ASP.NET 2.0的会员、角色及配置问题的探讨

Rex_love_Burger Rex_love_Burger 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 800+累计阅读 879平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄23年
关注
转载 最新推荐文章于 2026-02-20 00:21:07 发布 879 阅读 AI 写同款· GEO 优化 ›
Asp Net Core 2 0 多角色权限认证 阅读详情
一、 简介

　　在本文中，我们将主要探讨ASP.NET 2.0的会员、角色和配置问题。ASP.NET中的会员系统提供了一个可编程API用于创建和管理用户账户，而其中的角色部分使开发者能够定义一组角色并把用户与角色相关联。典型地，一个提供用户账户的网站都具有只为某些用户、认证用户或属于特定角色的用户所存取的内容部分。

　　例如，一个Web站点可能有一组页面-它允许一个信任用户编辑该Web站点的内容或管理已有用户。不是简单地试图隐藏这个页面并且希望没有人偶然在浏览它时遇到麻烦，或硬编码授权而仅允许单个用户；一种更为强壮和安全的方式是定义一个管理员角色-然后赋给他一组选出来的信任用户。然后，这些管理web页面被进一步配置以允许仅对那些具有管理员角色的用户可以存取。同样，该Web站点可能包含一组只有认证用户可以存取的页面。

　　既然该站点的某些部分可能只能为某些用户所存取，那么，这就使得我们在站点导航时有点进退两难。我们是否要包括那些只有授权用户才能在Web站点的站点地图中存取的页面？如果我们这样做了，那么所有的用户将会在该站点的菜单或树视图中看到受限制的页面。为什么不能向存取它们的用户显示指向这些页面的链接呢？如果我们从站点地图上删除了这些受限制的页面，那么那些来观看这些页面的授权用户就无法容易地导航到它们，因为它们不是站点地图的一部分，并因此不会出现在该站点的树视图或菜单中！

　　值得庆幸的是，ASP.NET 2.0的站点导航提供了一种称为安全性修剪的特性。当用支持安全性修剪的功能获得站点地图信息时，只有那些当前登录的用户具有访问授权的站点地图结点才是可用的。这意味着，站点的TreeView或Menu将仅包含为当前登录用户可存取的那些部分。要想了解怎样配置站点导航以支持安全性修剪，请接着往下读！


　　二、 配置ASP.NET 2.0的会员和（可选）角色

　　既然站点导航安全性修剪把站点地图数据基于访问页面的用户和为站点地图中的页面定义的授权设置，那么在我们可以分析安全性修剪之前，你必须首先配置你的Web站点以使用ASP.NET 2.0的会员服务功能。(你也可以配置该站点来使用角色，并使用基于角色的授权优点，但是这对于展示安全性修剪概念并不作要求。)至于详细讨论怎样配置一站点以使用会员和角色已经超出了本文的范围。

　　在本文最后的下载中包括一个可用实例-它实现为一个Web站点安全地修剪站点地图。该站点实现了会员和角色。如果你不想在一个新的Web站点上花费时间来安装会员和角色特性的话，你可以使用它。具体地说，在本文后面可下载的Web站点中包含两个角色-管理员（Administrator）和测试员（Tester），并有四个用户：

　　·Superman，其角色为管理员和测试者
　　·Admin，其角色为管理员
　　·Mr.Tester，其角色为测试者
　　·Average User，没有任何角色

　　而且，我在该工程中有三个文件夹：Admin，Tester和AuthUsersOnly。前两个文件夹已经被配置仅允许具有管理员和测试者角色的用户存取。AuthUsersOnly文件夹被限制仅用于认证的用户。

三、 配置站点导航以使用安全性修剪

　　默认地，站点导航并不使用安全性修剪。不管什么用户正在访问站点，并且不管定义什么样的授权规则，当每个用户通过一TreeView或菜单Web控件来观看站点地图数据时，他都被可以看到站点地图中的所有部分。通过启动安全性修剪，站点导航系统将自动地基于当前登录的用户和为站点地图中的＜siteMapNode＞元素所参考的页面的授权而限制显示结果。

