集成基于CAS协议的单点登陆

CAS单点登录方案配置 CAS单点登录方案 本文将简介cas单点登录方案,如有不对,欢迎指正 web.xml配置 cas在网站中是以多个过滤器的方式去执行,如下配置:1.身份认证过滤器,2.ticket校验拦截器,3实现HttpServletRequest请求,可以通过HttpServletRequest的getRemoteUser()方法获得SSO登录用户名,4.获取登录用户名,如AssertionHol... 阅读详情

  相信大家对单点登陆(SSO,Single Sign On)这个名词并不感到陌生吧?简单地说,单点登陆允许多个应用使用同一个登陆服务。一旦一个用户登陆了一个支持单点登陆的应用,那么在进入其它使用同一单点登陆服务的应用时就不再需要重新登陆了。而CAS协议则正是各单点登陆产品所需要实现的协议,其全称为Central Authentication Service。

  那为什么要写这篇博客呢?这是因为在为公司的产品集成SSO的时候,我发现如果软件开发人员不了解CAS协议,那么他在集成出现错误的时候将完全没有办法对出错的原因进行分析。

 

单点登陆简介

  如果您不知道单点登陆是什么,那么先来体会一次单点登陆。首先,请在一个全新浏览器(或者清除了登录信息缓存的浏览器)的地址栏中键入www.hotmail.com,并进入您的hotmail邮箱。接下来,我们再访问www.msn.com。请看网页的右上角,您会发现您已经成功地通过刚刚的hotmail邮箱登入了www.msn.com:

  这就是单点登录:即使hotmail和msn的域名表明它们完完全全就是两个不同的网站,但是由于它们使用了同一个单点登录服务,因此在登陆hotmail之后再登陆msn,您刚刚输入的用户身份凭证依然有效。

  这种在一处登录就能直接访问其它应用的功能在企业级应用中是非常有用的。试想这样一个情景:在每天的工作中,我们总需要通过浏览器访问几十个系统。如在浏览器中阅览公司邮件,在需要撰写Wiki的时候需要登录到公司的Wiki系统。而报销,请假,公司共享文件服务器等都需要用户登陆。而且如果一个公司的IT部门对安全比较重视,那么他们还会要求员工在一定时间内更换一次密码。试想一下,如果公司内部有几十个系统,那么每个员工都需要维护几十个密码,并且每隔几天就需要针对一个系统更改一个密码。这种密码管理的开销无论对于员工本身还是对于IT开销都是巨大的。

  反过来,如果这些系统都使用同一个用户登录服务,那么我们就可以免除在每次登入一个系统时都要输入密码的开销,而且每个员工只需要管理一个密码。

  因此,如果希望自己的企业级应用能够成功地进入各个大型企业,那么这个产品就必须支持标准的单点登录协议,即CAS协议。而只有在正确地理解了CAS协议的基础之上,我们才能在我们的产品中正确地添加对单点登录的支持。而这也便是我写这篇文章的真正原因。

 

CAS协议的工作流程

  现在我们知道了单点登录给我们所带来的好处,但是我们并不知道它是如何工作的。由于CAS协议的执行流程较为复杂,因此,让我们首先来看一个生活中的与单点登录相似的事例,以辅助我们对单点登录运行流程的理解。

  假设公司马上就要来一位新同事,公司的行政人员需要在该同事到来前为他置办好日常工作所需要的各种办公用品。这些办公用品包括工作用的电脑以及一套全新的办公桌椅。在置办完这些办公用品后,该行政人员还要拿着购买办公用品时所开具的发票去公司的财务部报销。为了节省时间,该行政人员将会使用公司车辆在公司和卖场之间运送货物。

  由于公司的司机常常在外奔波,因此他可能并不知道当天需要载着这位行政人员去购买办公用品。在该行政人员找到他之后,他无法确认行政人员的用车安排是否与公司的其它安排相冲突。因此司机会让行政人员打电话给公司的领导确认他是否可以用车。领导接到了该行政人员的电话并陈述用车的缘由后,行政人员会将电话转交给司机,让司机本人与领导沟通。在得到了领导的肯定答复后,司机就可以放心地载着该行政人员去电脑城购买电脑了。

