logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

硬件加速器中常用的几种加密算法

  在嵌入式系统中,经常会用到版权硬件加密加速器,比较常见的有以下几种:AES:高级加密标准(英语:AdvancedEncryptionStandard,缩写:AES),在密码学中又称Rijndael加密法,是美国联邦政府采用的一种区块加密标准。这个标准用来替代原先的DES,已经被多方分析且广为全世界所使用。经过五年的甄选流程,高级加密标准由美国国家标准与技术研究院(NIS...

#嵌入式#密码学
altium designer 中的top/bottom solder和top/bottom paste mask

转载请注明出处:http://blog.csdn.net/qq_26093511/article/details/517519361、top solder为助焊层,说白一点就是说,有这个层的地方就没有绿油,如果有线路的地方就喷上锡了,没有线路的地方就是光板,所以很多人把这层以线路层结合用,可以用作上锡处理.就是想把走线露锡出来,生产的时候,让PCB过波峰焊的时候,沾上锡。...

保姆级复现:从0CTF 2016那道题,手把手教你玩转PHP反序列化漏洞

本文以0CTF 2016为例,详细解析PHP反序列化漏洞的实战应用。从环境搭建、代码审计到漏洞利用,手把手教你如何通过构造恶意序列化数据绕过限制,最终读取敏感文件。文章不仅提供完整的攻击链条复现,还给出了有效的防御措施和安全建议,是CTF选手和网络安全从业者的实用指南。

#网络安全
保姆级教程:在Ubuntu上用Geth搭建以太坊私链,并部署你的第一个智能合约(含挖坑填坑指南)

本文提供了一份详细的Ubuntu环境下使用Geth搭建以太坊私链并部署智能合约的保姆级教程。从Geth安装、私链配置、账户管理到智能合约开发与部署,涵盖全流程操作步骤及常见问题解决方案,帮助开发者快速掌握以太坊私链搭建与智能合约部署的核心技术。

#以太坊#智能合约
Springboot 创建的maven获取resource资源下的文件的两种方式

Springboot 创建的maven项目 打包后获取resource下的资源文件的两种方式:资源目录:  resources/config/wordFileXml/wordFileRecord.xml 文件信息获取方式如下:一:代码打成jar包,lib文件夹和config配置文件同时复制到同一个linux文件夹里面,启动jar文件,获取当前config文件夹的配置文件资源 ...

#java#开发工具
Altium Designer 18 新手避坑指南:从原理图到PCB的20个实用技巧(附快捷键清单)

本文为Altium Designer 18新手提供从原理图到PCB设计的20个实用技巧,涵盖环境设置、原理图设计、PCB布局布线及后期处理等关键环节。特别分享单位切换、封装管理、DRC检查等常见问题的解决方案,并附有高频快捷键清单,帮助工程师高效完成电子设计项目。

旅行商问题(Traveling Salesman Problem,TSP)的+Leapms线性规划模型及c++调用

知识点旅行商问题的线性规划模型旅行商问题的+Leapms模型及CPLEX求解C++调用+Leapms旅行商问题旅行商问题是一个重要的NP-难问题。一个旅行商人目前在城市1,他必须对其余n-1个城市访问且仅访问一次而后回到城市1,请规划其最短的循环路线。旅行商问题的建模设城市i,j之间的距离为D[i][j],又设0-1变量x[i][j]表示从城市i到城市j的道路是否在循环路线...

基于steam的游戏销量预测 — PART 1 — 爬取steam游戏相关数据的爬虫

语言:python环境:ubuntu爬取内容:steam游戏标签,评论,以及在 steamspy 爬取对应游戏的销量使用相关:urllib,lxml,selenium,chrome解释:  流程图如下  1.首先通过 steam 商店搜索页面的链接,打开 steam 搜索页面,然后用如下正则表达式来得到前100个左右的游戏的商店页面链接。reg = r'<...

#爬虫#python#php
深度学习模型黑盒错误诊断:从可解释性到鲁棒性的系统化实践

在深度学习领域,模型的可解释性与鲁棒性是评估其可靠性的核心。理解模型决策依据,需要借助可视化解释方法,如Grad-CAM和SHAP,它们能生成热力图或归因图,揭示模型关注的特征区域,从而判断其是否学习了正确的语义信息。这不仅是模型诊断的基础,也是构建可信AI系统的关键。在工程实践中,模型的鲁棒性同样至关重要,它决定了模型在面对输入扰动或分布外数据时的稳定性。通过对抗性攻击测试和自然扰动测试,可以系

#深度学习
Docker+Jupyter环境同步:解决数据科学协作中的环境漂移问题

在数据科学实践中,'环境漂移'(Environment Drift)是导致代码不可复现、协作失败和CI频繁中断的核心痛点。其本质是Python版本差异、系统级依赖缺失、ABI不兼容及配置分散等多层不确定性叠加的结果。Docker通过镜像固化OS、Python运行时、系统库(如libavcodec、libsm6)、Python包及Jupyter配置,构建出可版本化、跨平台一致的计算环境。相比cond

    共 361 条
  • 1
  • 2
  • 3
  • 37
  • 请选择