哈希算法，也称为散列算法和杂凑算法，是一种从任意文件创建小数字指纹的方法。哈希算法和指纹一样，是用简短的信息保证文件唯一性的标志。这个符号关系到文件的每一个字节，很难找到逆规律。因此，当原始文件发生变化时，其标志值也会发生变化，从而告诉文件用户当前文件不再是您需要的文件。
作者｜陈映平 原文｜http://imweb.io/topic/58fc1ec70d452ebc4b6443ca 简介 MD5（Message-Digest Algorithm）是计算机安全领域广泛使用的散列函数（又称哈希算法、摘要算法），主要用来确保消息的完整和一致性。常见的应用场景有密码保护、下载文件校验等。 本文先对MD5的特点与应用进行简要概述，接着重点介绍MD5在密码保护场景下的应用，最后通过例子对MD5碰撞进行简单介绍。 特点 运算速度快：对jquery.js求md5值，57254个字符，耗时1
哈希是区块链技术和防篡改潜力的核心基础和最重要的方面，通过哈希算法可以保持记录以及查看数据的真实性和区块的完整性。这就是区块计数最重要技术特征的一部分。区块哈希并不包含在区块的数据结构中，在区块传输时就不会存在，也不会作为设备中区块链的一部分保存到节点的持久储存中，实际上区块哈希只是节点从网络接收到区块时自己去计算的，区块哈希可以作为块元数据的一部分储存在单独的数据库中没用雨索引和从磁盘中快速访问。
消息摘要算法是密码学算法中非常重要的一个分支，它通过对所有数据提取指纹信息以实现数据签名、数据完整性校验等功能，由于其不可逆性，有时候会被用做敏感信息的加密。消息摘要算法也被称为哈希（Hash）算法或散列算法。
算法是基础，小蓝同学准备些总结一系列算法分享给大家，这是第9篇《散列表》，非常赞！希望对大家有帮助，大家会喜欢！
SHA-512（安全散列算法 512 位）是一种密码散列函数，属于SHA-2家族的一部分。它是由美国国家安全局（NSA）设计的一种安全散列算法，用于产生数字摘要，通常用于数据完整性验证、数字签名等安全应用。
当我们开发一款App的时候，App需要跟后台服务进行通信获取或者提交数据。如果我们没有完善的安全机制则很容易被别用心的人伪造请求而篡改数据。 所以我们需要使用某种安全机制来保证请求的合法。现在最常用的办法是给每个http请求添加一个签名，服务端来验证签名的合法性，如果签名合法则执行响应的操作，如果签名非法则直接拒绝请求。
用python中的字典存储特征是一种常用的做法，其优点是容易理解。但是sklearn的输入特征必须是numpy或scipy数组。可以用DictVectorizer从字典中加载特征转换成numpy数组，并且对分类特征会采用独热编码(one-hot)。
「最终」，所有的这些不合理交织在一起，就是你能看到的一坨坨的代码！「所以」，要想把代码写好、写美，写到自己愿意反复欣赏，那么基本需要你有一定的：基础能力(数据结构、算法逻辑、设计模式)、应用能力(系统架构、开发经验)、拓展能力(产品思维)，这三方面综合起来才能更好的开发程序。
自动驾驶，也被称为无人驾驶，顾名思义，是指交通工具在没有人类操作的情况下，也能够完成环境的感知与导航，顺利到达目的地。
区块链文章满天飞，人们更多的是看到区块链的官宣与技术概念，真正深入了解区块链的核心技术才能真正读懂区块链的内涵，了解其本质，才能对标其业务场景需求，真正下决心让区块链落地生根。
前几日做支付对接时，被对方文档中的加密方式搞晕乎了一会。意识到证书加密方面的理解不够深入，事后查阅参考资料补习一波。本文是根据期间的学习，以及长期以来的实践做出的总结。
之前本人研究的东西大多偏向于智能合约和共识算法、跨链等一些知识，确实也是这俩比较值得研究一些，在此基础上区块链中的相关关键技术还有密码学相关知识和分布式存储相关的一些知识。
MD5（Message-Digest Algorithm）是计算机安全领域广泛使用的散列函数（又称哈希算法、摘要算法），主要用来确保消息的完整和一致性。常见的应用场景有密码保护、下载文件校验等。
基于AI智能的视觉识别，是当前人工智能最主要的应用功能之一。通过对工业相机、摄像头、视觉传感器拍摄采集到的图像/视频进行专项算法分析，实现对画面中人体、物体、事物运动状态、变化情况的感知与反馈，最后实现业务流程自动自主，从而有效提高生产力和效率。