  当该行政人员在当天再次找到该司机说需要购买办公桌椅的时候,该司机就不再需要打电话询问领导。因为他已经打电话和领导询问过是否该行政人员需要用车的事情。

  在所有的办公用品置办完毕以后,该行政人员就会去公司的财务处报销。在见到财务人员之后,该行政人员会直接说和领导之前已经沟通过并得到过批准。在该财务人员直接打电话给该领导并简单提起购买办公用品的事情后,领导就会很快地确认需要为一位新来的员工购买办公用品的事情。在得到了肯定的答复后,该财务人员将直接接受报销申请并迅速进入结算程序。

  在整个过程中,行政人员都是资源的访问者及使用者。在每次尝试使用这些资源时,资源的管理者都需要领导的批准来给与该行政人员使用资源的权利。只是在不同时刻,由于领导及资源管理者所得到的信息量并不相同,因此产生了三种不同的使用资源的流程。

  在第一次用车的时候,由于司机和领导都不清楚当天该行政人员需要用车,因此该行政人员需要从领导那里得到可以用车的许可,并将领导的许可转交给司机,进而真正获得使用公司车辆的权利。在该过程中,行政人员既需要与司机沟通,又需要与领导沟通,而司机也需要与领导沟通。

  在第二次用车的时候,由于司机已经知道领导对于车辆使用的授权,因此他不再需要额外的沟通而直接允许该行政人员使用公司车辆。在该过程中,行政人员只需要和司机沟通,而不再需要与领导打招呼。

  而在报销的过程中,由于财务人员并不知道购买办公用品是否已经获得了领导的同意,因此需要询问领导。而此时领导已经知道财务人员是为了新入职的同事准备的办公用品,因此将直接同意对该笔款项进行报销,也不再需要行政人员再次向领导解释公司将来一名新员工的事宜。在该过程中,财务人员需要与行政人员以及领导沟通。

  CAS协议的运行流程实际上与上面所举示例的运行基本一致:第一次访问一个应用时,系统将要求用户转到SSO系统,输入表示自己身份凭证的用户名和密码,才能得到访问该应用的权限。而在第二次访问同一应用的时候,由于应用已经知道该用户曾经获得了访问权限,因此将直接允许用户对该应用进行访问。如果用户访问另一个应用,那么该应用将会根据用户当前所得到的身份凭证去SSO系统认证,从而得知用户已经拥有了对该应用的访问权限。

  下面就是通过CAS协议第一次访问应用并成功登录的流程图:

  上面的流程图列出了用户在第一次登录应用时所需要经历的步骤。首先,用户通过在浏览器的地址栏中键入https://app.ambergarden.com来尝试访问应用。由于此时应用会话并没有被创建,因此应用将拒绝用户的登录请求,并通过302响应将用户重定向到https://sso.ambergarden.com以要求用户首先通过SSO进行登录。注意在该重定向所标明的地址中包含了一个额外的URL参数service。其标示了用户原本想要访问的应用所在的位置。在浏览器接收到了302响应后,其将自动跳转到SSO。由于SSO中也没有与浏览器建立相应的会话,因此其将返回给用户一个登录界面,要求用户通过输入用户名和密码完成登录。在用户输入了用户名/密码并点击登录按钮后,页面逻辑将发送一个POST请求到SSO中以建立会话。如果用户登录成功,那么SSO将返回一个302重定向响应,并且该重定向响应中由Location所标明的地址还带了一个额外的参数ticket。在浏览器接收到该重定向响应之后,其将向重定向地址发送一个GET请求,并且该请求中还包含了刚刚从SSO所返回的ticket参数。在应用接受到该请求后,其将使用ticket参数所标明的凭据向SSO发送请求以验证该凭据的合法性。如果验证成功,那么应用将会认为当前对应用的访问是一个已经得到SSO认证的合法用户发起的,进而为该用户创建会话。

  在浏览器再次访问该应用的时候,由于应用已经为当前浏览器创建了相应的会话,因此应用将能识别出它是一个合法的经过SSO验证的用户:

  相较于对应用的第一次访问而言,第二次访问的流程图实际上就非常容易理解了。实际上,这就是在已经建立了会话之后再次访问应用时的流程图。

  而在访问其它应用时,CAS协议运行的流程图将如下所示:

