- 综合排序
- 最热优先
- 最新优先
- 来自专栏iSharkFly
Confluence 6 数据收集隐私策略 原
https://www.cwiki.us/display/CONF6ZH/Data+Collection+Policy
72050发布于 2019-01-30 - 来自专栏大数据文摘
怎样匹配？6大婚恋网站帮你不再孤单
Hinge能够根据你的Facebook身份知道你是谁，当然我们注重保护您的隐私，不会填写个人资料或发布任何信息。Hinge是一个情感关系方面的应用，能够帮你以一种轻松简单的方式找到真正的有意义的关系。 eHarmony的关系匹配系统通过几百万人的年龄、民族、国家、宗教信仰和政治观点找到最匹配且能保持长期关系的人。今天，美国平均每天有438个eHarmony的会员匹配成功并走入结婚殿堂。 eHarmony还致力于通过不断进行的严谨的科学调查分析和研究到底哪些因素会促成长期的关系，并使匹配模型保持最新并广泛适用于国内和国际的市场。 他们的“匹配”系统其实并不存在或者非常主观。我们不求如何完美的评价你，我们追求的是能够准确的找到能够满足你提出的需求的另一半。 请来这里看看我们基于数学方法的匹配系统，看如何回答与之相关的能够找到你心仪匹配对象的相关问题。 WhosHere（https://web.whoshere.net/） ?
1.5K20发布于 2018-05-23 - 来自专栏云服务器运维实践
Nginx系列教程(6)Nginx location 匹配规则详细解说
param1¶m2匹配 http://website.com/abcd/不匹配，不能匹配正则表达式 http://website.com/abcde不匹配，不能匹配正则表达式 「~*」不区分大小写的正则匹配 param1¶m2匹配 http://website.com/abcd/ 不匹配，不能匹配正则表达式 http://website.com/abcde 不匹配，不能匹配正则表达式 ##「^~」修饰符 ：前缀匹配 如果该 location 是最佳的匹配，那么对于匹配这个 location 的字符串， 该修饰符不再进行正则表达式检测。 ） 按文件中顺序的正则匹配 ~或~* 匹配不带任何修饰的前缀匹配。 这个规则大体的思路是 先精确匹配，没有则查找带有 ^~的前缀匹配，没有则进行正则匹配，最后才返回前缀匹配的结果（如果有的话）如果上述规则不好理解，可以看下面的伪代码（非常重要） function match
2.9K01发布于 2020-04-04 - 来自专栏CSDN博客专家-小蓝枣的博客
Python 机器视觉 - 基于opencv图像模板匹配实现的简单人脸匹配实例演示，matchTemplate的6大模板匹配算法
第一章：图像模板匹配演示 ① 效果展示1 这是我要进行匹配的图片： 匹配后的效果： ② 效果展示2 这是我要进行匹配的图片： 匹配后的效果： ③ 实现源码 实现源码如下 ① CV_TM_SQDIFF【平方差匹配】 平方差匹配：CV_TM_SQDIFF 说明： 利用平方差进行匹配。 特点：系数越小匹配程度越好，最小值 0。 公式如下： ③ CV_TM_CCORR【相关匹配】 相关匹配：CV_TM_CCORR 利用模板和图像间的乘法操作。 特点： 系数越高匹配效果越好，最小值 0。 公式如下： ④ CV_TM_CCORR_NORMED【标准相关匹配】 标准相关匹配：CV_TM_CCORR_NORMED 特点同③。 公式如下： 其中： ⑤ CV_TM_CCOEFF【相关系数匹配】 相关系数匹配 CV_TM_CCOEFF 利用模版对其均值的相对值与图像对其均值的相关值进行匹配。
2K10发布于 2021-09-08 - 来自专栏喔家ArchiSelf
从隐私到隐私计算
进而，明确隐私计算分别与隐私和计算之间的关系，即隐私计算是为了实现个人隐私保护而进行的计算还是在实现了隐私保护的前提下进行的计算？最后，才是隐私计算涉及的技术和方法。 1. 什么是隐私？ 一般地，隐私可以分为身体隐私、行为隐私、身份隐私、名誉隐私、肖像隐私、个人收入隐私和个人经历隐私。 据报道，苹果在 MacOS 中使用 ε = 6，甚至在 iOS 10 beta 版本中使用了 ε = 43，而在谷歌在chrome中的 ε 为9。 也就是说，许多差分隐私算法只适用于特定的用例。 ε 的值可以用来确定隐私级别。ε 值越小，隐私性越好，但结果的准确性可能受到影响。从隐私角度来看，ε 大于6可能并不好。 6.小结 随着世界信息的数字化，个人信息的隐私已经成为个人和组织关注的重要问题。组织理解并解决任何涉及数据的活动所附带的隐私问题是至关重要的。根据场景的不同，各种隐私保护技术有着不同的优点和缺点。
1.7K30编辑于 2022-12-03 - 来自专栏韩曙亮的移动开发专栏
