个字节, 以字节为单位全部相加

由于这个数据块前面已经置过0, 所以不会有其他影响因素.

checksum就是把5个部分的后半部分以字节为单位全部相加,得到的值的低字节,就是checksum的值了.

 

另外0x5e3238的值决定了软件的到期时间

0x5e3238的值是由key1的首word和尾word异或得到的, 得注意字节序, 这个值必须在[46e4,5221)之间,高字节必须&&0x80==0

 

key1的倒数第3个字节 byte_5e2fec and 0x1f == 0x13 ==>5e2fec == 0x13 或0x33 0x53 73 93 b3 e3

byte_5e2fec/32 ==> 5e31a2 !=5,8,6 那么b3就不行了` 0 1 2 3 4 5 6

byte_5e31a2 [2,6]

 

Name: "aaaa"
Addr1: "bbbb"
Addr2: "cccc"
Key1: "2A3C1111111111111111111111535770"
Key2: "11111111111111111111111111111111"
Chksm: "E3"

Genuinely Licensed for personal use. 个人使用

Software is unlocked. All Updates released before 2018/03/28 are free for me.

软件已经解锁. 2018年3月28日以前的所有升级对我来说都是免费的.

转载于:https://www.cnblogs.com/cqubsj/p/6635611.html


http://chatgpt.dhexx.cn/article/f9y1xWkQ.shtml

相关文章

【Signal系列】基础知识:白噪声和高斯白噪声

DATE: 2019-5-28 转载自:https://blog.csdn.net/z_sweet1996/article/details/79183255 一、白噪声 白噪声序列,是指白噪声过程的样本实称,简称白噪声。白噪声是在较宽的频率范围内,各等带宽的频带所含的噪声能量相等的噪声&…

时间序列—白噪声

白噪声序列(来自百度百科) 白噪声序列,是指白噪声过程的样本实称,简称白噪声。随机变量X(t)(t1,2,3……),如果是由一个不相关的随机变量的 序列构成的,即对于…

时间序列概念及主要模型(白噪声,AR, MA, ARMA, ARIMA)

时间序列分析 时间序列是按照时间顺序,按照一定时间间隔取得的一系列观测值 怎样做时间序列分析 时间序列分析尝试找出序列值在过去呈现的特征模式,假定这种模式在未来能够持续,进而对未来进行预测 时间序列基本特征:趋势性&#…

判断白噪声时间序列:ACF和Box.test()

整理自 Forecast:Principles And Practice——chapter 2.9。 文章目录 一、自相关系数简述二、根据ACF判断白噪声三、根据Box.test检验 一、自相关系数简述 自相关系数就是原始时间序列中第t个数据和第t-k个数的相关系数。亦即y[t]和y[t-k]两个序列之间的相关系数。…

使用Python绘制白噪声序列

导言 假设我们想用Python程序模拟并绘制白噪声过程 ε 0 , ε 1 , . . . , ε T \varepsilon_0,\varepsilon_1,...,\varepsilon_T ε0​,ε1​,...,εT​,其中每一个 ε t \varepsilon_t εt​ 均服从独立正态分布,在绘制的图像中,横轴为 …

随机信号处理笔记之白噪声

随机信号处理笔记:白噪声 ——南京理工大学顾红老师的《随机信号处理》浅析 文章目录 随机信号处理笔记:白噪声1.关于白噪声1.1白噪声的概念1.2白噪声的统计学定义1.3白噪声的自相关函数 2.白噪声通过LTI系统2.1限带白噪声2.1.1低通白噪声2.1.2带通白噪声…

Matlab 产生白噪声和有色噪声序列

原文地址 http://blog.sina.com.cn/s/blog_84024a4a01016fmb.html 一、白噪声和有色噪声定义 1.白噪声(white noise) 系统辨识中所用到的数据通常都是含有噪声的。从工程实际出发,这种噪声往往可以视为具有有理谱密度的平稳随机过程。白噪声是…