  如果您已经理解了首次登录流程,那么该流程就非常容易理解了。首先,用户尝试访问处于https://app2.ambergarden.com下的应用。由于之前用户并没有登录过该应用,因此该应用发送一个302请求来将用户重定向到SSO服务。而这里的URL参数service与首次登录时候的意义一样,用来在这一系列通信中记录登录成功后所需要返回到的服务地址。

  浏览器一旦接收到了302响应,那么其将立刻执行重定向并访问SSO服务。由于用户在之前访问第一个应用的时候已经建立了SSO会话,因此SSO服务将立即返回一个302响应,并在响应的Location中使用URL参数ticket标示用户从SSO所得到的凭据。在接到302响应后,浏览器再次重定向,并访问应用。应用同样使用ticket所标示的凭据向SSO请求验证。在验证成功后,应用将会认为当前访问用户是合法的,因此将为该用户创建会话。在该过程中,用户没有输入任何信息,而只经过了几次浏览器跳转就验证了用户的合法性。

 

CAS协议集成

  好了,在了解了基于CAS协议的SSO是如何工作的之后,我们就可以开始考虑如何在应用中集成对CAS协议的支持了。

  我们所要做的第一步就是分析上面所讲的各个流程中的每一步对CAS协议所定义的各接口,进行使用的方式。在分析的过程中,我们需要时刻提醒自己是在为我们的应用添加CAS协议支持,而不是实现一个基于CAS协议的SSO。这会导致我们在查看CAS协议时的角度与实现一个基于CAS协议的SSO有以下几点不同:

  1. 不必要理解CAS协议中的所有接口以及各接口中的所有参数。CAS协议中列出的很多接口实际上都是用来在浏览器和SSO服务之间进行交互的。因此我们不必要非常仔细地察看这些接口,而只需要知道这些接口所执行的功能以及产生的数据即可。而且即使是我们会用到的接口中也会有一部分参数并不会被用到。我们只需要关注在我们的应用使用SSO流程中所可能涉及到的各个参数即可。
  2. 需要注意在流程中浏览器与应用之间的交互。在前面所展示的各个流程图中已经能够看到,应用是通过一系列302重定向响应等HTTP标准方法来完成将用户重定向到SSO服务这一动作的。

  那么我们回过头来回忆一下用户首次登陆成功的流程图:

  在该流程图里面,我们需要关心的就是到底谁与应用产生了交互,以及在交互过程中使用了什么样的接口及参数。可以看到,在用户通过浏览器第一次访问应用的时候,应用需要返回给用户一个302响应,而响应中所指定的地址就是SSO所提供的登陆接口。因此我们要做得第一步就是要理解Login这个URL所做的工作。

  从API文档中可以看到,Login这个URL可以提供两种服务:请求用户输入身份凭证(Credential Requester)以及验证用户的身份凭证(Credential Acceptor)。在这张流程图里面,我们两次向该URL发送请求。第一次请求所使用的是该URL的第一种服务,该服务将请求用户输入用户的身份凭证,如显示一个登陆页面。而在用户输入了用户名和密码后,向该URL发送的请求就将使用第二种服务。在这两次请求中,URL中的service参数用来标明用户成功登陆后从SSO重定向出来时所需要跳转到的地址。由于我们是在为自己的应用添加SSO支持,那么该服务自然需要指向我们的应用。

  OK,现在我们就可以开始第一步集成了。该步骤的工作就是:当一个用户访问应用的时候,如果应用中没有该用户所对应的会话,那么返回302响应,并在响应中标示跳转的地址为SSO所在的地址,并在service参数中标明我们的应用所在的地址。如果这一切功能都正确地实现,那么对应用的访问会自动跳转到SSO服务,并在成功登陆后再次请求访问我们自己的应用。此时的访问会传入一个URL参数ticket以表示从SSO处得到的凭证。

  如果正确地完成了第一步的集成,那么我们就可以开始集成的第二个步骤了,那就是向SSO服务验证用户。在第一步中,SSO最终验证了用户的身份并向浏览器中返回了一个302响应。浏览器接收到该302响应后,其便向302响应所标示的地址进行跳转。在应用接受到了包含ticket参数的请求后,它需要使用该ticket参数所记录的信息来访问serviceValidate接口,以验证所传入的ticket参数是否是一个真正的从SSO所返回的凭据。一旦验证成功,那么该用户就是一个合法用户。此时应用就需要为该用户创建一个会话并将他重定向到程序的初始页面,如应用的Dashboard等。