　　可以使用下列模式通过Web.config文件来配置站点导航设置：

＜siteMap defaultProvider="XmlSiteMapProvider" enabled="true"＞
＜providers＞
＜add name="XmlSiteMapProvider"
　　description="Default SiteMap provider."
　　type="System.Web.XmlSiteMapProvider"
　　siteMapFile="siteMapFileName"
　　securityTrimmingEnabled="true" /＞
＜/providers＞
＜/siteMap＞

　　回想一下在本系列第一部分中的讨论-站点导航系统使用了提供者模型。这个模型提供给开发者一些良好定义的公共API，但是允许（如果需要的话）定制内部实现细节。缺省地，站点导航特点使用XmlSiteMapProvider-它从XML格式化的站点地图文件Web.sitemap中获得站点地图信息。你可以通过Web.config文件来改变所使用的提供者，或修改针对缺省提供者的缺省设置。

　　为了定制缺省提供者的设置，只要简单地添加一新的提供者-它使用与缺省提供者(System.Web.XmlSiteMapProvider)相同的类型来定制所需要的设置。上面显示的代码片段展示了定制两个XmlSiteMapProvider的设置：

　　·siteMapFile设置指定由提供者所使用的站点地图文件的文件名；缺省地，这个值是Web.sitemap。你如果喜欢，可以在此定制文件名。但是，我鼓励你确保站点地图文件名以.sitemap扩展名结尾，因为缺省地这个扩展名被ASP.NET引擎保护，从而阻止web访问者观看站点地图文件。

　　·securityTrimmingEnabled设置显示是否使用安全性修剪。为了使用安全性修剪，可以把它设置为true，如上面所示。

　　就是这些！仅需作此改变，站点导航系统就会根据当前登录的用户和为在＜siteMapNode＞元素中的URL定义的授权设置非常聪明地返回正确的部分。下列屏幕快照显示了当分别在匿名访问者（还没有登录的）、普通用户以及Admin用户访问时的TreeView的显示情况。该匿名访问者仅能看到两个链接-Home和 My Blog。普通用户能看到另外的一个链接-Auth Users，而匿名访问者是看不到它的，因为这个结点的url(/~/AuthUsers/Default.aspx)被配置为仅允许认证用户观看。Admin用户还能看到另外其它链接，因为他是管理员角色并且为Admin站点地图结点(~/Admin/Default.aspx)所指向的URL被配置仅允许由管理员存取。

四、 用角色属性阻止安全性修剪

　　可能有一些时候-你想要显式地通知安全性修剪不要为一个特别的角色或一组角色修剪一个站点地图部分。例如，如果你的站点地图包含一个到外部资源的链接，那么该站点导航系统不可能针对这个远程资源确定授权规则。因此，它为所有的用户修剪该结点。也就是说，如果你启动了安全性修剪功能并且在用一外部链接(如＜siteMapNode url="http://www.scottonwriting.net/sowBlog/" title="My Blog"/＞)使用一个站点地图，那么，没有用户会在TreeView或Menu控件中看到这些。然而，你可能想要让该站点导航系统为那些具有Administrator和Tester角色的用户显示这一结点。(或不考虑任何用户的角色。)

　　同样，即使他们没有被授权存取该资源，你也可能想向这些用户显示一个局部站点地图结点。例如，一访问该站点却还没有登录的用户肯定不会看到在TreeView中的Admin链接。然而，我们仍可能想显示之。点击它将会使用户被导航到~/Admin/Default.aspx页面，此时，系统将看到他们没有被认证。这将把他们引导到登录页面。在登录后，他们将被自动地引导回Admin页面。如果他们不是管理员角色，他们将被送回到登录页面，否则他们将被同意存取Admin部分。