【Google Play】Android 应用隐私政策 ( 生成隐私政策 | HTML 隐私政策模板 | Markdown 隐私政策模板 )
文章目录 一、生成隐私政策 二、HTML 隐私政策模板 三、Markdown 隐私政策模板 一、生成隐私政策 ---- 推荐使用 https://toolbox.yolo.blue/#/privacy-policy 工具 , 生成 隐私政策 , 点击下一步 , 根据收集的信息 , 以及添加的第三方 SDK , 再次点击 下一步 , 生成隐私政策 : 二、HTML 隐私政策模板 ---- 可替换文本 : 开发者名称 本《隐私政策》与您所使用的 产品名称 服务息息相关，希望您仔细阅读，在需要时，按照本《隐私政策》的指引，作出您认为适当的选择。
6. ## 6\. 您的权利 在您使用我们的服务期间，我们可能会视产品具体情况为您提供相应的操作设置，以便您可以查询、删除、更正或撤回您的相关个人信息，您可参考相应的具体指引进行操作。
4K20编辑于 2023-03-30 - 来自专栏喔家ArchiSelf
隐私保护之隐私信息检索
【引子】用户的隐私保护涉及多个方面，用户行为的隐私保护更是一个难点。 那么，如何在用户进行信息检索时保护用户的隐私呢？这或许会涉及到一种名为隐私信息检索的技术。 什么是隐私信息检索？ 现代的隐私信息检索 现代的隐私信息检索方案不再基于多项式，其关键技术要素是一个具有限制交集的大集合族的设计。设 k 是一个小整数，它将 n 位消息编码成码字。 计算型隐私信息检索方案之所以具有吸引力，是因为它们避免了维护数据库的复制副本的需要，并且不会对用户隐私造成损害。 结论 近年来，隐私信息检索已经成长为一个庞大而深入的领域，并与其他领域相连。 【关联阅读】 隐私计算与区块链的融合思考 隐私计算中可信执行环境的一知半解 隐私计算之全同态加密 隐私计算中的联邦学习 从隐私到隐私计算 与代码无关的网络安全 放心用吧！
2.2K30编辑于 2023-09-02 - 来自专栏学习
处理开始匹配停止匹配请求(匹配算法，匹配器的实现)
处理开始匹配/停止匹配请求 实现 handleTestMessage 先从会话中拿到当前玩家的信息 解析客户端发来的请求 判定请求的类型 如果是 startMatch，则把用户加入到匹配队列 如果是 stopMatch，则把用户对象从匹配队列中删除 此处需要实现一个匹配器对象，来处理匹配的实际逻辑 @Override protected void handleTextMessage(WebSocketSession session, TextMessage message) throws Exception { // 实现处理开始匹配请求和处理停止匹配请求 User user = (User 只要队列里面的元素 (匹配的玩家) 凑成了一对，就把这对玩家取出来，放到一个游戏房间中 当前的匹配实现，比较粗糙，只是简单的搞了三个段位的队列 如果想要匹配的更加精确，就可以多搞几个队列 实现匹配器(1 ，突然连接关闭/断开了，相应的匹配就要停止了 停止匹配逻辑为：matcher.remove(user); 实现匹配器(2) 修改 game.Matcher，实现匹配逻辑 在 Matcher 的构造方法中
1K00编辑于 2025-05-30 - 来自专栏计算摄影学
三维重建6——立体匹配2
三维重建5——立体匹配1中，我已经为你介绍了立体匹配的整体流程和面临的基本挑战。 然后再将Ws和Wc整合起来，用于计算最终中心像素的匹配代价。 实际上，它的思想就是用分块的方式降低了双边滤波权重的计算量。作者指出，当分块大小合理时，能达到和自适应权重相当的效果，但速度大大提升。 当输入图是灰度图时，a是1x2的矩阵，如果输入图是彩色图，那么a是1x6的矩阵。而b是标量， E也是标量。 三维重建5——立体匹配1
1.2K20编辑于 2022-03-29 - 来自专栏计算摄影学
三维重建10-立体匹配6，解析KITTI立体匹配数据集
对于立体匹配的研究来说，高质量的数据集非常关键。我之前在文章74. 三维重建9-立体匹配5，解析MiddleBurry立体匹配数据集介绍了非常著名的MiddleBurry数据集，我们看到了这个数据集从初创到后面成熟的完整过程。 KITTI 2012 1.1 数据采集 我们首先来看看作者的复杂采集设备，这里有一段视频加以介绍： 这是一辆改装的大众帕萨特B6汽车。 由于图像尺寸较大，而作者在实际测试算法时并没有降采样图像，所以采用了不同的错误阈值来删选不同数量的错误匹配像素数量，默认情况下如果超出3个像素的匹配误差就会被认为是错误的匹配。 因为专栏的这一部分重点在关注立体匹配，所以我也仅仅介绍了跟立体匹配相关的信息。
