技术交流：allen.lan#hotmail.com（# > @） 同形异义字钓鱼攻击号称“几乎无法检测”，是最狡猾的钓鱼攻击！这种攻击产生的原因是国际化域名IDNs(Internationalized Domain Names)支持多语种域名，而其中一些非拉丁字符语种的字母与拉丁字符非常相似，字面看很难区分。关于同形异义字钓鱼攻击的相关技术，freebuf上之前已有文章介绍，这里就不再过多介绍这个技术，不清楚可以自行搜索. 0×01 腾讯、京东、支付宝、微博、淘宝已面临同形异义字钓鱼攻击 真有这么多网站
一个实用型 OCR,支持 80 多种语言和所有流行的书写脚本，包括：拉丁文、中文、阿拉伯文、梵文、西里尔文等。 特点 支持本地或云/API部署 准确度提高到 99% 以上 完全可定制,支持 80 多种语言 支持表格识别 二维码/条码提取识别 GitHub数据 15.7k stars 281 watching 2.2k forks 开源地址:https://github.com/JaidedAI/EasyOCR 安装 pip install easyocr 演示案例 import easyocr rea
本文作者：IMWeb 黎腾 原文出处：IMWeb社区 未经同意，禁止转载 前言 编码，是每个程序员绕不开的话题。对于前端工程师而言，字符更是会直观地展示在界面上。 提起文字，大部分人的脑中，都会
本文由 IMWeb 团队成员 Littenli 首发于 IMWeb 社区网站 imweb.io。点击阅读原文查看 IMWeb 社区更多精彩文章。 前言 编码，是每个程序员绕不开的话题。对于前端工程师而言，字符更是会直观地展示在界面上。 提起文字，大部分人的脑中，都会定式为规整排列的字符。但是林子大了什么鸟都有，世界上可是存在着6800+种文字，难免会飞出来一些诡异的鸟… 而号称“万国码”的Unicode，在实现编码与展示的时候，也会不会遇到一些奇葩的事情呢？ 事实上，可能你早已见识过了： ---- x̄͛
作者：IMWeb 黎腾 来源：IMWeb社区 前言 编码，是每个程序员绕不开的话题。对于前端工程师而言，字符更是会直观地展示在界面上。 提起文字，大部分人的脑中，都会定式为规整排列的字符。但是林子大了什么鸟都有，世界上可是存在着6800+种文字，难免会飞出来一些诡异的鸟… 而号称“万国码”的Unicode，在实现编码与展示的时候，也会不会遇到一些奇葩的事情呢？ 事实上，可能你早已见识过了： ---- x̙͈̝͍͕̙̄͛̽̆͌́̕͟g̘̣̠̝̟̤̥̼̼̽͑͋̈̑̒͟͞q̛̤̦̝̘͎͋̔̋͌͒̆̋̚͡f͠
编码，是每个程序员绕不开的话题。对于前端工程师而言，字符更是会直观地展示在界面上。 提起文字，大部分人的脑中，都会定式为规整排列的字符。但是林子大了什么鸟都有，世界上可是存在着6800+种文字，难免会飞出来一些诡异的鸟… 而号称“万国码”的Unicode，在实现编码与展示的时候，也会不会遇到一些奇葩的事情呢？
ABBYYFineReader是一款OCR文字识别软件，它可以对图片、文档等进行扫描识别，并将其转换为可编辑的格式，比如Word、Excel等，操作也是挺方便的。
unicode 回忆上次内容 中国的简体和繁体汉字 字符数量都超级大彼此还认对方为乱码如果有一种编码所有的字符都能编进去就好了 中日韩(CJK)欧洲拼音梵文阿拉伯文卢恩字符等等等都包括进去添加图片注释，不超过 140 字（可选）能有么？🤔回顾历史 计算机中只有 0 和 1 并且是存储在字节里的原来只能表示和处理数字字符无法处理后来某些二进制数固定下来代表某个字符 形成了字符集从博多码(5bits)到 BCDIC(6bits)再到 EBCDIC码(8bits) 最后统一于 ascii添加图片
Unicode码作为全世界文字的统一编码，使用范围广，用它去对NLP模型做对抗攻击，可谓中招一大片。
描述:显示活动控制台代码页数量，或更改该控制台的活动控制台代码页。如果在没有参数的情况下使用，则 chcp 显示活动控制台代码页的数量。
在Windows平台下，进入DOS窗口，输入：chcp ，可以得到操作系统的代码页信息，你可以从控制面板的语言选项中查看代码页对应的详细的字符集信息。
Unicode 仅仅只是一个字符集，规定了符合对应的二进制代码，至于这个二进制代码如何存储则没有任何规定。它的想法很简单，就是为每个字符规定一个用来表示该字符的数字，仅此而已。
网站的 URL 地址显示的是苹果官网，网址旁边是安全字样和绿色小锁，表示网站信息基于 https 加密传输，完全没什么问题，然而它就是一个钓鱼网站（演示网站）。
