2018 RSA大会热点 | 内部威胁应对计划及威胁能力成熟度模型 5阶段实现内部安全威胁管控
介绍了3类内部威胁人员及6个内部安全威胁特点，并通过5个步骤成功内部威胁管控，第一步中给出了基于攻击链的内部威胁应对模型及内部威胁能力成熟度模型。
相关分享
0
喜欢
bl
blog.delphij.net
/
2026-05-17 23:38
errno 的实现
本文从 errno 这个看似普通的错误码接口切入，解释了为什么它不能简单地作为全局变量存在，以及 POSIX 从“外部变量”转向“可修改左值宏”背后的线程安全需求。
文章进一步拆解了 FreeBSD 的具体实现：errno 被定义为对 __error() 返回指针的解引用，单线程场景下回到全局存储，多线程场景下则由 libthr 通过构造函数、函数指针切换和弱符号介入，把访问路径切换到线程私有的错误码存储。这个过程展示了 C 运行时在 ABI 兼容、性能开销和线程语义之间的权衡。
对于系统编程、C 运行库、POSIX 线程模型或 FreeBSD 实现机制感兴趣的读者，这是一篇信息密度较高的源码解读。它能帮助读者理解一个常用宏背后隐藏的运行时设计，也适合作为分析 libc 与线程库协作机制的入门案例。
无图
1
喜欢
zh
www.zhengwenfeng.com
/
2025-11-12 00:32
Go协程池深度解析：原理、实现与最佳实践
文章系统解析 Go 协程池的实现原理和实践，包括为何需要协程池、基本实现方式、协程数设置依据及性能对比测试。示例代码演示如何手动构建协程池，并推荐三种高性能第三方库（如 ants、tunny）。适合进行高并发控制和资源管理优化的场景。
无图
0
喜欢
bj
bjt.name
/
2025-11-12 00:27
合成控制法的原理和扩展实现
本文介绍了合成控制法（Synthetic Control Method，SCM）原理及其扩展：首先通过选择多个未受干预单位并加权构建一个“合成对照组”，以模拟受干预单位在无干预情况下的表现；然后详细推导了权重 W 与协变量权重矩阵 V 的嵌套最优化过程；最后介绍了“合并损失函数 + 正则化（Lasso/ElasticNet）”的扩展方案，以增强模型稳健性。适用于政策或市场活动影响评估。
无图
0
喜欢
cn
www.cnblogs.com
/
2025-01-19 23:59
WebSocket协议详解与c++&c#实现 - 知然
这篇文章详细介绍了 WebSocket 协议的工作原理，包括握手过程、数据帧格式以及如何在 C++ 和 C# 中实现 WebSocket 通信。作者提供了一个轻量级的 WebSocket 解析库，特点是仅包含一个头文件、逻辑清晰且不依赖特定的网络接口，方便集成。此外，文章还提供了一个在线的 WebSocket 模拟客户端，便于测试和理解 WebSocket 的通信过程。
适合人群：对网络编程感兴趣的开发者，尤其是使用 C++ 或 C# 进行服务器开发，并希望深入理解 WebSocket 协议及其实现的工程师。
无图
1
喜欢
te
tech.meituan.com
/
2024-09-09 23:47
小程序可测性能力建设与实践
美团门票业务在小程序测试中通过全面的可测性能力建设，提升了测试效率和覆盖率。本文详细介绍了如何利用缓存管理、页面跳转、自动化测试等手段进行优化，助力复杂场景下的高效测试。如果你对小程序测试和质量保障感兴趣，不妨看看这篇实战分享！
无图
1
喜欢
bl
blog.nsfocus.net
/
2024-09-08 23:31
了解和应对分布式拒绝服务攻击
分布式拒绝服务（DDoS）攻击是当今网络安全的重大威胁，如何有效应对是每个组织必须面对的挑战。本文详细介绍了DDoS攻击的类型、预防措施和应对策略，帮助你更好地保护系统免受攻击。想了解如何在面对DDoS时从容应对？不要错过这篇实用指南！
无图
1
喜欢
ma
mazhuang.org
/
2024-09-08 23:26
Android｜使用阿里云推流 SDK 实现双路推流不同画面
想知道如何在 Android 中通过阿里云 SDK 实现双路推流不同画面？本文介绍了一个巧妙的解决方案，虽然阿里云 SDK 不支持原生多路推流，但通过跨进程调用，实现了同时推送不同区域的画面，适用于直播和录播场景的分离展示。开发者不容错过的实战分享，赶快阅读！
无图
1
喜欢
hu
hubojing.github.io
/
2024-08-06 08:12
【大模型系列】指令微调
本文总结了大模型中的指令微调（Instruction Tuning）技术，重点介绍了如何通过指令化数据对大语言模型进行参数微调以提升任务性能。文章探讨了数据构建方法如Self-Instruct和Evol-Instruct，以及微调策略包括优化设置和高效微调方法。通过这些技术，模型可以在多任务场景中表现出色。此内容对希望提升大语言模型能力的研究者和开发者具有参考价值。
无图
1
喜欢
hu
hubojing.github.io
/
2024-08-06 08:11
【大模型系列】提示学习
本文介绍了提示学习（Prompt Learning）的基础概念和应用场景。作者详细讨论了提示学习在大语言模型中的作用，以及如何通过优化提示来提高模型的任务表现。文章还分享了在实际应用中调整和设计提示的技巧，并探讨了该技术在自然语言处理中的未来发展趋势。这篇文章为希望利用大模型进行高效自然语言处理的开发者提供了有价值的见解。
无图
1
喜欢
co
colobu.com
/
2024-08-06 07:52
让AI 实现一个红黑树
文章探讨了使用AI帮助实现红黑树数据结构的过程。作者尝试使用多种AI工具模拟专家（如Rob Pike）实现红黑树，并进行了代码优化、单元测试和Fuzz测试。过程中发现AI生成的代码存在问题，但通过不断调整和AI协作，最终实现了功能完善的红黑树实现。文章强调AI在代码生成、测试和优化方面的潜力与不足。
无图