  而在用户再次访问应用的时候,由于应用中已经包含了该用户所对应的会话,因此其不会再与SSO产生交互,因此也不再需要为SSO集成做任何工作。同样的,由于第三个流程也使用了同样的接口,因此我们也不再需要做任何额外的工作。

  就这样,仅仅通过这两步,我们就可以完成对SSO登陆功能的集成了。是不是很简单?

  除此之外,我们还可以选择支持Single Logout(有些讨论里面叫Single Sign Off)。但是反对该功能的人也不少。其中的原因就因为用户常常认为点击Logout按钮是从当前应用中安全地退出,但是这实际上导致用户所登陆的所有使用该SSO服务的应用都将退出。因此在决定对该功能进行支持之前一定要考虑清楚该功能是否会真的为用户带来好处。

 

需要注意的问题

  就像大家在上面所看到的一样,在应用中集成对SSO的支持实际上并不需要多少工作。甚至可以说,一个有相关经验的人可以在几个小时内就能完成。但是反过来说,如果在集成中没有注意到一些问题,那么这些问题可能会耽误您几天的时间。因此在本节中,我会简单地说一下我在SSO集成中的一些经验。

  首先就是CAS协议的API文档的阅读方法。我一直认为,对于这种侧重于流程的协议,协议的运行流程以及在该流程中的数据流是关键。因此一上来就冲到API文档中并尝试理解每个接口的含义,输入及输出并不是一个好的办法。可能对于外国人而言,先了解接口再弄懂运行流程是一种比较简单的方式,但是似乎这种方式并不太适合中国人的思维。这也就是我为什么一上来就讲解SSO的运行流程的原因。

  而在CAS协议的API文档中,对ticket进行验证的接口有好几套,如第一版中的/validate接口在第二版中演进为/servicevalidate和/proxyvalidate两个接口等。请根据需要选择相应的一套接口即可。

  一个需要注意的地方就是,很多SSO里面都有一个Filter,用来标示允许使用该SSO服务的各个应用。该Filter会阻止非法应用从SSO服务登陆。否则该非法应用将可以尝试对SSO展开攻击。举一个最简单的DDOS攻击的例子。在我的一篇博客里已经介绍过对用户名/密码对的验证实际上是一个较为耗时的行为,因此该步是SSO服务中最为脆弱的地方。如果一个恶意人员盯上了该SSO服务,并在一个用户群基数较大的网站上找到了漏洞,更改了它的SSO服务配置,那么该网站的用户就会在登陆该网站的时候跳转到该SSO服务。接下来这些用户就会尝试用他们的用户名/密码对在该SSO服务上登陆,从而在这些用户的帮助下展开了DDOS攻击。因此在通常情况下,SSO服务都会配置一个白名单。而在进行SSO集成之前,我们则首先需要向该白名单中添加我们的应用。

  还有一个比较容易被忽略的问题就是会话的时效性问题。在整个SSO的使用中存在着两种会话:用户在应用程序中的会话以及用户在SSO服务上的会话。在一般情况下,SSO服务上的会话持续时间都会比应用程序中的会话时间略长。这样在应用程序的会话过期时,用户可以直接通过刷新页面等方式从SSO服务重新建立会话。但是在进行集成时,为了调试方便,我们常常会将应用会话时间调整得很长,甚至长于SSO服务上的会话时间,从而没有测试应用程序会话过期进而通过SSO会话来刷新应用程序会话的情况。

 

Reference

CAS协议:http://jasig.github.io/cas/development/protocol/CAS-Protocol-Specification.html

 

转载请注明原文地址并标明转载:http://www.cnblogs.com/loveis715/p/4491417.html


cas协议官方文档的理解(除代理模式) [CAS] TGT: 一种情况是tgt是一个对象,类似session,是验证成功之后创建的。存着一些信息,这种情况下tgc值就是tgt对象的id。另一种情况是tgt是一个字符串,那么tgc的值就是tgt,tgt还是需要关联session存储一些信息。 TGC: cookie,基本存储的就是tgt或者tgt的id。 TK : 从cas sever中获取, (cas实现是)根据t... 阅读详情

