使用P3P解决IE跨域session丢失

本文介绍了一种解决在Facebook上使用iframe开发Web应用时,Internet Explorer 7 浏览器下丢失Session的问题。通过设置HTTP响应头P3P策略,可以有效避免IE7因隐私保护机制导致的Cookie丢失。

转自: http://wangcheng.javaeye.com/blog/182124

 

在Facebook上使用iframe方式开发web app,用Firefox测试没问题,用IE7测试丢失session.

 

解决方法是设置 response.addHeader("P3P","CP=CAO PSA OUR");

 

详情参考

http://zwchen.javaeye.com/blog/52196

http://hi.baidu.com/focux/blog/item/703ba711461f4a7eca80c4b3.html

http://www.javaeye.com/topic/94336

 

 

import java.io.IOException;

import javax.servlet.Filter;
import javax.servlet.FilterChain;
import javax.servlet.FilterConfig;
import javax.servlet.ServletException;
import javax.servlet.ServletRequest;
import javax.servlet.ServletResponse;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletResponse;

import org.apache.commons.logging.LogFactory;

public class KeepSessionFilter implements Filter {
    /**
     *
     */
    private static final long serialVersionUID = 1L;
    @SuppressWarnings("unused")
    private static org.apache.commons.logging.Log logWriter = LogFactory
            .getLog(TransNameFilter.class.getName());


    public KeepSessionFilter() {
        super();

    }


    public void init(FilterConfig arg0) throws ServletException {

    }


    public void doFilter(ServletRequest request, ServletResponse response,
            FilterChain chain) throws IOException, ServletException {
        HttpServletResponse res = (HttpServletResponse) response;
        // iframe引起的内部cookie丢失
        res.setHeader("P3P", "CP=CAO PSA OUR");
        if (chain != null)
            chain.doFilter(request, response);

    }


    public void destroy() {

    }

}

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
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