Nano Hash - криптовалюты, майнинг, программирование

Как найти места системных вызовов моей программы?

Из руководства strace:

-i Print the instruction pointer at the time of the system call.

Я проследил свою программу:

strace -i prog

В результате я получил много системных вызовов. Один из них:

[000da49c] open("./rabbit.o", O_RDONLY) = 3

Но дизассемблированная инструкция по этому адресу проги не вызывает никакого системного вызова (hte editor):

da49c !   mov         r7, ip

Что не так? Как найти места системных вызовов моей программы?

P.S. Архитектура моего устройства не поддерживает системный вызов GDB-команды catch.

linux debugging strace
05.04.2012

Ответы:


1

Чтобы процитировать раздел «Ошибки» справочной страницы «strace»:

The -i option is weakly supported.

Еще один совет, который может вам помочь: вы смотрели на предыдущий код? IP-адрес в момент его выпуска уже указывает на инструкцию NEXT после системного вызова. Так что вы должны проверить инструкцию перед da49c.

05.04.2012
  • это: да498 ! СВК 0x00000000 . Это может быть системный вызов, я должен проверить это. Спасибо за ответ. 05.04.2012
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..