这个系列打算以文本相似度为切入点，逐步介绍一些文本分析的干货。 第一篇中，介绍了文本相似度是干什么的； 第二篇，介绍了如何量化两个文本，如何计算余弦相似度，穿插介绍了分词、词频、向量夹角余弦的概念。 第三篇中，介绍了目前常用的相似度，以及相关 Python 包。 其中具体如何计算，在这里复习： 文本分析 | 余弦相似度思想 文本分析 | 词频与余弦相似度 文本分析 | TF-IDF 文本分析 | 常用距离/相似度 一览 ---- 假如我现在有 5 条文本数据，想计算两两之间的相似度，找出最相似的文本对（比
本章是前面第四章光线追踪内容的扩展内容，内容比较少，字数4.4k，补充了一些实现光线追踪中常用的更进一步的技术，包括对透明物体的渲染，实例化技术在光线追踪中的应用，如何在光线追踪中渲染构造实体几何(CSG)和利用分布式光线追踪可以达到的很多华丽的效果。
在无人驾驶汽车领域，控制汽车变道的算法是一个非常重要的研究课题。但现在大多数的汽车变道算法都存在着以下两个缺点：或者过分依赖驾驶环境的详细统计模型，不仅很难收集，也因为非常复杂无法在行驶中进行分析；或者过分简单，以至于它们会采取不切实际的保守政策，例如一直都不变道。
安全性是实现区块链系统功能的基础，也是目前阻碍区块链应用推广的因素之一。密码学是信息安全的基石，以很小的代价给信息提供一种强有力的安全保护，广泛应用于政治、经济、军事、外交和情报等重要领域。 随着近年来计算机网络和通信技术迅猛发展，密码学得到了前所未有的重视并迅速普及，同时应用领域也广为拓展。本文选自《商用区块链技术与实践》一书，主要讲解密码学在区块链中的应用。 哈希算法 哈希算法（Hash Algorithms）也称为散列算法、杂凑算法或数字指纹，是可以将任意长度的消息压缩为一个固定长度的消息的算法。哈
“AI技术刚诞生的时候曾经很惊艳，但AI毕竟只是单点的技术，如果不在系统层面做综合运营的话，是不够的。一个行业成熟的标志是不再为单个技术而兴奋，技术要用好，需要跟业务、场景、用户实际需求结合。”
该文介绍了如何利用QuadTree算法实现2D碰撞检测，并使用HT for Web的GraphView组件进行可视化。作者还介绍了如何为HT for Web的图形组件添加自定义样式，包括为图形组件设置颜色、边框等属性。最后，作者通过一个碰撞检测的实例演示了如何使用HT for Web的图形组件实现2D碰撞检测，并提供了相关代码和注释。
该文介绍了如何利用QuadTree算法实现2D碰撞检测，并使用HT for Web的QuadTree组件进行实现。
QuadTree四叉树顾名思义就是树状的数据结构，其每个节点有四个孩子节点，可将二维平面递归分割子区域。QuadTree常用于空间数据库索引，3D的椎体可见区域裁剪，甚至图片分析处理，我们今天介绍的是QuadTree最常被游戏领域使用到的碰撞检测。采用QuadTree算法将大大减少需要测试碰撞的次数，从而提高游戏刷新性能，本文例子基于HT for Web的图形引擎，通过GraphView和Graph3dView共享同一数据模型DataModel，同时呈现QuadTree算法下的2D和3D碰撞视图效果：htt
QuadTree四叉树顾名思义就是树状的数据结构，其每个节点有四个孩子节点，可将二维平面递归分割子区域。QuadTree常用于空间数据库索引，3D的椎体可见区域裁剪，甚至图片分析处理，我们今天介绍的是QuadTree最常被游戏领域使用到的碰撞检测。采用QuadTree算法将大大减少需要测试碰撞的次数，从而提高游戏刷新性能，本文例子基于HT for Web的Canvas拓扑图和WebGL的3D引擎组件，通过GraphView和Graph3dView共享同一数据模型DataModel，同时呈现QuadTree算
盘点了下手 Q 研发流程的困局，现有的手段更着重于线上监控问题并在下个版本修复（甚至是下下个版本），如果能在开发阶段发布前甚至合入 master 之前就把问题扼杀在摇篮之中，就可以达到防劣化的目标。
在 Java 中，最常用的数据类型是 8 中基本类型以及他们的包装类型以及字符串类型，其次应该就是 ArrayList和HashMap了吧。HashMap存的是键值对类型的数据，其存储和获取的速度快、性能高，是非常好用的一个数据结构，每一个 Java 开发者都肯定用过它。
