我的 文件夹“共享和安全”功能不见了!!

Win10文件夹共享功能关闭指南:保障数据安全与隐私的实用步骤 然而,随着项目的结束或出于安全考虑,我们可能需要关闭某些文件夹的共享权限,以防止未经授权的访问。然而,如果不再需要共享或出于安全考虑,继续开启文件夹共享可能会带来数据泄露的风险,特别是当文件夹包含敏感信息时。在共享文件夹列表中,找到需要取消共享的文件夹,右键单击它,选择“停止共享”。在计算机管理控制台中,展开左侧的“系统工具”节点,然后依次展开“共享文件夹” -> “共享”。在共享选项卡中,点击“高级共享”按钮。在文件资源管理器中,找到需要取消共享的文件夹,右键单击该文件夹,选择“属性”选项。 阅读详情

打开我的电脑---"工具"菜单---"文件夹选项"---"查看"标签,将里面的"使用简单文件共享"前面的勾去掉。

【网络共享文件夹】多电脑之间无线访问文件夹传输文件之“电子神偷” 使用这个功能,再也不用带U盘到处跑了,只要有网络,电脑打开直接能拿到另一台电脑上的文件,传输速度也是嘎嘎快 阅读详情

相关推荐

windows10 局域网共享文件夹

今天一个不是搞技术朋友突然找我问这样一个问题:如何在局域网内共享文件?本来我的第一反应是 svn?结果安装好 svn 服务后,朋友表示看不懂(因为他不是搞技术的,对计算机不太了解)。于是我就去搜索本地搭建云盘(PS:阿里云/百度云等,若想满足他的需求:大量的上传下载文件。则需要办理会员),搜到了几个本地云盘的搭建,但是还需要搞环境什么的,而且环境出问题了,朋友也不会搞,SO,怎么办呢?灵机一动,既然他是要求局域网,那么直接搞局域网windows文件共享就好了哇。Next,开动!!!!

MichaelZ的博客 3816

文件夹属性中找不到“安全”选项卡

我使用的是Windows XP系统,为何在文件夹属性中找不到“安全”选项卡?   答:这可能是由以下原因造成的。   1.该文件夹所在分区不属于NTFS格式。目前,只有NTFS格式的分区才可以设置ACL(访问控制列表)。如果该分区不属于NTFS格式,那么在分区或文件夹属性中将无法看到“安全”选项卡。如果要将分区的格式转换为NTFS,例如把D盘转换为NTFS格式,可以运行“con

记录点滴 2976

Win10共享文件夹只读模式设置教程

通过本文的介绍,我们了解了如何在Win10系统中设置共享文件夹的只读模式。这一设置可以有效避免因为不同用户的修改而导致的混乱和冲突,确保共享文件的安全性和一致性。希望本文能对大家有所帮助!

nntxthml的博客 1994

Win10文件夹共享(有密码的安全共享)(SMB协议共享)

将插到电脑上的移动硬盘里面的音视频文件进行共享,这样其他设备可以通过SMB协议进行访问浏览这些共享的音视频文件,而无需进行拷贝。 保证了一次写入(移动硬盘),随处(everywhere)读取. 电脑共享的文件夹(如音乐、电源文件),可以使得手机、平板、智能电视等终端在同一个wifi下,进行访问(播放)。

浣花御劍 3万+

慕课软件质量保证与测试(习题集)

慕课金陵科技学院.软件质量保证与测试.期末复习.习题汇总0 总目录1 绪论1.1 软件质量保证与测试的产生与发展1.2 软件缺陷,软件错误,软件故障1.3 软件质量保证与测试的意义,原则和挑战1.4 单元测试1.5 课后作业2 软件测试策略2.1 软件测试的模型,过程和生命周期2.2 软件测试的方法和技术2.3 单元测试2.4 课后作业3 黑盒测试3.1 黑盒测试概述3.2 等价类划分测试3.3 边界值测试3.4 错误推测法3.5 判定表驱动法3.6 因果图法3.7 场景法3.8 正交实验法3.9 单元测试

weixin_42473228的博客 5万+

ExoPlayer硬解码实战:如何绕过系统默认软解码提升播放性能(附完整代码)