　　为了不修剪针对一个特定的站点地图结点的特别角色，可以使用在相应的＜siteMapNode＞元素中的角色属性。(注意：这一设置不会应用到descendent＜siteMapNode＞元素；也就是说，对那些显式地指定另外的应该看到该结点的角色，你必须显式地在每一个＜siteMapNode＞元素上设置这一属性)。此角色属性能包含一个角色名，一个用逗号间隔列表的角色名字，或一个星号(*)来表示所有的用户。包含在本文末尾的下载文件中的下列站点地图文件显示出怎样使用角色属性来使得所有的用户拥有一个外部的站点地图结点参考。（可以联想到，当启动安全性修剪功能时，如果在此忽略角色属性，这将导致不向任何用户显示这个站点地图结点。)>

＜siteMap xmlns="http://schemas.microsoft.com/AspNet/SiteMap-File-1.0" ＞
＜siteMapNode url="~/Default.aspx" title="Home"＞
＜siteMapNode url="~/About.aspx" title="About" /＞
＜siteMapNode url="~/Admin/Default.aspx" title="Admins" /＞
＜siteMapNode url="~/Tester/Default.aspx" title="Tester" /＞
＜siteMapNode url="~/AuthUsers/Default.aspx" title="Auth Users Only" /＞
＜!-- For links to outside resources, need to explicitly define what
roles should be shown this section --＞
＜siteMapNode url="http://www.scottonwriting.net/sowBlog/" title="My Blog"
roles="*" /＞
＜/siteMapNode＞
＜/siteMap＞

　　该角色属性还可以用于在安全性修剪功能性上增加一些性能改进。在启动了安全性修剪功能后，站点导航提供者为所有的定义在站点地图中的结点自动地检查授权规则。对于那些你想要向所有的用户显示的结点，通过添加roles="*"，你可以绕过这一检查，如上例中所示。通过添加这个属性，你会短路正常的授权检查，从而改进安全性修剪性能。


　　五、 结论

　　除了提供站点导航支持外，ASP.NET 2.0还使得构建包括用户帐户支持和基于角色的授权的Web站点非常容易。随之而来的并不令人感到惊奇-这两个系统可以互操作并且提供一个站点地图-其返回内容是基于当前登录的用户和定义在站点地图中的URL的授权设置。配置站点导航以限制基于访问用户和授权设置的结果就象把一些代码添加Web.config文件一样地容易。

 
收录于
Asp.Net

当前文章被收录于：

Asp.Net
33 篇文章 0 人学习
订阅专栏 查看详情
标签
#asp.net #url #web #测试 #resources
#menu
告别谷歌翻译失效！手把手教你用Immersive Translate插件实现双语网页阅读（附Chrome/Edge/Firefox保姆级配置） 本文详细介绍了如何使用Immersive Translate插件实现双语网页阅读，解决谷歌翻译失效的问题。通过Chrome、Edge和Firefox的保姆级配置指南，帮助用户轻松安装和使用这款支持双语对照、智能识别网页内容的翻译插件，提升外文资料阅读效率。 阅读详情

相关推荐

POWER SI仿真流程

一、打开软件Power SI二、加载PCB，可以直接使用brd文件，不用再进行格式转换三、check Stackup，与原来的PCB叠层对照一遍，检查数据加载后有没有出错。四、select Nets，加载brd文件后，可能所有的网络都处于使用状态，先在右侧net manager下面右键disable all nets，再使能需要仿真的电源网络（如果要仿真的网络没有归属到电源网络，在其上右键，选classfy as power \ground nets）

lx5213的博客 1316

ASP.NET 权限设置杂记

最近整理了下笔记：发现有个ASP.NET用户权限设置笔记，就翻出来分享下~~~ 利用web.config文件对整个程序集进行配置 单个页面授权设置代码如下： <!-- 只对Default.aspx这个页面授权访问--><location path="Default.aspx"><!--location指定了...

weixin_34384681的博客 305

超详细 | 贝叶斯网络基础——有图有真相

Hello，大家好，我是starz。这是本系列的第二篇《概率基础Ⅱ》，虽说是概率基础，但作为过渡，它开始以图为载体 这节的主要内容有： 贝叶斯网络 三种结构 D-划分 贝叶斯球 马尔科夫毯 应用例子 总结 让我们开始吧 :3 贝叶斯网络 概率图模型可笼统分为两类，一是基于无向图的马尔科夫网络： 二是基于有向图的贝叶斯...