2.3K21编辑于 2022-08-30 - 来自专栏用户2882913的专栏
隐私政策
APP隐私政策 本政策仅适用于高微的易店通软件 更新日期： 【2021】年【2】月【1】日 生效日期： 【2021】年【2】月【1】日 1. 4 . 2 告知变动目的后征得同意的方式 易店通将会在本隐私政策与服务协议所涵盖的用途内使用收集的信息。 6 ．您的权利 在您使用易店通服务期间，易店通可能会视产品具体情况为您提供相应的操作设置，以便您可以查询、删除、更正或撤回您的相关个人信息，您可参考具体指引进行操作。 7 ．变更 易店通可能会适时对本隐私政策与服务协议进行修订。当隐私政策与服务协议的条款发生变更时易店通会在版本更新时以对话框提示等方式向您提示变更后的隐私政策与服务协议，并向您说明生效日期。 请您仔细阅读变更后的隐私政策与服务协议内容，您继续使用易店通表示您同意易店通按照更新后的隐私政策与服务协议处理您的个人信息。
1.6K00发布于 2021-09-08 - 来自专栏FreeBuf
个人隐私保护之隐私政策解析
隐私政策文件 《隐私政策》依据标准必须要单独的文件，也许在《隐私政策》之前APP已经编写有了《用户服务协议》或者《软件服务协议》等，其中部分内容是涉及隐私条款的，或者是重复的。 隐私政策的查阅位置 关于隐私政策必须易于查阅的要求在《指南》中有明确的限定，用户在进入APP后四次点击可以查阅到。比如点击我的——设置——关于——隐私政策就是刚好四次。 还可以“我的——隐私政策”；“我的——关于——隐私政策”。 2.3. 隐私政策的格式 要求隐私政策必须要清晰易于查阅。其实是规定不能字体不能过小，颜色不能太浅，一般使用黑色，字体可以参考宋体、雅黑等。 例如京东和滴滴隐私政策中通过单独的小节说明，可以明显看出系统功能类的隐私收集 ? ? 例如：高德地图，做法是“如果用户删除信息或注销账户时愿意放弃与删除信息有关的法律救济权利，则根据网安法在6个月内删除”，但放弃法律救济权利是否合法是值得商榷的。
5.6K20发布于 2019-11-28 - 来自专栏喵叔's 专栏
.NET6新东西--模式匹配中的Extended Property Patterns
模式匹配测试的是确定表达式是否具有某些特征的方式。 obj is Manager { Position: "CEO" } ceo) { Console.WriteLine(ceo.Name); }; 在.NET6以前要使用模式匹配来检查变量嵌套的属性的话就比较复杂了 ，代码如下： if(obj is Employee { Manager: { Name:"张三", Manager:{ Position: "程序员" } } } employee) 但在.NET6中可以使用引用属性的嵌套成员 这是因为编写模式是为了检查对象是否匹配，而不是使用代码直接访问该属性。 这就说明如果Manager属性为null，那么模式{Manager.Name:“张三”}不匹配，上面if语句的条件计算结果就是false。
59710编辑于 2021-12-24 2025年6月AI技术前沿：隐私保护模型与LLM偏见缓解
隐私保护生成模型技术AAAI/ACM SIGAI博士联盟参与者Debalina Padariya的研究聚焦隐私保护生成模型。 其工作涉及在保护数据隐私的前提下构建生成模型，并探索该技术在多项目中的应用潜力。
31710编辑于 2025-09-04- 来自专栏酒楼
SpringBoot正匹配和负匹配
SpringBoot正匹配和负匹配 在Spring框架的自动配置中，”Positive matches”（正匹配）和”Negative matches”（负匹配）是用于条件化配置的概念。 Positive matches（正匹配）指的是满足条件的情况。当某个条件（使用@ConditionalOn...注解）得到满足时，相应的自动配置将会生效。 Negative matches（负匹配）指的是不满足条件的情况。当某个条件不满足时，相应的自动配置将不会生效。 这些正负匹配的机制用于根据项目的实际情况自动启用或禁用某些配置，以满足特定的需求。 通过正负匹配的机制，Spring Boot可以智能地自动配置应用程序的各个部分，根据项目的依赖和配置情况来进行灵活的自动装配，提供了方便的开发体验和可扩展性。
1.6K20编辑于 2023-06-20 - 来自专栏sktj
python 贪婪匹配 非贪婪匹配
贪婪匹配 str_pat = re.compile(r'"(.*)"') text1 = 'Computer says "no."' 非贪婪匹配 str_pat = re.compile(r'"(.*?)"') str_pat.findall(text2) ['no.', 'yes.']