字符显示器 回忆上次内容 简体和繁体的汉字 字符数量都超级大 感谢王选和陈堃銶等前辈发明了激光照排技术 中文排版从此使用上了gb2312编码 纸张之外 显示器是更先进的输出设备 计算机是如何在显示器上显示的呢？🤔 点阵字库 计算机显示的原理是 通过具体的像素点 亮或者暗来决定 如果墙一面显示器 那上面可以显示两个数字字符 每个字符使用 3 * 5 像素点阵 这些像素点被编码到字形码当中 需要某个字的时候就显示这个字的字形码 英文字形码 英文字形相对简单 最低
ATMMalScan是Windows 7和更高版本的Windows操作系统的命令行工具，有助于在DFIR流程中在ATM上搜索恶意软件跟踪。该工具根据指定的文件路径检查系统以及硬盘的运行过程。要扫描系统，具有标准权限的用户就足够了。但是，ATMMalScan具有管理员权限，可以提供最佳结果。
python开发小技巧 今天在工作中写了一个python脚本从数据库中导数据，其中用到了一些技巧，在这里记录一下。 判断字符串仅包含英文 直接通过字符的ord来判断 defis_pure_english(check_str): return all(ord(c) < 128for c in check_str) 判断字符串中包含某些语言的字符 根据字符的unicode范围判断是否包含某些语言的字符 defcontains_invalid_lang_chs(check_str): check_str=ch
作为中文应用的开发者，我们多半会认为系统的默认字体是“微软雅黑”。然而如果真的产生了这种误解，则很容易在开发本地化应用的时候踩坑。
1.char：存储定长数据很方便，CHAR字段上的索引效率级高，必须在括号里定义长度，可以有默认值，比如定义char(10)，那么不论你存储的数据是否达到了10个字节，都要占去10个字节的空间（自动用空格填充），且在检索的时候后面的空格会隐藏掉，所以检索出来的数据需要记得用什么trim之类的函数去过滤空格。 2.varchar：存储变长数据，但存储效率没有CHAR高，必须在括号里定义长度，可以有默认值。保存数据的时候，不进行空格自动填充，而且如果数据存在空格时，当值保存和检索时尾部的空格仍会保留。另外，varchar类型的实际长度是它的值的实际长度+1，这一个字节用于保存实际使用了多大的长度。 3.text：存储可变长度的非Unicode数据，最大长度为2^31-1个字符。text列不能有默认值，存储或检索过程中，不存在大小写转换，后面如果指定长度，不会报错误，但是这个长度是不起作用的，意思就是你插入数据的时候，超过你指定的长度还是可以正常插入。
https://blog.csdn.net/kindsuper_liu/article/details/80202150
它们的存储方式和数据的检索方式都不一样。 数据的检索效率是：char > varchar > text 空间占用方面，就要具体情况具体分析了。
与其用特殊方式来表示字母，计算机可以用数字表示字母，最直接的方法是给字母编号：A是1，B是2，C是3，以此类。著名英国作家 弗朗西斯·培根（Francis Bacon），曾用 5位序列来编码英文的 26 个字母。在十六世纪传递机密信件，五位（bit）可以存 32 个可能值（2^5）。 这对26个字母够了，但不能表示 标点符号，数字和大小写字母。
KeyKey是一款强大的Mac打字练习工具，可以帮助我们快速的掌握高效率正确的键盘打字方式，该应用程序会记录您的错误并在您进行时调整练习单词表，为您提供额外的练习，以使您绊倒的字母组合。
机器之心报道 编辑：陈萍 最近，剑桥大学的研究者公布了一种名为 Trojan-Source 漏洞，可能危及软件和第一手供应链。 漏洞与攻击无处不在。最近，剑桥大学的两位研究人员发现了一个可以影响计算机代码编译器和软件开发环境的漏洞——Trojan Source（木马源） 。该漏洞几乎影响所有计算机语言，包括对 C、C++、C#、JavaScript、Java、Rust、Go 和 Python 。 此外，恶意代码可以将 Trojan Source 用于供应链攻击。 论文地址：https://troja
