https://baijiahao.baidu.com/s?id=1717349581352944280&wfr=spider&for=pc jmeter的BeanShell Sampler，可以直接引用java代码，有下面3种方式： 直接输入java代码 导入java文件 导入class文件 Be
https://www.cnblogs.com/rexcheny/articles/9463811.html 主题管理 创建主题 1 kafka-topics.sh --bootstrap-server 172.16.100.10:9092 --create --topic TestCCC --pa
学习安装部署 ceph 时 ，在添加 mon 时报错了，搜索原因后发现是 时间同步问题。于是学习一下时间同步工具。 一般CentOS6 使用的时间同步工具是ntp。现在还有不少开源软件文档建议安装的时间同步工具是ntp。个人感觉 chrony使用应该和ntp 差不多。本人使用 ntp较少，因为一直C
https://juejin.cn/post/6930013333454061575 前言 如果仅仅会 Linux 一些命令，其实已经可以让你在平时的工作中游刃有余了。但如果你还会编写 Shell 脚本（尤其是前端工程师），它会令你“添光加彩”。如果本文对你有所帮助，请点个👍 👍 👍 吧。 S
大家好，我是沙漠尽头的狼。 本文先抛出以下问题，请在文中寻找答案，可在评论区回答： 什么是API拦截？ 一个方法被很多地方调用，怎么在不修改这个方法源码情况下，记录这个方法调用的前后时间？ 同2，不修改源码的情况下，怎么对方法的参数进行校正（篡改）？ 同3，不修改源码的情况下，怎么对方法的返回值进行
本文学习文章：“浅析数据安全之密态化计算” 数据安全的必要性 数据安全应保证数据产生、存储、传输、访问、使用、销毁、公开等全生命周期安全，并且需要做到保证数据处理过程的保密性、完整性、可用性。如何安全采集用户数据，并且实现安全地对用户数据进行使用，主要包括在整个数据周期中保证安全，即在数据的生产、传
学习文章：“一起学MPC：（一）百万富翁问题”和“【隐私计算笔谈】MPC系列专题（一）：安全多方计算应用场景一览” 百万富翁问题 将问题具体化： Alice有$i$亿元，Bob有$j$亿元，为方便描述，我们限定$0
学习&转载文章："动图图解 | UDP就一定比TCP快吗？" UDP比TCP快吗？ 相信就算不是八股文老手，也会下意识的脱口而出："是"。 这要追问为什么，估计大家也能说出个大概。 但这也让人好奇，用UDP就一定比用TCP快吗？什么情况下用UDP会比用TCP慢？ 我们今天就来聊下这个话题。 使用so
学习&转载文章：技术创新〡VOLE+OKVS的PSI技术落地应用 神谱科技基于VOLE+OKVS设计了两方PSI和多方PSI协议，并已应用于Seceum系列隐私计算产品中。 Seceum并无开源。 多方PSI 隐私集合求交(Private Set Intersection, PSI)允许一组互不信任
学习文章：全同态加密是否完美？-2017 引言 分类&发展 第一代FHE ⚠️： 电路：算法可以用电路表示（实现） 电路深度：电路中任意路径所含有的最大电路门的个数 自举：在密态环境下下，利用计算密钥（加密的密钥）来计算解密电路，得到结果仍是密文。 第二代FHE ⚠️： 循环安全假设：在计算“加密密
学习&转载文章：安全多方计算(1):不经意传输协议 前言 在安全多方计算系列的首篇文章（安全多方计算之前世今生）中，我们提到了百万富翁问题，并提供了百万富翁问题的通俗解法，该通俗解法可按图1简单回顾。 图1 百万富翁问题通俗解法 百万富翁问题通俗解法场景中，我们可以将Alice和Bob的诉求总结如下
学习&转载文章：多方安全计算(3)：MPC万能钥匙-混淆电路 前言 我们在讲解不经意传输（Oblivious Transfer，OT）的文章（安全多方计算(1):不经意传输协议）中提到，利用n选1的不经意传输可以解决百万富翁问题（两位富翁Alice和Bob在不泄露自己真实财富的情况下比对出谁更有钱）
学习&转载文章：多方安全计算(4)：MPC万能积木-秘密共享 前言 在之前的文章（多方安全计算(3)MPC万能钥匙：混淆电路中，我们对MPC中一类通用方案混淆电路（GC）与密文比较策略做了介绍。混淆电路通过将任务抽象为电路以及对基础电路提供加密方案达到了万能钥匙的效果。在姚期智先生提出GC方案不久后
学习&转载文章：安全多方计算(5)：隐私集合求交方案汇总分析 前言 随着数字经济时代的到来，数据已成为一种基础性资源。然而，数据的泄漏、滥用或非法传播均会导致严重的安全问题。因此，对数据进行隐私保护是现实需要，也是法律要求。隐私集合求交（Private Set Intersection, PSI）作
学习&转载文章：多方安全计算(6)：MPC中场梳理 前言 诚为读者所知，数据出域的限制约束与数据流通的普遍需求共同催生了数据安全计算的需求，近一两年业界又统将能够做到多方数据可用不可见的技术归入隐私计算范畴。粗略来说，隐私计算可分为以联邦学习为代表的机器学习类升级方案、以可信硬件为基础的可信执行环境
学习&转载文章：【隐私计算笔谈】MPC系列专题（十）：安全多方计算下的集合运算 集合运算 集合可以通俗地描述为确定的一堆东西。如有一个集合$𝐴$，一个元素$𝑐$要么属于集合$𝐴$，记做$𝑐\in 𝐴$；要么不属于集合$𝐴$，记做$𝑐∉𝐴$，元素$𝑐$不能既属于集合$𝐴$又不属于$
学习&转载文章：使用Python的一维卷积 背景 在开发机器学习算法时，最重要的事情之一（如果不是最重要的话）是提取最相关的特征，这是在项目的特征工程部分中完成的。 在CNNs中，此过程由网络自动完成。特别是在早期层中，网络试图提取图像的最重要的特征，例如边缘和形状。 另一方面，在最后一层中，它将能
学习&转载文章：对于多方安全计算，你是否也有这样的疑惑？ 问题 假设多方安全计算中有两个参与方$P_0$和$P_1$，其中$P_0$拥有$x$，$P_1$拥有$y$，双方想要在不暴露自己拥有的数据的同时计算一个结果$z$，且$z=x+y$。那么不管用哪种协议进行计算得到最终结果$z$，并且公布给双方
学习&&转载文章：隐私计算安全基座-数据库安全 数据安全 用数据生命周期的全链路思考，可以得出如下的结论： 数据存储态安全：对数据的存储安全负责，保障数据的静存储态安全，不泄露。 数据传输态安全：对数据的转移安全负责，保障数据的转移态安全，不泄露。 数据计算态安全：对数据的动态计算的安全负责，保障数
学习文章：数观自述｜一名密码产品经理的职业修养 产品经理的职业修养 其实做产品就是做人，就和禅修一样，自我修养才是最高境界。很多人在职场的成败得失，最终还是源于个人的为人处世。所以本章就说一些这方面的经验，也许和产品基本技能无关，但可能关乎职业生涯的长期发展。 职业规划很重要 很多人在入行之初，都不
