以前小项目的前端界面大多使用最基本的tk库完成，这种方法在只有简单几个按键的时候还好，当界面布局稍微复杂起来，各控件位置设置等的代码编写就变得相当麻烦，所以稍微复杂的前端程序我们可以考虑使用qt实现。qt原本只是针对C++使用的，pyqt就是利用qt界面布局设置的便利，将拖动设置好后的界面转为python代码，从而方便前端的开发。安装安装较为简单，在cmd中输入命令即可pip3 install P

本篇文章介绍了matplotlib绘图库的基本操作，创建窗口，根据数据绘制图像的过程，常用的就是线型图plot和直方图hist，作为技术人员确实暂时不用花太多心思在图片展示的美观性上，否则多少有点舍本逐末了，不过以后如果搞工程可能确实需要进一步学习。

作者首先提出模块化是计算机科学的基石，它将复杂的功能抽象为原子构建块故本文也将生成模型抽象为原子生成模块，引入了一个新的模块化水平。我们的方法通过递归调用原子生成模块来构建一种新型的生成模型，从而产生自相似的分形架构，我们称之为分形生成模型。使用自回归作为原子生成模块，在似然估计和生成质量上都取得了不错的效果，并且认为可能在生成领域打开新范式。

概述网络层服务解决主机间的数据传输核心功能服务模型ATM异步传输网络提供四种服务：固定比特率，可变比特率，可用比特率和不保证服务。无连接服务：不事先为系列分组的传输确定传输路径每个分组独立确定传输路径不同放分组传输路径不同，数据包顺序可能变化例：数据报网络，类似于udp连接服务：首先建立连接，确定路径，沿该路径传输系列分组系列分组传输路径相同，保证顺序传输结束后拆除链接例：虚电路网络，类似tcp主

本章学习了深度学习的两大分支，神经网络和决策树，神经网络依靠其隐藏层对数据进行特征提取和变换处理，最后在输出层输出结果，根据对输出要求的不同可以使用不同的激活函数，作为普通开发者我们应该更关注的是神经网络的优化方向，增加学习数据，调整正则化参数，以及交叉验证方法和迁移学习；决策树对人来说更容易理解，使用类似二叉树的数据结构进行分类判断，为了减少异常数据对树的影响，我们使用多个决策树票选结果，为了减

关键字 变量名:类型注释=值，变量的关键字使用let，常量使用const，如，该语言为强类型，但当变量声明时进行了初始化，类型注释就可省。type 别名=变量名。经过几个小时学习，只能说是初步了解了Harmony开发，语言本身不难，复杂的是前端的太多操作，滚动，布局，装饰器限定等，原来日常用的设备有这么复杂，不过可以预料，熟练了以后应该就也是重复工作了，只是现在还差得远，不要眼高手低。

该项目断断续续也算搞了小两周，费事的主要难点在于：1，前端语法不熟悉。构建框架，组件使用，几乎每一个都要上网查一下才能确定，这导致进展缓慢。2，实际应用场景复杂。网络通信相互依赖时的同步处理，这是我印象最深，卡的最久的，另外数据库操作是否立即提交，页面跳转传递信息等，这都是很小很细节的点，但如果考虑不到都会成为一个坑。目前想到后续的改进工作如下：1，手动编写的登陆验证可以直接拉起微信接口，更贴近实

##思想提出背景–空间域隐藏空间域隐藏是基于位图分解的思想产生的，其主要方法是将秘密信息存储到载体不那么重要的部分中，这样即使改变了载体的部分信息后，载体从肉眼来看也不会有太大区别。这种隐藏方法的优点是容量大，肉眼很难识别；但是缺点是直接隐藏了秘密信息，而且存储信息区域过于连续，容易造成载体统计特性的改变，而且因为信息存储在载体的最低有效位，在传输过程中很容易被一些压缩算法破坏。针对上述问题，研究

本章学习了密码学的两大分类，对称密码和非对称密码，对称密码现在就用AES，非对称最安全的是椭圆曲线，详细实现过程这换那换的其实很麻烦，非数学专业很难理解也记不住，学习算法特性和应用场景即可。对称密码基本能实现信息的保护，但因为密钥作为信息也要在网络中传递，为了保证密钥的安全，需要使用非对称密码，此外非对称密码还可以实现数字签名鉴权过程。不同于加密过程，散列将不等长消息输出等长摘要，可用于验证完整性

经过两周尝试手动编写加壳程序，目前也只是能实现给PE文件添加新区块，后面还有重定位表的修复，地址输入表的处理，虚拟机和花指令技术等反调试手段…一大串要学习的工作，几乎就是放弃了吧，通过这两周学习能让自己对PE文件和偏移地址、虚拟地址有一定了解也算不亏。目前就是转而向使用工具方向了。目前加壳的两个主要方向是压缩和加密。压缩壳压缩壳以UPX为代表，使用方法在前面的文章中有，此类壳的功能已压缩为主，对文