我们学习Python编程，经常对字符串这样的数据进行处理。我们也都知道计算机内部信息是采用二进制编码的，那么这其中的处理原理是什么呢？本篇就计算机中关于编码的知识进行总结。 一、为什么计算机内部信息采用二进制编码 计算机是由逻辑电路组成的，而逻辑电路只有接通与断开两个状态，正好可以对映二进制的“1”与“0”。这样的计算机设计在技术上会简单许多。 二、计算机编码的由来 计算机内部信息采用二进制编码，这决定了它只能直接识别0和1。我们所有各类型数据也都需要被转换为二进制0和1的序列存放在计算机中的。但是这样就产
一、背景知识 GB 2312-80 是中国国家标准简体中文字符集，全称《信息交换用汉字编码字符集·基本集》，由中国国家标准总局发布，1981年5月1日实施。GB2312 编码通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持 GB 2312。
昨日，打开朋友圈，你会发现“腾讯字体”、“腾讯logo”几乎霸占了整个屏幕。但是你不知道，其实这是腾讯CDC ( 用户研究与体验设计部 ) 和腾讯集团市场与公关部一同推动的项目。 [1510826879969_6122_1510826794898.jpg] 腾讯字体宣传片内就有我们在讨论的一幕 接下来我们将会细数“腾讯字体”的前世今生，讲述台前幕后的故事。 腾讯logo的全新演绎 视频内容 [1510827012994_6897_1510826927918.jpg] 此次腾讯品牌新升级时，在遵循与承袭原
1 GB2312-80 GB 2312 或 GB 2312-80 是中国国家标准简体中文字符集，全称《信息交换用汉字编码字符集·基本集》，又称 GB 0，由中国国家标准总局发布，1981 年 5 月 1 日实施。GB 2312 编码通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持 GB 2312。 GB 2312 标准共收录 6763 个汉字，其中一级汉字 3755 个，二级汉字 3008 个；同时收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的 682 个字符。
随着失业率越来越高，很多人意识到保全自己的工作是多么的重要。那么，什么是保住自己工作，并让自己无可替代的好方法呢？一个很简单的事实是只要你的代码没有人能够维护，那么你就成功保住了工作。编写不可维护的代码是一个特殊的技能，但奇怪的是，似乎对某些开发者来说是很自然的。不过对于剩下的开发者来说，这里有一些技巧和提示来让你开始写不可维护的代码。
3、字符无需区分大小写时，采用默认的xx_ci校验集可以，否则选择xx_bin校验集(生产环境中,尽量不要修改校验集)
GB2312 标准共收录 6763 个汉字，其中一级汉字 3755 个，二级汉字 3008 个；同时收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的 682 个字符。GB2312 的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆 99.75% 的使用频率。对于人名、古汉语等方面出现的罕用字，GB2312 不能处理，这导致了后来 GBK 及 GB18030 汉字字符集的出现。
一般在python进行数据分析/统计分析时，第一步总是对数据进行一些描述性分析、相关性分析，但是总会是有一大堆代码，那么今天就介绍一个神器pandas_profiling，一行命令就能搞定大部分描述性分析！
产品 Wolfram SystemModeler 5.0 已于7月25日发布： 新博客（https://wolfr.am/nuEss66B） 新功能（http://www.wolfram.com/system-modeler/what-is-new/） 新特性（http://www.wolfram.com/system-modeler/features/） 新文档（https://wolfr.am/nuGdUDBz） 夏校 Wolfram 高中生夏令营和 Wolfram 夏校已经圆满结束！今年是人数最多的一
由dotNet安全矩阵星球圈友们组成的微信群里大家伙常常聊着.NET话题，这不今天有个群友问.NET WebShell 绕过和免杀的方法，而.NET下通常用Process或其他的类和方法触发命令执行，本文不走曲线救国的路线，走硬刚Unicode编码绕过的方式Bypass主流的webshell查杀工具，那么是如何免杀的呢？请阅读者保持好奇心跟随笔者一探究竟吧！
