Labs导读图像数据的生成一直是计算机视觉领域一个具有挑战性的任务。传统的图像数据生成方法通常是基于数学模型生成图像，难以生成逼真的真实图像。随着深度神经网络和大规模数据集的出现，图像生成和合成任务取得了显著的进展。然而，传统的生成模型，如自回归模型和变分自编码器，存在生成样本不够逼真、严重模糊或缺乏多样性等问题。Part01、 GAN网络原理 GAN生成对抗网络是一种由生成器G（Generator）和判别器D（Discriminator）组成的深度学习模型，通过对抗性的训练方式，实现对逼真图像的生成。生成器G的目标是学习生成与真实图像相似的假样本，而判别器D的目标是辨别真实图像和生成器生成
介绍PreactSignals是Preact团队在22年9月引入的一个特性。我们可以将它理解为一种细粒度响应式数据管理的方式，这个在很多前端框架中都会有类似的概念，例如 SolidJS、Vue3的Reactivity、Svelte等等。PreactSignals在命名上参考了SolidJS的Signals的概念，不过两个框架的实现方式和行为都有一些区别。在PreactSignals中，一个signal本质上是个拥有 .value 属性的对象，你可以在一个React组件中按照如下方式使用:import{signal}from'@preact/signals';constcount=signal(
Labs导读在我们平时发现上不了网的时候，或者刚刚配置好一台电脑的时候，有一个习惯就是ping，对于ping相信读者都比较熟悉，就是给你要ping的地址发送ICMP探测报文，看看这个目的地是否可达。对于网络的分层，读者应该或多或少有所了解，比如数据链路层、网络层、传输层、应用层，IP数据网络层，MAC属于数据链路层，完整的以太报文在网络中传输的时候，是携带MAC地址的，当你去ping某个地址的时候，比如ping114.114.114.114，你可以知道IP，但你并不知道MAC地址。Part01、 ARP简介 ARP，是地址解析协议（AddressResolutionProtocol）。其基本
Part01、 什么是JWT？ 在JWT官网的基本概念中，JSONWebToken(JWT)定义了一个在各方之间通过JSON对象安全传输信息的方式，它将用户信息加密保存在JSON格式的token中，服务端将不会保存任何与用户认证的相关配置信息，只保存校验token签名的密钥，通过签名的校验来判断用户身份是否合法。此时，这种基于token的身份验证方法能够代替传统的cookie+session身份验证方法。1.1传统的cookie+session身份验证方法认证流程-用户端在浏览器中输入用户名和密码，发送到服务器。-服务器通过密码校验后生成session并保存到数据库中。-为用户端生成一个se
Labs导读蓝牙mesh技术是基于低功耗蓝牙广播报文来实现的，是一种基于泛洪的消息传递机制。在传统蓝牙中，蓝牙与设备之间的关系是“一对一”的，因此设备间需要先进行“配对”，再建立一条稳定的连接进行数据传播。低功耗蓝牙设备则可以和其他设备建立“1对多”拓扑，通过广播的形式，向网络内的其他设备发送数据。蓝牙mesh网络则在低功耗蓝牙的基础上更进一步建立了设备间的“多对多”关系，通过中继，可以将消息发送到网络中的任意设备。Part01、 网络泛洪 蓝牙mesh网络使用了一种“管理型网络泛洪”的方式，即通过广播进行消息发送，让传输范围内的所有设备都可以接收消息。网络中的支持中继功能的设备就可以将消息转
参考资料：https://shequ.stmicroelectronics.cn/thread-619797-1-1.html《STM32中文参考手册》一、原理概述STM32的CAN支持时间触发模式，所谓时间触发，实际上就是记录当下发送或接收一帧CAN数据时的时间数据，这个时间数据并不是和平常意义上的时间戳那样从1970年1月1日开始记录到当下的时间，而是一个普普通通的16位计数器的计数值。工作原理是，当使能STM32的时间触发功能后，CAN内部的一个16位计数器就开始从0计数，计满65535后归零再开始一个新的计数周期，循环往复......这个计数器的计数频率是CAN的波特率（每个CAN位时
关于ECS为何需要ECS在传统的面向对象设计中（OOP）,进行框架设计首先就要进行类的层次结构，而在这一过程中就会出现多重继承困难、层次结构不易改动的现象。而且游戏开发中一种比较常见的现象就是，由于操作和数据没分离，A对B造成了伤害，是A去打了B，还是B受到了A的伤害，函数应该放在哪里？ECS就没有这种疑惑，数据存放在Component类、逻辑计算直接由System负责这和传统的面向对象或是Actor模型是截然不同的。OO或Actor强调的是对象自身处理自身的业务，然后框架去管理对象的集合，负责用消息驱动它们。而在ECS中，每个系统关注的是不同的对象集合，它处理的对象中有共性的切片。ECS的基
Labs导读Hyperscan是英特尔推出的一款高性能的正则表达式匹配库，非常适用于部署在诸如DPI/IPS/IDS解决方案中。nDPI是目前应用较为广泛的开源DPI源码库，将nDPI源码进行二次开发部署到资源受限的路由器产品中时，其核心模块耗费了大量的内存。Part01、 nDPI框架简介 图1nDPI框架图nDPI是由ntop负责维护的一款非常流行的开源DPI库，它同时支持Windows和Unix/Linux两种系统，支持跨平台体验[1]。如图一框架图所示，nDPI库主要由网络数据采集模块、数据预处理模块、协议检测匹配模块及特征库相关模块组成。数据采集模块从网卡实时采集数据或解析已有的p
一、AFL简介 AFL（AmericanFuzzyLop）是由安全研究员MichaZalewski 开发的一款基于覆盖引导（Coverage-guided）的模糊测试工具，它通过记录输入样本的代码覆盖率，从而调整输入样本以提高覆盖率，增加发现漏洞的概率。①从源码编译程序时进行插桩，以记录代码覆盖率（CodeCoverage）；②选择一些输入文件，作为初始测试集加入输入队列（queue）；③将队列中的文件按一定的策略进行“突变”；④如果经过变异文件更新了覆盖范围，则将其保留添加到队列中;⑤上述过程会一直循环进行，期间触发了crash的文件会被记录下来。 二、AFL安装、测试 1.安装AFL 下
背景在MySQL中，当我们为表创建了一个或多个索引后，通常需要在索引定义完成后，根据具体的数据情况执行EXPLAIN命令，才能观察到数据库实际使用哪个索引、是否使用索引。这使得我们在添加新索引之前，无法提前预知数据库是否能使用期望的索引。更为糟糕的是，有时甚至在添加新的索引后，数据库在某些查询中会使用它，而在其他查询中则不会使用，这种情况下，我们无法确定索引是否发挥了预期的作用，让人感到非常苦恼。这种情况基本上意味着MySQL并没有为我们选择最优的索引，而我们不得不在茫茫数据中摸索，试图找到问题的症结所在。我们可能会尝试调整索引，甚至删除索引，然后重新添加，希望MySQL能从中找到最优的索引选
