C1-2数据抓包与模拟传输

本文记录了一位开发者在遇到信息传递难题时,如何借助Postman进行网络抓包来解决问题的过程。从初次接触Postman的困惑,到在浏览器F12检查中发现关键的form-data数据,再到成功在Postman中模拟发送信息并收到回复,作者详细描述了这一学习与实践的历程。此外,还提到了模拟登录和课堂信息收发的场景。

C1-2认证任务

任务说明:
在这里插入图片描述
在这里插入图片描述

利用csdn浏览器助手可以直接进行json格式化,经过格式化后我们可以看到暗号为以下内容。
在这里插入图片描述

之后的操作属实让我挠头,我发现我只会做到这里,只能受到信息传不出去啊。然后我借鉴了其他人的帖子,发现可以选择postman抓包工具进行网络抓包。这对我来说,是一个全新的开始。当我刚开始使用postman时,我post到的所以信息就只有上图显示的那几段。其他人收到的几个关键信息phone和usename我根本就没收到啊。
在这里插入图片描述
就感觉很无奈,我尝试了各种设置,都没有得到正确的信息。之后我在浏览器的F12检查中偶然发现的form-data数据
在这里插入图片描述
我不知道为什么,我在postman没有接收到这两条,却是在浏览器检查中看到的。
之后,我尝试把这两条信息填写到postman中,并添加之前给出的返回信息,kouling:今晚打老虎
在这里插入图片描述

于是成功的得到了回复信息。
Wow,nice!

任务二:用模拟器收发信息。
首先进行登录并创建课堂
复制登录信息,并建立一个小号
我这里是教师号是微软账号,学生号为自建号。
学生号输入登录信息,进入对应计算机模拟信息传送课程
在这里插入图片描述
在这里插入图片描述

加入房间-连接成功
在这里插入图片描述

尝试发送ascll码类型信息
在这里插入图片描述
在这里插入图片描述

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护协同建模的双重目标。项目涵盖完整的系统架构设计,括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集个性化推荐展示,Java后端支撑高并发服务日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练全局聚合的协同逻辑,同时可基于项目架构进行算法替换功能扩展,适用于科研验证工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
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