2.6K20发布于 2019-09-25 - 来自专栏大数据-BigData
隐私计算介绍
什么是隐私计算 从20世纪70年代一直到近年，隐私计算交叉融合了密码学、人工智能、计算机硬件等众多学科，逐渐形成以多方安全计算、联邦学习、可信执行环境为代表，混淆电路、秘密分享、不经意传输等作为底层密码学技术 隐私计算分类 从技术角度出发，隐私计算是涵盖众多学科的交叉融合技术，目前主流的隐私计算技术主要分为三大方向：第一类是以多方安全计算为代表的基于密码学的隐私计算技术；第二类是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术 ；第三类是以可信执行环境为代表的基于可信硬件的隐私计算技术。 从算法构造来说，常应用同态加密、差分隐私技术以及包括基于秘密分享、不经意传输、混淆电路等密码学原理的各类多方安全计算协议和其它用于保证隐私计算的密码学技术来提升安全性。 另外，与纯软件的密码学隐私保护方案相比，TEE 不会对隐私区域内的算法逻辑语言有可计算性方面的限制，支持更多的算子及复杂算法，上层业务表达性更强。
3.7K21编辑于 2022-01-19 - 来自专栏Sign
AR与隐私
因为和现实链接不强，因此也不会让人觉得自己的隐私可能受到威胁。或者说，其实人们还没意识到，这些看起来属于『现实信息』的东西算不算隐私。 很多时候，我们都忽略了网络上的隐私。比如注册帐号时各种用户使用协议以及各种各样的规范。没人会去看的吧，毕竟不同意就没法继续了。 万一你打开AR的时候，正在做一些不可描述的事，而AR正好拉取了这个信息…… 关于隐私，最后扯几个事。 另外，隐私有多大作用？ 智能机诞生初始，黑莓，安卓和iphone之间无法互通短信，那时候，出现了一个软件，kik。 这些『隐私』居然可以直接拉取，在现在看来简直不可思议，然而混沌时期就是这样。 现在，AR也处于这个时期。 ?
1.6K120发布于 2018-04-18 - 来自专栏Go编程点滴
Go算法实战 - 6.【正则表达式匹配LeetCode-10】
string, p string) bool { } 基础解法 我们先理一下正则匹配的大致思路：逐个对比s和p两个字符串，匹配则继续往后，发现不匹配直接退出。 ，则必定匹配 if s[0] != p[0] && p[0] ! = '.' { return false } return isMatch(s[1:], p[1:]) } *匹配 接下来，我们就要解决最复杂的*匹配，也就是star ，p去掉star这两个字符 return isMatch(s[1:], p) || isMatch(s, p[2:]) } // 情况2：有星且不匹配，则去掉p的前两个字符继续匹配 return isMatched { // 情况3：没星且不匹配，则直接返回不匹配 return false } // 情况4：没有星但是匹配，s和p删掉匹配的第一个字符，继续匹配 return isMatch
54940发布于 2021-08-05 - 来自专栏Rindew的iOS技术分享
tvquan隐私政策
tvquan尊重和保护利用用户的隐私所有的服务。为了向您提供更准确，更人性化的服务，将tvquan使用和披露按照本隐私政策您的个人信息。 但是tvquan将是一个高度的勤勉，审慎义务对待这些信息。 除本隐私政策另有规定外，未经您的许可之前，tvquan信息将不会被披露或向第三方提供。 tvquan更新本隐私政策不时。当您同意tvquan服务协议，您将被视为已同意本隐私政策的全部内容。 本隐私政策属于服务协议tvquan不可分割的一部分。
1.1K30发布于 2019-03-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号