转载：芯安全 新发展 | 国民技术可信计算再上新台阶 引言 8月11日，为期三天的密码与安全行业盛会——“2023商用密码大会”在郑州国际会展中心降下帷幕，首次亮相的可信计算NS350系列TCM2.0密码安全新品等可信计算相关产品与应用案例在展会上尤为受到关注。 中国可信计算核心推动者 国民技术。
> 2023年校招，密码基础研究 ## 初面 - 三分钟自我介绍（实习、家庭、项目等） - 参加的比赛中自己的工作 - 关于同态密码（安全性分析、基于的困难问题、如何测评效率等） - 熟悉的编程语言 - 有什么问题？ ## 笔试 > 开卷，做完发邮箱 + 综合能力测试题 + 专业能力附加题 ## 二
介绍 1979年Shamir在下文提出基于拉格朗日插值多项式的\((r,n)\)秘密共享方案（\(0
前言 加密解密是前后端开发经常需要使用到的技术，应用场景包括不限于用户鉴权、数据传输等，不同的应用场景也会需要使用到不同的签名加密算法，或者需要搭配不一样的签名加密算法来达到业务目标。所以了解加解密，以及常用的加解密函数库，可以根据不同的业务场景，选择适合当下业务场景的加解密函数库。 安全性威胁 这
简介 python可以做很多事情，虽然它的强项在于进行向量运算和机器学习、深度学习等方面。但是在某些时候，我们仍然需要使用python对外提供web服务。 比如我们现在有一个用python写好的模型算法，这个模型算法需要接收前端的输入，然后进行模拟运算，最终得到最后的输出。这个流程是一个典型的web
简介 一般情况下我们在flutter中搭建的app基本上都是用的是MaterialApp这种设计模式，MaterialApp中为我们接下来使用的按钮，菜单等提供了统一的样式，那么这种样式能不能进行修改或者自定义呢？ 答案是肯定的，一起来看看吧。 MaterialApp中的themes Materia
MASA.Blazor 是什么？ 基于Material Design设计和BlazorComponent的交互能力提供标准的基础组件库。提供如布局、弹框标准、Loading、全局异常处理等标准场景的预置组件。从更多实际场景出发，满足更多用户和场景的需求，缩短开发周期，提高开发效率，并提供一整套Web
MS SQL Server简介 Microsoft SQL Server（简称SQL Server）是由微软公司开发的关系数据库管理系统，它是一个功能强大、性能卓越的企业级数据库平台，用于存储和处理大型数据集、支持高效查询和分析等操作。SQL Server 支持广泛的应用程序开发接口（API），包括
前言 公众号每月定期推广和分享的C#/.NET/.NET Core优秀项目和框架（公众号每周至少推荐两个优秀的项目和框架当然节假日除外），公众号推文有项目和框架的介绍、功能特点以及部分截图等（打不开或者打开GitHub很慢的同学可以优先查看公众号推文，文末一定会附带项目和框架源码地址）。注意：排名不
前言 现如今网上有许多完善的博客平台，如博客园、掘金、思否、知乎等。有人会说为什么现在网上有这么多成熟的博客平台，你还要浪费时间搭建一个自己的博客系统呢？首先我相信每一个程序员都会想要拥有一个属于自己的博客系统，其次使用Docsify能够快速构建一个自己的博客文档系统，最后我们可以通过Github
一.HuggingFace简介 1.HuggingFace是什么 可以理解为对于AI开发者的GitHub，提供了模型、数据集（文本|图像|音频|视频）、类库（比如transformers|peft|accelerate）、教程等。 2.为什么需要HuggingFace 主要是HuggingFace把
一.数据集工具介绍 HuggingFace通过API提供了统一的数据集处理工具，它提供的数据集如下所示： 该界面左侧可以根据不同的任务类型、类库、语言、License等来筛选数据集，右侧为具体的数据集列表，其中有经典的glue、super_glue数据集，问答数据集squad，情感分类数据集imdb
评估一个训练好的模型需要评估指标，比如正确率、查准率、查全率、F1值等。当然不同的任务类型有着不同的评估指标，而HuggingFace提供了统一的评价指标工具。 1.列出可用的评价指标 通过list_metrics()函数列出可用的评价指标： def list_metric_test(): # 第4
一.数据集描述 1.数据集摘要 该数据集包含与心理健康相关的问题和答案的对话对，以单一文本形式呈现。数据集是从流行的医疗博客（如WebMD、Mayo Clinic和HealthLine）、在线常见问题等来源精选而来的。所有问题和答案都经过匿名化处理，以删除任何个人身份信息（PII），并经过预处理以删
以前使用Neo4j图数据库，考虑到生产环境需要最终选择了NebulaGraph图数据库。对于数据要求比较高的领域，比如医疗、财务等，暂时还是离不开知识图谱的。后面主要围绕LLM+KG做一些行业解决方案和产品，涉及的技术主要是对话、推荐、检索这3个大的方向，可用于客服系统和聊天机器人等。 1.安装Ne
本文重点介绍了如何从零训练一个BERT模型的过程，包括整体上BERT模型架构、数据集如何做预处理、MASK替换策略、训练模型和保存、加载模型和测试等。 一.BERT架构 BERT设计初衷是作为一个通用的backbone，然后在下游接入各种任务，包括翻译任务、分类任务、回归任务等。BERT模型架构如下
随着大模型参数规模的不断增长，在有限的算力资源下，提升模型的推理速度逐渐变为一个重要的研究方向。常用的推理加速框架包含lmdeploy、FasterTransformer和vLLM等。 一.lmdeploy推理部署 lmdeploy由上海人工智能实验室开发，推理使用C++/CUDA，对外提供pyth
本文介绍了Llama2模型集成LangChain框架的具体实现，这样可更方便地基于Llama2开发文档检索、问答机器人和智能体应用等。 1.调用Llama2类 针对LangChain[1]框架封装的Llama2 LLM类见examples/llama2_for_langchain.py，调用代码如下
现代软件开发过程中要实现高效的团队协作，需要使用代码分支管理工具实现代码的共享、追溯、回滚及维护等功能。目前流行的代码管理工具，包括CVS，SVN，Git，Mercurial等。 相比CVS和SVN的集中管理，Git具有非常明显的优势，**例如：去中心化的代码管理方式减少了开发者对中心服务器的依赖，
介绍 Sonar是一个代码质量管理的开源平台，基于Java开发的,用于管理源代码的质量，通过插件形式，可以支持包括java、C#、JavaScript等二十余种编程语言的代码质量管理与检测。 它具有免费的社区版本和其他付费版本。 SonarQube之采购选型参考 利用SonarQube的主要好处是：