qq_41603411的博客 2万+

ASP.NET2.0导航功能之配置会员和角色

一、 简介　　在本文中，我们将探讨ASP.NET 2.0的会员、角色和配置问题。ASP.NET中的会员系统提供了一个可编程API用于创建和管理用户账户，而其中的角色部分使开发者能够定义一组角色并把用户与角色相关联。典型地，一个提供用户账户的网站都具有只为某些用户、认证用户或属于特定角色的用户所存取的内容部分。　　例如，一个Web站点可能有一组页面——它允许一个可信任用户编辑该Web站点的内容或管理...

weixin_34357887的博客 163

基于灰度信息的图像配准方法

图像配准方法分为三种：基于灰度信息方法、基于变换域方法和基于特征方法。基于灰度信息方法是直接根据图像或图像块灰度信息进行像素上的对齐，该方法主要思想是直接最小化图像信息差异。然而，图像信息差异的判断准则衍生出不同的配准方法。常见的基于灰度信息的图像配准方法包括互相关法、互信息法和误差平方和法。本节将分别对互相关法、互信息法和误差平方和算法展开介绍，并通过MATLAB进行演示。基于灰度的图像方法容易实现，但同样存在不足。该方法对成像条件(光照，遮挡)、图像形变旋转以及噪声极其敏感，同时具有较高的计算复杂度。

weixin_42068054的博客 3775

【VisionMaster】图像源模块之本地图像

图像采集之图像源

zhy29563 6957

ASP.NET网站开发——成员资格和角色管理

成员资格和角色管理一、成员资格管理    一、成员资格简介        ASP.NET成员资格支持下列功能:        （1）创建新用户和密码。        （2）将成员资格信息（用户名、密码和支持数据）存储在Mixrosoft SQL ActiveDirectory或其他数据存储区。        （3）对访问站点的用户进行身份验证。可以以编程方式验证用户，也可以使用ASP.NET登录控...

张熠彤的编程博客 494

UE5新手必看：3种UI定位方法实战（含蓝图配置截图）

本文为UE5新手详细解析了三种核心UI定位方法：屏幕空间、场景空间和世界空间。通过实战蓝图配置与控件操作，指导开发者如何根据HUD、角色血条、3D物体标记等不同应用场景，正确选择并配置UI的定位方式，以实现清晰的信息传递与沉浸式体验。

weixin_29018815的博客 473

普通商城程序，提供3层角色，普通用户，管理员，普通商家

普通商城程序，提供3层角色，普通用户，管理员，普通商家

质量不太好的博客 4336

vue3 - vite报错TypeError: crypto.hash is not a function（vue3+vite启动运行提示错误，项目无法启动且打包报错失败，详细解决排查方案教程）

vue3 vite 报错，vue3+vite启动报错：TypeError: crypto.hash is not a function，创建vue3+vite项目时报错TypeError: crypto.hash is not a function，如何解决这个问题，VUE3+VITE报错crypto.hash，vue3运行报错，vite运行报错，vue3打包报错，vite打包报错，vue3新建项目无法运行，vue3 vite创建项目直接报错了，node版本不兼容，修改了node版本还是不行，依旧报错，一直

✅ 精选推荐文章 1万+

服务部署之配置WSUS更新服务（基于Windows配置 Server 2022）

服务部署之配置WSUS更新服务（基于Windows配置 Server 2022）

2301_77192876的博客 2213

ASP.NET 2.0 Membership

转自： http://www.asp.net/learn/withpss/default.aspx?tabid=63               http://www.asp.net/learn/withpss/module8.aspx?tabid=1 Module 8: ASP.NET 2.0 MembershipASP.NET Membership builds on th

monkeyliu19801029的专栏 2613

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

asp.net 2.0教程 成员资格和角色管理

每一个完善的网站管理系统都应该包括用户管理、角色管理，都包含用户注册、密码修改、用户登录、身份验证等功能。在asp.net 1.x时代，程序员为了这些常用的功能反复做着重复性的工作，今天的asp.net 2.0替我们封装了这些常用控件及机制，给我们带来了诸多便利。接下来两节我们就来学习这方面的内容。这一节我们讲述asp.net 2.0的成员资格和角色管理部分。1、asp.net的身份验证方