相关推荐

CAS使用账号密码实现单点登陆

CAS使用账号密码实现单点登陆CAS单点登陆框架项目需求实现思路1、使用用户名密码获取TGT2、根据TGT和Service获取ST3、使用ST访问目标资源Java代码实现 CAS单点登陆框架 CAS 是 Yale 大学发起的一个开源项目,旨在为 Web 应用系统提供一种可靠的单点登录方法 官方网站 https://www.apereo.org/projects/cas 这里不详细介绍CAS的单点登陆原理,感兴趣的同学可以自己去研究一下,这里仅就项目中遇到的问题进行记录 项目需求 我们的系统通过单点登陆跳转到

blankforone的博客 8199

一张图说明CAS协议原理

1名词解释 Single Sign On,SSO: 单点登录,通过一对ID和密码实现不同系统的无缝登录功能,可以将用户管理中心化,避免每个系统都需要一套单独的账户配置和用户管理实现。目前广泛应用了LDAP和CAS协议。 LightweightDirectory Access Protocol, LDAP: 轻量目录访问协议,一种支持TCP/IP协议的目录结构协议,常用来统一存储和查询企业员工信息、公用证书等信息,可视为一种特殊的数据库。 CAS Server:CASServer 负责完成对用户的认证工

kingeret的博客 5890

单点登录协议有哪些?CAS、OAuth、OIDC、SAML有何异同?

单点登录实现中,系统之间的协议对接是非常重要的一环,一般涉及的标准协议类型有 CAS、OAuth、OpenID Connect、SAML,本文将对四种主流 SSO协议进行概述性的介绍,并比较其异同,读者亦可按图索骥、厘清关键概念。 一、认证与授权的区别 在介绍具体协议之前,有必要先说明“认证(Authentication)”和“授权(Authorization)”的区别。 认证(Authentication)即确认该用户的身份是他所声明的那个人; 授权(Authorization).

nidengxia的博客 7046

CAS协议简单介绍

CAS ​ CAS,Central Authentication Service,中央认证服务,由Yale发起的开源项目,旨在为Web应用提供一种可靠的单点登录方法。 CAS Server 负责对用户的认证。 CAS Client 负责提供资源,当资源受保护时需要用户进行身份认证时,重定向到CAS Server进行认证。 例如:通过微信账号登录小程序,微信为CAS Server,小程序为CAS Client CAS protocol Ticket TGT:Ticket Grangting T

优快云1187178055的博客 4752

【STM32Cube HAL】输入捕获(六)——PWM测量

实验内容:使用通用定时器输入捕获测量信号的脉宽(检测按键按下的时间)。 一、原理图 二、 CubeMX配置 Step1.打开 STM32CubeMX,点击“New Project”,选择芯片型号,STM32F103VETx。 Step2.选择时钟源,并配置时钟树。选择Crystal/Ceramic Resonator,并配置系统时钟为72M。 Step3.配置SYS,我们这里选择的是Serial Wire。(正常情况配置不配置不影响,debug可以使用。但是你不可以把这...

HAHAHA 1万+

spdk + fio测试nvme 设备的性能

fio的测试对象可以是块设备、文件等,在spdk的使用过程中会unbind默认的nvme driver,所以在系统中是看不到nvme块设备的,在spdk中可以通过fio_plugin的方式,将spdk的用户态driver部分的io功能打包成一个ioengine提供给fio使用,可以综合spdk的高性能和fio提供的复杂场景。更多DPDK相关学习资料有需要的可以自行报名学习,免费订阅,永久学习,或点击这里加。这个jobfile是spdk中提供的例子。领取,关注我持续更新哦!2.7 jobfile的例子。

lingshengxiyou的博客 1088

cas 协议

CAS协议是一种简单且功能强大的基于票证(ticket)的协议。它涉及一个或多个客户端和一台服务器。中央身份验证服务(CAS)是Web的单点登录/单点退出协议。用户向中央CAS Server应用程序提供一次凭据(例如用户ID和密码),就可以访问多个应用程序。客户端嵌入在CASified应用程序中(称为“ CAS服务”),而CAS服务器是独立组件: CAS服务器负责验证用户并授予访问应用程序 CA...