YOUChain 研究团队，成员毕业于国内外顶级名校，有长期的工业界经验。我们持续跟踪的区块链学界和业界的前沿发展，致力于深入区块链本质，推动学术和技术发展。团队诚邀加密、算法、区块链、工程人才加入！
说到Hash（哈希），开发人员应该不陌生，比如Hash表是一种非常常用的数据结构，通过Hash表能够根据键值快速找到数据。哈希函数将文本（或其他数据）映射为整数，从而能够提高检索效率。
上篇文章介绍了Java虚拟机的运行时数据区域，大致明白了Java虚拟机内存模型的概况，下面就基于实用优先的原则，以最常用的虚拟机HotSpot和最常用的内存区域Java堆为例，升入探讨一下HotSpot虚拟机在Java堆中对象分配、布局和访问的全过程。
因为Internet最初设计几乎没考虑安全性，所以网络安全需要在网络的各个层次考虑。
1月24日，“AI赋能，智联万物——开发者沙龙·南京站”正式圆满落幕，此次活动由涂鸦智能主办、镁客网承办、InnoSpace协办，旨在通过技术干货分享来打通线上线下专家和开发者的连接，展现人工智能与物联网的科技蓝图。
在Java编程中，对象内存分配是一个至关重要的话题。Java虚拟机（JVM）负责管理内存并为对象分配空间。本文将深入探讨JVM为对象分配内存的方式，以及这些方式的原理和影响。
在高速机器人运动领域，实现同时兼顾速度和安全一直是一大挑战。但现在，卡内基梅隆大学（CMU）和苏黎世联邦理工学院（ETH）的研究团队带来了突破性进展。他们开发的新型四足机器人算法，不仅能在复杂环境中高速行进，还能巧妙避开障碍，真正做到了「敏捷而安全」。
第一章 概述 第二章 物理层 第三章 数据链路层 第四章 网络层 第五章 传输层 第六章 应用层
人工智能的战略重要性导致对视频智能分析的需求不断增加。鉴于人工智能视觉技术的巨大潜力，人们的注意力正在从传统的视频监控转移到计算机视觉的监控过程自动化。
作为一个后知后觉的人，我也是昨天看到有人在光天化日之下公开批判我【尥蹶子】【不写公众号】，你们先感受下：
区块链是一种分类帐，它使用加密技术和激励措施并以防篡改的方式记录交易。这使匿名双方进行信任最小化（trust-minimized）交易，而不需要可信中介。
本篇是看完《游戏编程算法与技巧》后做的笔记的下半部分. 这本书可以看作是《游戏引擎架构》的入门版, 主要介绍了游戏相关的常见算法和一些基础知识, 很多知识点都在面试中会遇到, 值得一读.
不管是科达大力推广的感知摄像机（Intelligent IPC）还是海康公司的Smart IPC、或者NICE公司的Suspect Search系统，其本质都是智能视觉分析技术与“大数据”的结合应用。最近两年以来，我们听到太多的“大数据与安防监控”的概念，但是，基本都停留在理念表面，描绘的是一个美好的前景，至于如何实施，或者到底能不能实施，很多人还是疑惑很大。本文从技术角度，说明智能视频分析技术与“大数据”如何结合及相关公司案例落地情况，尽量将理论结合到实际。
秋天，树上掉下两片叶子，你要和它们说再见。但你如何知道这片叶子，不是另外一片叶子？是通过它的形状，还是通过它的重量？
升级方案就是对密码进行加密后存储，这样就避免了明文存储的问题。使用什么方式加密呢？比如我们常使用的MD5算法，但这样就是安全的了吗？此处需要再了解几个概念
雷锋网《AI掘金志》频道：只做 AI +「安防、医疗、零售」三大传统领域的深度采访报道。
上回分享了仓储物流自动化系统或设备在其他行业里的一些类似的应用，今天再发掘一下我们身边还有哪些行业会与仓储物流自动化领域发生交集。
人脸识别、图像分类、语音识别是最早的深度学习取得突破的主要几个技术方向。在2014年前后，多家技术公司纷纷宣布其利用深度学习在LFW上取得的最新成果，此为深度学习技术在人脸识别领域的“小试牛刀”。随后，商汤、Face++等国内的多家技术公司针对金融行业人脸认证这一需求持续改进算法，随着PK的不断升级，人脸认证图像相对可控下的人脸识别性能不断被刷新，固定识别通过率为90%，识别误匹配率指标被降低了好几个数量级，此为深度学习技术在人脸识别领域的“硕果初尝”。类似的技术被用在了手机APP的人脸登录、相册管理等，这里不一一赘述。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
