关于用户角色权限管理一点想法

本文提出了一种用户角色权限管理模型,包含资源(Resource)、权限(Privilege)、角色(Role)和用户(User)四要素。并通过创建权限实例、角色及关联权限等步骤,实现了权限从开发到使用的全过程。

http://www.jdon.com/article/2897.html

[Title ] 关于用户角色权限管理一点想法
[Author] Pizer.Chen
[Email ] Iceant@21cn.com | iceant@vip.163.com
[Date ] 2002-11-3

----------------------------------------------------------------------------
我以前设计过一个权限系统的模型,但是我没有实现,
可以说出来,大家讨论一下。

我认为一个系统的权限部分应该由以下四个部分组成:

[*] Resource
[*] Privilege
[*] Role
[*] User

另外,一个系统中最少有这么几个角色
:
[*] Creator
也可以称作
Programmer.
[*] Administrator,
超级用户

[*] General User

----------------------
权限各部分之间的关系:
----------------------
1. Resource
就是系统的资源,比如部门新闻,文档等各种可以被提供给用户访问的对象
.

2. Privilege
Resource Related 的权限。

什么意思?就是指,这个权限是绑定在特定的资源实例上的。
比如说部门新闻的发布权限,叫做"部门新闻发布权限".
这就表明,该 Privilege 是一个发布权限,而且是针对部门新闻这种资源的一种发布权限。

我认为,Privilege 是由 Creator 在做开发时就确定的。

3. Role,
是角色,拥有一定数量的权限。

4. User,
Role 相关。在我设计的系统里,User是不能与 Privilege 直接相关的,
User
要拥有对某种资源的权限,必须通过Role去关联.

----------------------
系统大串联
:(^_^)
----------------------
下面简单介绍一下,一个权限从开发到使用的过程
.

1. Creator
创造 Privilege, Creator 在设计和实现系统时会划分,一个子系统或称为模块,

应该有哪些权限. 拿新闻这一块来说,可能应该有:
[*]
发布权限(publish)
[*]
修改权限
(modify)
[*]
审核权限
(review)
[*]
浏览权限
(visit)
.......
这里完成的是 Privilege Resource 的对象申明,并没有真正将 Privilege 与具体Resource 实例联系在一起
.

2. Administrator
指定 Privilege Resource Instance 的关联
.
在这一步, 权限真正与资源实例联系到了一起, 产生了 Privilege Instance

比如,Administrator 创建了一个叫做 "部门新闻" Resource Instance.
然后将发布权限与这个资源相关联,产生出 "部门新闻发布权限" 这个
Privilege Instance.

3. Administrator
创建一个角色,称作 "部门新闻发布者
".

4. Administrator
"部门新闻发布权限" 赋予 "部门新闻发布者
".

5. Administrator
从用户列表中选取一个或多个用户,

然后给这些用户赋予了 "部门新闻发布者" 的角色

6. User
进到系统,在它的可访问资源列表上,会出现"部门新闻发布"的链接.

7. User
点击 "部门新闻发布"的链接, 根据 Creator 的实现,系统会检查

[1]
当前用户是否拥有发布权限
[2]
当前用户的发布权限是否与能操作正在访问的资源.

----------------------
结束语

----------------------
这是我一次在飞机场等飞机时突然设计出来的东西。因为没有具体实现,

而且也可能因为时间仓促,没有想得很透彻,希望写出来大家讨论一下。
具体实现上的技术问题,我也想过,我觉得应该已经想通,但是介于时间关系,
这里写不了啦,大家可以谈谈看法 .

 

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值