youngboy的博客 7049

Java后端实战:钉钉互动卡片消息从配置到生产级对接

在企业级消息推送场景中,机器人通知已从简单的文本向富交互演进。其核心原理在于通过可交互的卡片模板,将传统单向通知升级为双向、有状态的微型应用界面,实现了用户无需跳转即可完成操作的技术价值。这广泛应用于审批、任务确认、数据填报等需要即时反馈的业务流程。本文聚焦于钉钉平台,深入剖析其互动卡片消息机制,并基于Java后端,系统讲解如何实现包括安全验签、异步回调与卡片动态更新在内的生产级对接方案,涵盖配置管理、服务降级等工程实践关键点,助力构建稳定高效的企业消息交互服务。

weixin_30617737的博客 435

Liferay中使用CAS实现单点登陆(SSO)

单点登陆(SSO)的实现方式有很多种,这里所说的是用CAS实现,这也是Liferay中所采纳的方式。至于什么是CAS,单点登陆实现的原理等,这里不做解释,直接一步一步明说实现方式,好了,多一个字的费话也不说了。 第一步,创建证书 keytool -genkey -alias tomcat -keystore c:\mykeystore  -dname "CN=xyb, OU=localhost

qxingxia871121的专栏 1042

手把手教你学simulink实例--Simulink在电动汽车故障诊断与预测中的应用仿真

通过上述步骤,我们成功实现了基于Simulink的电动汽车故障诊断与预测仿真。该系统能够全面评估故障诊断与预测算法的性能,验证其在不同故障场景下的有效性,并通过优化设计提高系统的可靠性和安全性。引入智能算法:结合人工智能技术,实现更智能的故障诊断与预测。扩展功能:增加对多种车型和故障类型的支持,提升系统通用性。实验验证:将仿真模型应用于实际硬件,进行实验验证,评估其在实际工况下的表现。

MHD0815的博客 256

十五、SAP-物料需求计划(MRP)

业务逻辑、功能讲解、图文解析、章节总结

m0_72403327的博客 1092

75. Django 集成 CAS 实现 SSO 单点登陆

需求在公司平台的开发中,由于内部平台越来越多,本次要求我们开发的平台需要同步公司的 OA 账号。那么怎么同步呢?简单来说就是采用 CAS 服务机制,实现 CAS 服务完成多应用单点登陆 ...

DevOps海洋的渔夫@专栏 4698

二、TCP/IP协议之网络层(IP地址的格式、分类、报文格式)

数据报每经过一个路由器,路由器都要重新计算一下首部检验和,若首部未发生变化,则此结果必为 0,于是就保留这个数据报。对于网络号相的设备,无论实际所处的物理位置如何,它们都是处在同一个网络中。在首部的固定部分的后面是一些可选字段,其长度是可变的。IPv4 软件在存储器中维持一个计数器,每产生一个数据报,计数器就加 1,并将此值赋给标识字段。表示数据报在网络中的寿命,英文缩写是 TTL(Time To Live),功能是“跳数限制”。地址的网络号码字段用来标识一个网络,网络号码字段的前几位用来区分。

锦慈的技术博客 185

CAS做单点登陆(SSO)——集成Java Web 项目

添加cas-client的jar包 下载cas-client,地址:http://www.ja-sig.org/downloads/cas-clients/,当前最新版本是cas-client-3.2.1-release.zip。然后解压cas-client-3.2.1-release.zip,在modules拷贝cas-client-core-3.2.1.jar到应用的WEB-INF/li

linjinxiao的专栏 6809

【华为OD机试真题 新系统】1010、魔法阵的能量收集 | 机试真题+思路参考+代码解析(C++、Java、Py、C语言、JS)

【华为OD机试真题 新系统】1010、魔法阵的能量收集 | 机试真题+思路参考+代码解析(C++、Java、Py、C语言、JS) 华为od机试,华为od机试真题,华为od机试E卷,华为odE卷,华为od机试真题E卷,华为OD,华为OD机试,华为OD机试真题,华为od机考,华为od机试D卷,华为od机试真题D卷,华为od手撕代码,华为od,华为od机试C卷,华为od e卷,华为2026e卷,od机试,2026E卷,华为OD机试E卷,什么是华为od,华为od介绍,全面了解华为od,2026华为od,如何备战华为