时间序列学习(2):白噪声、随机游走

时间序列学习(2):白噪声、随机游走 1、白噪声2、对数收益率序列3、随机游走4、随机游走示例 1、白噪声 白噪声是非常简单的一种建模时间序列的模型。 对于时间序列 { w t } \{w_t\} {wt​},若满足下面三个条件,该序列…

时间序列:时间序列模型---白噪声

本文是Quantitative Methods and Analysis: Pairs Trading此书的读书笔记。 白噪声(white noise)是最简单的随机时间序列(stochastic time series)。 在每一时刻,从一个正态分布中抽取一个值从而形成白噪声时间序列。并且,这个正…

如何使用智能问答机器人服务

以某企业的IT呼叫中心为例,此呼叫中心每天都要为企业内部员工解答大量的IT问题,其中包括大量重复回答的问题。为了降低运维成本,该呼叫中心开始使用华为云CBS智能问答机器人来问答IT问题。 本文介绍了购买、使用的主要流程和操作步骤。指导您…

从 0 到 1,开发一个智能问答机器人

「搜索」并不局限于我们常说的搜索引擎、搜索框,实际上,问答机器人本质上也是一种「搜索」,输入相关查询,返回最接近或最相关的答案。 今天,我们将演示如何利用 Jina 全家桶,创建一个智能问答机器人&#…

FAQ问答机器人

FAQ问答机器人 0.Abstract1.任务介绍数据集评估方法测试集 2.使用ELMo预训练模型3.使用BERT预训练模型4.针对基线模型的分析思考以及可能的提升方向5.BERT训练模型1) 损失函数2) 数据集构造同义句(正例)的构造:非同义句(负例)的构造: 3) 对于如何计算分数的探讨 6. 结论以及原因…

聊天机器人与自动问答技术

文章转载自:http://www.itlipeng.cn/?p574 原文发表时间:2015-01-24 引言 最近半年,微软的聊天机器人小冰比较火,有些人对这方面的技术产生了兴趣,恰好之前做过自动问答方面的一些简单工作,这次写一篇…

开发一个智能问答机器人(优化篇)

上一篇介绍了整个问答机器人的技术架构和特定,本篇着重说下 如何让机器人(看起来)更智能 输入联想 使用jquery.autosuggest.js实现的输入联想,在输入2个字后,在5000个问答中基于全文检索,检索10条记录&am…

动手做个 AI 机器人,帮我回消息

大家好,我是鱼皮,自从做了知识分享,我的微信就没消停过,平均每天会收到几百个消息,大部分都是学编程的朋友向我咨询编程问题。 但毕竟我只有一个人,没法所有消息都一个个回复,所以也是很愧疚和…

开发一个智能问答机器人

近期开发了一套基于自然语言处理的问答机器人,之前没有做过python,主要做asp.net,写这篇目的是给想要开发这类智能客服系统的朋友提供一个思路,项目已经上线,但在开发和设计过程中仍然有很多问题没有得到解决&#xff…

【原创】聊天机器人与自动问答技术

聊天机器人与自动问答技术 作者:mjs (360电商技术) 引言 最近半年,微软的聊天机器人小冰比较火,有些人对这方面的技术产生了兴趣,恰好之前做过自动问答方面的一些简单工作,这次写一篇应景之作&…

智能问答机器人

1. 前言 问答机器人现在很多场合都有使用,比如:网页智能客服、微信公众号智能回复、淘宝的售后客服,QQ聊天机器人等等。有了这些客户机器人就能帮我们回答很多预置的一些问题,帮助用户解决常见问题,还可以进行自主训练…

智能问答机器人概述

智能问答机器人概述 总览任务机器人FAQ机器人闲聊机器人 总览 处理逻辑: query–>中控逻辑–>response 任务机器人 指特定条件下提供信息或服务的机器人。 任务型机器人核心模块主要包括三部分: 自然语言理解模块 —— Language Understanding …

数仓实时数据同步 debezium

数仓实时数据同步 debezium 背景debezium 简介架构基本概念 例子Router目前遇到的问题 背景 数据湖将源库的数据同步到hive数仓ods层,或直接在kafka中用于后面计算。源库包括mysql、postgresql、sqlserver、oracle,大部分是mysql数据库。当前采用的sqoo…