会话技术

会话技术–Cookie

1.引入会话的原因:因为http协议是无状态的,所以在每个客户访问服务器资源时,服务器无法识别客户端,所以需要使用会话技术识别客户端的状态。引入会话技术就是帮助服务器去区分客户端。
2.一次会话:从打开一个浏览器访问某个web站点,到关闭该浏览器的过程就是一个会话。会话技术记录了这次会话中客户端的状态和数据。
3.会话技术:会话技术访问Cookie和Session。

Cookie会话技术

1.什么是Cookie
    Cookie在浏览器与服务器中的传输过程:
        1.当第一次浏览器访问服务端时,cookie不存在;
        2.在访问的资源中如果有共享的数据,那么服务端将创建一个cookie对象,将数据保存到该cookie对象中;
        3.服务器将在响应的消息中增加set-Cookie头字段,响应携带着cookie数据保存到浏览器中;
        4.当浏览器再次访问该服务器时,都会在请求信息中将保存的数据以cookie的形式发送给服务器。这样服务器就能知道是当前的请求时由那个用户发出的。
Cookie技术就是将用户的信息保存到浏览器的一个技术,当下次访问时,浏览器将会自动携带cookie的信息过去服务端。
2.学习cookie
    从上面的分析可以知道,学习cookie主要分为两个部分:一是在服务端中产生cookie,并将其发送给客户端;二是服务器从客户端中接收携带的cookie
2.1服务器向客户端发送一个cookie
    1.创建一个cookie
        Cookie cookie = new Cookie(String cookieName,String cookieValue);
    注:在cookie中不能存储中文
    2.设置Cookie的持久化
        Cookie对象创建出来默认是会话级别的(即会话结束就销毁),如果设置了持久化时间,那么,cookie信息将会被持久化到浏览器的磁盘文件中。过了持久化时间后浏览器自动删除该cookie的信息。
        cookie.setmaxAge(秒);
    3.设置Cookie的携带路径
        cookie.setPath(String path)
    注:如果不设置携带路径,那么cookie信息会在访问产生该cookie的web资源所在的路径到携带cookie信息;设置了携带路径,那么cookie信息会在访问设置的路径资源时才会携带,其他路径不会携带。
    4.向客户端发送cookie
        response.addCookie(Cookie cookie)
    注:cookie会以响应头的形式发送给客户端。

注:如果想删除客户端已经存储的cookie信息,那么就使用同名同路径的持久化时间为0的cookie进行覆盖即可。

2.2服务端接收客户端携带的cookie
    1.通过request获得所有的Cookie
        Cookie[] cookies = request.getCookies();
    2.遍历Cookie数组,通过Cookie的名称获得需要的Cookie
        for(Cookie cookie:cookies){
            if(cookie.getName.equal(cookieName)){
                String cookieValue=cookie.getValue();
            }
        }
注:cookie信息是以请求头的方式发送到服务端的
内容概要:本文详细介绍了一个基于JavaVue的联邦学习隐私保护推荐系统的设计与实现。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与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、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,并结合差分隐私与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与个性化推荐展示,Java后端支撑高并发服务与日志处理,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与工程参考价值。 适合人群:具备一定JavaVue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)与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,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与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,这些现象包括遗传、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。 举一个平方的例子。 简单的平方问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
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