KJ.JK 1071

YOLOv11改进策略【注意力机制篇】| 2024 蒙特卡罗注意力(MCAttn)模块,提高小目标的关注度

本文记录的是基于蒙特卡罗注意力(MCAttn)模块的YOLOv11目标检测改进方法研究。利用提高的跨尺度特征提取能力,使模型能够更好地传递和融合提取的多尺度特征,提高对小目标的关注度。Exploiting Scale-Variant Attention for Segmenting Small Medical Objects使用一种基于随机采样的池化操作来生成尺度无关的注意力图。它从三个不同尺度(3×33×33×3、2×22×22×2和1×11×11×1,即池化张量)中随机选择一个1×11×11×1注意力图

Limiiiing的博客 3600

shiro+cas+tomcat在ssm项目中实现单点登陆

Shiro是一个强大且易用的JAVA框架,在保持强大功能的同时,还在简单性和灵活性方面拥有巨大优势。Shiro是一个强大而灵活的开源安全框架,能够非常清晰的处理认证、授权、管理会话以及密码加密。在单点登陆中,所有的WEB端安全验证都交由CAS完成,用以实现"单点登陆,遍地开花". 1.架构设计图 在此架构中,WEB浏览器和WEB服务端通过证书双向验证,CAS客户端与CAS服务器端进行证书双向验证...

盛小伟的博客 1703

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

PHP使用phpCAS对接CAS单点登陆系统

PHP使用phpCAS对接CAS单点登陆系统综述`CAS`单点登陆原理搭建`CAS SSO`SERVER服务端下载`phpCAS`客户端phpCAS客户端配置PHP开发对接注意 综述 本文档用来说明如何使用PHP对接CAS单点登陆系统。 想要对接使用CAS单点登陆,我们首先需要了解什么是单点登陆。本博文主要对下面几项进行说明: 了解CAS单点登录原理解析 搭建CAS SSOSERVER服务端; ...

让编程改变世界 1万+

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

了解cas协议

如果您不知道单点登陆是什么,那么先来体会一次单点登陆。首先,请在一个全新浏览器(或者清除了登录信息缓存的浏览器)的地址栏中键入www.hotmail.com,并进入您的hotmail邮箱。接下来,我们再访问www.msn.com。请看网页的右上角,您会发现您已经成功地通过刚刚的hotmail邮箱登入了www.msn.com:   这就是单点登录:即使hotmail和msn的域名表明它们完完全

csdnxingyuntian的博客 3797

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

在Weblogic中使用Yale CAS实现单点登陆(SSO)

在Weblogic中使用Yale CAS实现单点登陆(SSO)耶鲁大学开发的单点登录系统称为CAS(Central Authentication Server)被设计成一个独立的Web应用程序(cas.war)。它目前用几个Java Servlet作为实现并且通过一个Https服务器来运行。要使用单点登陆功能的Web应用作为CAS的一个客户端来运行。由于CAS使用Https协议,所以首

程序世界 9891

CAS单点登陆的原理

1.什么是CAS? CAS ( Central Authentication Service ) 是 Yale 大学发起的一个企业级的、开源的项目,旨在为 Web 应用系统提供一种可靠的单点登录解决方法(属于 Web SSO )。 CAS 开始于 2001 年, 并在 2004 年 12 月正式成为 JA-SIG 的一个项目。 2.术语解释 2.1 单点登陆 对于两个相互独立的系统A

brushli的专栏 1314

在Tomcat中使用Yale CAS实现单点登陆(SSO)

在Tomcat中使用Yale CAS实现单点登陆(SSO) 耶鲁大学开发的单点登录系统称为CAS(Central Authentication Server)被设计成一个独立的Web应用程序(cas.war)。它目前用几个JavaServlet作为实现并且通过一个Https服务器来运行。要使用单点登陆功能的Web应用作为CAS的一个客户端来运行。由于CAS使用H

程序世界 4819
上一篇: CORS简介_Cross-Origin Resource Sharing
下一篇: 集成基于OAuth协议的单点登陆
海尼尔
博客等级 码龄16年 5粉丝 12原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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