本文深入剖析了ExoPlayer默认解码器选择机制的不确定性,并提供了通过自定义MediaCodecSelector强制启用硬解码的完整实战方案。该方案能有效解决因软解码导致的播放卡顿、黑屏花屏及高功耗问题,显著提升Android应用在各种设备上的视频播放性能与稳定性。

weixin_29295541的博客 458

文件夹的共享功能和修改文件夹共享权限

摘要:设置文件夹共享权限需根据系统采取不同措施。Windows系统中,应避免使用"Everyone"组,精细设置共享与NTFS权限,限制访问IP范围并定期审查;macOS系统则需选择共享对象、设置访问权限、启用加密连接并关闭访客访问。修改"Everyone"权限时,Windows通过文件夹属性调整,macOS在共享设置中修改或移除。核心原则是避免过度授权,确保数据安全。

前端技术的学习整理 2786

深空探测处理软件USGS-ISIS的下载安装

深空探测处理软件USGS-ISIS下载安装教程

qq_31721595的博客 3313

局域网内如何共享文件夹,如何解决文件共享的安全性?

局域网内文件共享的设置方法

m0_53546357的博客 1万+

从末流211到东南软院:一个普通CS学生的保研逆袭全记录(含GPA、竞赛、面试避坑点)

本文详细记录了一位来自末流211院校的CS学生如何通过合理规划和持续努力,成功保研东南大学软件学院的完整历程。文章分享了GPA提升、竞赛策略、夏令营申请和预推免准备等关键环节的实战经验,特别强调了竞赛在弥补科研短板中的重要作用,为普通背景学生提供了可复制的保研逆袭方案。

weixin_33417488的博客 393

探索Python融合地学:一文解决osgeo库安装失败问题

总结一下,要安装osgeo模块,关键在GDAL依赖库的安装,如果能够顺利安装GDAL依赖库,因其是osego的模块,因此osgeo的部分模块也能够得到自动安装,此时再运行代码,发现代码并不报错,能够正常运行了。第一步,我们要安装imagecodecs库,它支持多种常见的图像格式,当然也包含我们的目标tif格式,为方便后续的图像处理和安装osgeo模块,先安装此库。目前GDAL已经更新到了3.10版本,这里主要看你的Python版本是上面,小编用的是Python3.13,电脑是64位的,因此,我们选择。

Promising_GEO的博客 5464

解決“你不能访问此共享文件夹,因为你组织的安全策略阻止未经身份验证的来宾访问”

原因:被强制以Guest账户登录。特别是Windows10/win11家庭版升级专业版后或使用家庭版的用户会发生这个。Windows 11无法访问共享文件夹,提示“阻止未经身份验证来宾访问”,可通过修改注册表解决:打开注册表`Lsa`路径,设置`forceguest=0`、`LmCompatibilityLevel=1或2`,清除凭据管理器并重启电脑即可。

可信计算的博客 7984

LLC变压器,常见的4大问题解决方案

其中之一是当付边的绕组的匝数或层数较多的时候,层间或匝间寄生电容和付边的漏感发生一个寄生的振荡,轻载的时候,这个振铃的幅度会达到很高,导致输出电压比设计的要高许多。但当输入是低压的时候,开关频率比较低,LLC谐振回路的增益较大,因而比较容易发生变压器饱和的问题。由于LLC变压器工作在LC谐振状态,LC谐振回路有个特点就是Q值问题,在这里Q值是大于1的,因而就会有实际加在变压器上的电压要比输入电压高的问题,因而在设计变压器的时候就必须考虑到这一点,否则变压器就不是工作在你设计的磁感应强度上。

1268

开启共享文件夹/共享打印机功能

适用于:Windows 10 神州网信政府版 概要: 基于GB/T 30278-2013 《信息安全技术政务计算机终端核心配置规范》的要求对Windows 10神州网信政府版(以下简称CMGE)做了定制修改,默认关闭了文件共享相关功能。开启共享文件夹/共享打印机功能可能会引发安全风险,在进行操作前请确认知悉此风险。 此文档整合了CMGE与CMGE、Windows 7和Windows XP之间互...

