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

别再傻傻分不清:一文讲透区块链里的多重签名、秘密共享和门限签名到底有啥区别

本文深入解析区块链中的多重签名、秘密共享和门限签名(threshold signature)三大安全技术的本质差异与适用场景。通过对比隐私性、交易成本、安全模型等维度,帮助开发者在数字资产管理、DAO治理等场景中做出最优选型决策,并探讨了门限签名等前沿技术的发展趋势。

从CentOS 6的iptables到CentOS 7的firewalld:老司机的平滑迁移与双防火墙共存实战

本文详细解析了从CentOS 6的iptables迁移到CentOS 7的firewalld的完整过程,包括双防火墙共存策略和规则转换实战。通过对比两种防火墙的核心差异,提供端口开放、规则迁移等实用操作指南,帮助系统管理员在混合环境中实现平滑过渡和安全策略统一。

不小心删了sxos文件夹_SXOS误升级11.0.1降级教程&进入打开正版系统教程

这个教程很简单,但是请不要用这个教程去修改原始系统,仅限用该教程修改虚拟系统,如果修改原始系统造成的问题与本教程无关。首先如果有误升级到11.0.1的双系统用户,如果是你的正版系统升级了,那么在新的BOOT出来之前,你是没法用中间的按钮进入正版系统的,请按以下操作进入。1:长按开机键关机2:按住音量+键,然后按一下开机3:进入BOOT菜单选择第三项options4:选择左边第一项sx core5:

鸿蒙与Flutter结合的真随机密码生成技术解析

随机数生成是信息安全领域的核心技术之一,其核心原理是通过物理熵源或算法产生不可预测的序列。在密码学中,真随机数生成器(TRNG)相比伪随机数(PRNG)具有更高的安全性,能有效防止密码被预测。鸿蒙系统通过硬件熵源和熵池混合技术实现高安全性的真随机数生成,结合Flutter的跨平台能力,可以构建既安全又高效的密码生成方案。这种技术组合特别适用于金融App、加密货币钱包等高安全要求的场景,解决了传统M

#鸿蒙系统
mongodb 开启身份认证_MongoDB开启安全认证

MongoDB开启安全认证注意对MongoDB部署启用访问控制会强制执行身份验证,要求用户识别自己。当访问启用了访问控制的MongoDB部署时,用户只能执行由其角色确定的操作。启用访问控制后,请确保在admin数据库中拥有userAdmin或userAdminAnyDatabase角色的用户。该用户可以管理用户和角色未开启复制集的实例以下过程首先将用户管理员添加到运行无访问控制的MongoDB实例

Caido:Web应用安全审计的瑞士军刀,高效自动化测试实战指南

Web应用安全测试是保障软件安全的重要环节,其核心原理在于通过模拟攻击行为,检测应用在身份认证、数据输入、会话管理等层面的潜在缺陷。自动化安全扫描技术通过结合智能爬虫、漏洞检测引擎和规则匹配,能够显著提升漏洞发现的效率与覆盖率,为安全左移和持续集成提供关键支持。在众多工具中,Caido以其简单高效的设计理念脱颖而出,它采用单二进制文件分发,聚焦高频安全测试场景,特别针对API安全测试和CI/CD集

域控服务器降级失败,windows2003域控制器升级和降级的图文教程

windows2003域控制器升级和降级按照微软的说法,一般网络中过的PC数目低于10台,则建议建议采对等网的工作模式,而如果超过10台,则建议采用域的管理模式,因为域可以提供一种集中式的管理,这相比于对等网的分散管理有非常多的好处,那么如何把一台成员服务器提升为域控?下文将进行详细讲解。(1)普通的服务器升级为域控制器当然是在成员服务器上安装上Windows 2003,安装成功后进入系统。在升级

LLM智能体长期记忆的隐私保护:DP-MemView实现属性级差分隐私

差分隐私作为一种严谨的隐私保护框架,通过在数据中注入可控噪声,使得攻击者无法从查询结果中推断出任何特定个体的信息,从而在数据效用与隐私安全之间建立数学可证明的平衡。其核心原理在于对查询函数的输出进行随机化扰动,确保单个记录的存在与否不会显著影响输出分布。这一技术对于需要在数据中挖掘价值同时保护用户隐私的场景具有重大价值,尤其在机器学习、联邦学习和数据分析等领域应用广泛。当我们将视角聚焦于LLM驱动

大模型代码评估中的偏见:权威性、冗长度与思维链效应解析

在人工智能领域,大语言模型(LLM)的应用已从内容生成扩展到自动化评估,形成了LLM-as-a-Judge(大模型即评委)的技术范式。其原理是利用预训练模型对文本模式的概率预测能力,模仿人类评判行为。这一技术的核心价值在于为代码生成、教育评分等场景提供低成本、可扩展的自动化评估方案。然而,由于模型训练数据固有的统计偏差和注意力机制的特性,评估过程容易受到表面形式因素的干扰,导致评分偏离真实质量。具

大模型隐式引导:AI安全中的隐蔽威胁与推理监控防御

在人工智能领域,模型安全与可信性是核心议题。大语言模型通过海量数据预训练获得强大的泛化能力,但其内部复杂的参数分布也带来了潜在风险。攻击者可能通过数据投毒等技术,在模型内部植入隐式关联,使其在特定触发上下文下产生系统性行为偏差,而常规测试难以察觉。这种隐式引导威胁着模型行为的透明性与可控性,尤其在代码审查、金融分析等高敏感场景中可能导致严重后果。为应对此挑战,业界提出了推理监控与思维链监控等防御方

    共 79 条
  • 1
  • 2
  • 3
  • 8
  • 请选择