Prodan Labs Prodan Labs
3年前
IoT基础架构的演进 — 边云自定义消息传输
边缘计算不仅仅是将应用部署在边缘,并对其进行自动化的监控和运维。在许多应用场景里,边缘和云上应用需要进行特定的消息传输、数据交换等,以完成边云协同的业务处理。例如,用户需要从云端发送命令至边缘的应用来触发特定的业务,或者边缘设备需要将采集的业务信息上传至云端处理。KubeEdgev1.6版本增加了自定义边云消息传输的支持,用户可以根据场景,借助Rule
liam liam
2年前
程序员的摸鱼加速器!
最近趁摸鱼时间体验了一款神器,堪称后端前端们的摸鱼加速器,测试们的寿命催化剂。那就是:Apifox。中国自主研发的集文档、接口调试、Mock、接口自动化测试一体的协作平台。一套系统、一份数据,可解决多个系统之间的数据同步问题。定义好接口文档,则接口调试、数据Mock、接口测试就可以直接使用,无需再次定义;接口文档和接口开发调试也可以同一个工具,接口调试完成后
李志宽 李志宽
3年前
CTF 中如何欺骗 AI
近年来,笔者在国内外CTF竞赛中见到不少与AI相关的题目。有一些是需要选手自行实现一个AI,来自动化某些操作;有些是给出了一个目标AI模型,要求选手进行破解。本文主要谈论后者——在CTF竞赛中,我们如何欺骗题目给出的AI?CTF中的欺骗AI问题一般分成两类:基于神经网络的和基于统计模型的。如果题目要求选手欺骗神经网络,一般会给出白盒
Stella981 Stella981
3年前
Edraw Office Viewer component教程(一):将Microsoft Word嵌入VB.NET并使之自动化
Edrawofficeviewercomponent(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fwww.evget.com%2Fproduct%2F2071)对于开发人员来说是一个将MicrosoftWord文档嵌入到vb.net应用程序中的简单可靠的解决方案。在VB.
Wesley13 Wesley13
3年前
IP地址定位技术中基础数据采集怎么做?
IP地理位置定位技术,包含基础数据采集、硬件系统搭建、应用场景划分和定位系统研发四项关键技术。基础数据采集为IP地理位置定位技术的研究提供基础数据支撑,是IP地址定位的基础性工作和关键技术。首先,按照不同的数据采集规则,针对不同数据源的数据格式,研究并实现一套自动化的智能化的数据采集技术;其次,对采集到的数据进行筛选、清洗和挖掘,形成基础数据库,为系统提
Wesley13 Wesley13
3年前
MPL
尽管通过自动化部署加快了开发速度,但由于在DevOps方面缺少协作,我们一个客户正因此而放慢产品的上市时间。虽然他们也投入了资源来做DevOps,但每条生产流水线都是独立设置的,迫使团队为每个项目重新造轮子。更糟糕的是,由于没有跨团队协作,平台中的任何错误又会出现在每条新的流水线中。许多客户都有类似的问题存在,因此我们决定开发一个既能帮助现有客户,又
Wesley13 Wesley13
3年前
IP地址定位技术之一:基础数据采集
IP地理位置定位技术,包含基础数据采集、硬件系统搭建、应用场景划分和定位系统研发四项关键技术。基础数据采集为IP地理位置定位技术的研究提供基础数据支撑,是IP地址定位的基础性工作和关键技术。首先,按照不同的数据采集规则,针对不同数据源的数据格式,研究并实现一套自动化的智能化的数据采集技术;其次,对采集到的数据进行筛选、清洗和挖掘,形成基础数据库,为系统提
企业级飞速低代码平台 | 低代码可为企业的关键业务带来的五大好处
新冠疫情促使企业满足员工在家远程工作的更多需求,所需的资源远远超出了传统IT团队的能力。这些团队需要拥有低代码应用程序平台(LCAP)的业务技术人员的支持,以避免项目瓶颈和延误。企业运营业务如今正以前所未有的速度增长,从创建最先进的产品到处理来自内部各个团队的临时请求,IT部门负责人承受着巨大的压力,需要他们的团队在自动化流程的同时保持敏捷和适应性。IT部门
王吉伟频道 王吉伟频道
2年前
数据安全刻不容缓,国产智能化厂商首获SOC 2鉴证报告有何意义?
数据安全刻不容缓,国产智能化厂商首获SOC2鉴证报告有何意义?了解SOC2与ISO27001的区别,你就知道SOC2对智能自动化厂商的意义了文/王吉伟要问当前组织对于数字化转型的最大顾虑是什么,答案无疑是数据安全。所谓数据安全,是指通过采取必要措施,确保数据处于有效保护和合法利用的状态,以及具备保障持续安全状态的能力。要实现数据安全,就要保证数据处理
卷积神经网络表征可视化研究综述
卷积神经网络表征可视化研究综述(1)转载自:人工智能技术与咨询源自:自动化学报作者:司念文张文林屈丹罗向阳常禾雨牛铜摘要近年来,深度学习在图像分类、目标检测及场景识别等任务上取得了突破性进展,这些任务多以卷积神经网络为基础搭建识别模型,训练后的模型拥有优异的自动特征提取和预测性能,能够为用户提供“输入–输出”形式的端到端解决方案.然而,