HuZc的博客 1万+

Cadence virtuos安装教程

本文详细介绍了在Ubuntu 18.04系统上安装Cadence Virtuoso IC617及MMSIM的完整流程。主要内容包括:1)系统环境准备(安装JDK及相关依赖包);2)通过创建软链接和修改系统文件实现RedHat环境兼容;3)共享目录文件操作与分卷压缩包合并解压技巧;4)使用InstallScape工具的安装步骤详解,包括权限处理和配置选项。特别提醒需注意系统兼容性处理(如创建redhat-release文件)和分卷压缩包的特殊解压方法(cat合并)。整个安装过程涉及大量Linux命令操作,需特

wangjie36的博客 302

【目标检测】基于yolov5的铝型材表面缺陷检测(附代码和数据集,Ubuntu或者Linux系统均可运行)

【目标检测】基于yolov5的铝型材表面缺陷检测(附代码和数据集,Ubuntu或者Linux系统均可运行)

学无止境、积少成多、厚积薄发 2171

windows的共享文件夹

Windows共享文件夹是一种强大的网络资源共享机制,允许用户在网络环境中轻松访问和交换文件。通过这种功能,用户可以在不同计算机之间实现文件和数据的无缝传输,极大地提高了工作效率和协作便利性。共享文件夹不仅简化了文件管理流程,还为企业和个人用户提供了一种高效的数据同步和备份解决方案。这一特性使得Windows操作系统成为局域网环境中不可或缺的工具,促进了信息的快速流通和团队协作效率的提升。

2401_86544677的博客 2594

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

配置共享文件夹和文件服务器

最后,希望以上的对大家有用。

koi10的博客 4859

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")

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

异地电脑文件夹共享吗?

在现代社会中,人们越来越多地需要在不同的地方使用电脑来处理文件和数据。对于那些在异地工作或旅行的人来说,如何共享和访问自己的文件夹成为一个棘手的问题。幸运的是,有一些方法可以帮助我们在异地共享电脑文件夹,并实现。本文将探讨用于异地电脑文件夹共享的一种有效方法,即【天联】组网。

2301_78526531的博客 2081

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

VMware虚拟机之文件夹共享&jdk和tomcat安装&防火墙设置

在平常办公处事时,最常用的共享方式一定还是高级共享,可以把想要传送的文件进行更加精细的传送,不用耗费大量的时间进行搜索,也更加保护文件的安全性和隐私性。

2301_79278613的博客 2920

局域网配置共享文件夹,开机自动共享

局域网文件共享图文详解,配置自动共享,解决访问时权限不足报错,scp协议传输文件

h1008685的博客 1万+

Windows 10 取消共享已共享的文件夹 - 图文版

摘要:本文介绍Windows10系统下取消文件夹共享的3种常用方法:1)右键直接停止共享(最快);2)通过属性-高级共享取消(最彻底);3)通过计算机管理批量查看/取消所有共享。文章还提供了验证共享是否关闭的方法,以及彻底关闭电脑共享功能的步骤。针对取消共享后仍能看到文件夹或提示"无法停止共享"等问题,给出了简单有效的解决方案。三种方法操作简单,按顺序尝试即可解决问题。

m0_48968874的博客 2219

win11怎么共享文件夹 Windows11共享文件夹的设置方法

共享文件是企业或团队经常需要使用的一项功能,可以大大提高工作效率和沟通效率。但是不少用户升级Win11系统之后,不知道怎么设置共享文件夹了。下面为大家带来的就是Win11系统共享文件夹的设置方法了。更多Windows11系统安装教程可以参考小白刷机网。 共享文件夹的设置方法 1、为了安全我们最好设置一个专门的共享账号,首先我们在桌面上右键点击“此电脑”打开“设置”菜单。 2、接着开启计算机管理窗口,打开“系统工具”-“本地用户和组”-“用户”,在用户上右键点击打开“新用户”。 3、打开创建新

qq_29508575的博客 2万+

(iPhone)手机通过windows共享功能实现文件共享

准备 可以支持共享操作的电脑,我的是windows 10 支持连接smb或者共享服务器的手机,我的是iPhone11,使用的是“文件”APP 手机和电脑在一个网内,也可以通过共享wifi实现。 电脑设置 不会操作的,可以看官网 https://support.microsoft.com/zh-cn/help/4092694/windows-10-file-sharing-over-a-network 选择你想共享的文件夹,我选择 F盘的无损音乐的文件夹,点击属性,选择共享选项卡 点击共享,可以选择所有

爱码士的博客 2万+
上一篇: 新的开始。
下一篇: ORA-12154,你这个讨厌的坏东西。
安欧碰麦蔻德
博客等级 码龄19年 17粉丝 147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