徜徉在微软的陷阱 986

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

ASP.NET2.0 MemberShip RoleManager详解及配置

 一套完善的用户权限系统少不了成员和角色的管理，而权限系统相对于网站的其他部分又相对独立。ASP.NET 2.0把成员和角色管理封装成了一个完整的系统。对于小型的系统，我们可以使用登录控件和ASP.NET网站管理工具来实现成员和角色管理（无需编写一行代码），对于大型的系统，我们也可以使用ASP.NET 2.0成员资格和角色管理器API来编码实现自定义的成员和角色管理。   ASP.NET 2.

yymimang的专栏 3126

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")

保护你的ASP.NET应用程序 15.5 ASP.NET 2.0的成员资格和角色管理器

保护你的ASP.NET应用程序  15.5 ASP.NET 2.0的成员资格和角色管理器 15.5  ASP.NET 2.0的成员资格和角色管理器一套完善的用户权限系统少不了成员和角色的管理,而权限系统相对于网站的其他部分又相对独立。ASP.NET 2.0把成员和角色管理封装成了一个完整的系统。对于小型的系统,我们可以使用登录控件和ASP.NET网站管理工具来实现成员和角色管理

bhbh520 2000

asp.net2.0安全性(用户角色篇)

安全管理的解决方案在.net1.1中几乎为一片空白，对于应用程序的验证与授权大部分的工作是开发人员自己编写代码，或者是借助企业库等工具来实现，此可谓.net1.1中的一大缺憾。在.net2.0中微软为

BraveHeart专栏 1989

ASP.NET 2.0 Login控件

作者：Keith Brown相关技术：安全、ASP.NET 2.0难度：★★☆☆☆     [导读]在安全已经成为首要问题的今天，ASP.NET 2.0给了开发人员极大的信心，从新引入的服务器段安全控件、角色定义、密码恢复及其基于成员和角色的编程，ASP.NET 2.0让您的系统更加安全可靠。    新的安全性功能是ASP.NET 2.0中的一项重大改进。这些功能包括管理用户帐户数据库的成员身份服

海雅 海的雅致 5479

ASP.NET2.0学习6--角色控制与管理

角色控制与管理 • 认证与授权机制• 使用用户管理控件• 成员资格与角色管理 一、ASP.NET 2.0 安全性必要性对于网站而言，用户身份认证与权限管理是非常重要的部分。通过用户名和密码，对用户进行身份验证，并指派他可访问的资源，这部分工作一直都是网站开发的重要内容。 在另外一些情况下，需要根据用户的身份进行权限识别，不同用户访问相同页面，也需要显示不

gongchl2006的专栏 2593

學習ASP.NET 2.0會員機制三部曲

緣起 怎麼建置會員機制，這個問題幾乎每隔一段時間就會在討論區中被人提起。小喵利用這個機會把以前寫過的文章整理一下，依照由淺而深的方式來學。 首部曲(動畫教學驗證授權機制) 在ASP.NET 2.0裡面，已經有內建一套會員機制，讓初學者可以在不撰寫任何程式碼的情況下，應用在自己的ASP.NET 2.0的Web應用系統中。這個方式必須搭配SQL Server Express。所以如果沒有...

abcd0101001的博客 123
上一篇： 从ASP过渡到ASP.net遗留的二十大积习
下一篇： 实时切换CSS样式
点赞 0
评论 0
书签 书签 0
Rex_love_Burger
Rex_love_Burger
博客等级 码龄23年 13粉丝 47原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 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