文字起源 回忆上次内容 上次回顾了西里尔字符的编码过程 KOI-7 KOI-8 ISO-8859 系列进行总结 字符扩展 ascii 共 16 种 由iso组织制定 从 iso-8859-1 到 iso-8859-16 无法 同时显示 俄文和法文 世界上的字符 除了 拼音文字 之外 还有 象形文字 添加图片注释，不超过 140 字（可选） 这个 象形文字 怎么来的呢？🤔 如何编码呢？🤔 象形文字 说到象形文字 第一想到的就是我们的中文 每个字符其实都是一幅画
MEDIUMTEXT 最大长度是 16777215 (2^24 – 1) 个字符。
字符编码是计算机技术的基石，本文希望帮助大家彻底梳理清楚字符编码问题，不仅知其然，还知其所以然，摆脱被中文乱码支配的感觉。
本文为作者原创文章，为尊重作者劳动成果禁止非授权转载，若需转载请在【全栈工程师修炼指南】公众号留言，或者发送邮件到 [master@weiyigeek.top] 中我将及时回复。
在使用 pandas 进行数据分析时，进行一定的数据探索性分析（EDA）是必不可少的一个步骤，例如常见统计指标计算、缺失值、重复值统计等。
编码进化回忆上次内容上次 回顾了 字符编码的新陈代谢ibm 曾经的EBCDIC 由于 字符不连续导致 后续 出现无数问题随着 网络的发展 数据交换的 需要原来的小隐患现在 产生了 巨大问题Bemer 联合各方巨头 想要推出 字符连续的编码集这新编码集 具体长什么样 呢？🤔新编码集7-bit的编码长度 结构和 今天的ascii 基本一样空了 28个字符 今天小写字母的位置当时 还不敢放小写字母为什么呢？各语言各语言 都想进入 7-bit 日文假名拉丁字符西里尔字符都眼巴巴地等着地儿放新编码 比EBCDIC
https://github.com/facebookresearch/llama
研究表明，机器学习系统在理论和实践中都容易受到对抗样本的影响。到目前为止，此类攻击主要针对视觉模型，利用人与机器感知之间的差距。尽管基于文本的模型也受到对抗性样本的攻击，但此类攻击难以保持语义和不可区分性。在本文中探索了一大类对抗样本，这些样本可用于在黑盒设置中攻击基于文本的模型，而无需对输入进行任何人类可感知的视觉修改。使用人眼无法察觉的特定于编码的扰动来操纵从神经机器翻译管道到网络搜索引擎的各种自然语言处理 (NLP) 系统的输出。通过一次难以察觉的编码注入——不可见字符（invisible character）、同形文字（homoglyph）、重新排序（reordering）或删除（deletion）——攻击者可以显着降低易受攻击模型的性能，通过三次注入后，大多数模型可以在功能上被破坏。除了 Facebook 和 IBM 发布的开源模型之外，本文攻击还针对当前部署的商业系统，包括 Microsoft 和 Google的系统。这一系列新颖的攻击对许多语言处理系统构成了重大威胁：攻击者可以有针对性地影响系统，而无需对底层模型进行任何假设。结论是，基于文本的 NLP 系统需要仔细的输入清理，就像传统应用程序一样，鉴于此类系统现在正在快速大规模部署，因此需要架构师和操作者的关注。
MYSQL数据库各种编码的区别 armscii8 (ARMSCII-8 Armenian) armscii8_bin 亚美尼亚语, 二进制 armscii8_general_ci 亚美尼亚语, 不区分大小写 ascii (US ASCII) ascii_bin 西欧 (多语言), 二进制 ascii_general_ci 西欧 (多语言), 不区分大小写 big5 (Big5 Traditional Chinese) big5_bin 繁体中文, 二进制 big5_chinese_ci 繁体中文, 不区分大小写 binary (Binary pseudo charset) binary 二进制 cp1250 (Windows Central European) cp1250_bin 中欧 (多语言), 二进制 cp1250_croatian_ci 克罗地亚语, 不区分大小写 cp1250_czech_cs 捷克语, 区分大小写
开篇引言引自六一居士欧阳修的《卖油翁》，旨在告诉各位，简单的事情做对了，难得事情做好了，没有什么好的方法，只是让自己熟练而已。就像我们写文章，浅显的道理大家都懂，却又似懂非懂，最后造成了不懂装懂的地步，而我写文的目的也无外乎贻笑大方，给自己一个博文强记的用途。
近年来，越来越多的恶意攻击者盯上了各大社交媒体。这些社交平台由于使用便捷、可扩展性强、自动化程度高，受众面广泛等特性，为攻击者发起僵尸网络攻击提供了得天独厚的条件。 这里的僵尸网络指的是由中央控制台控制的社交平台账户集合。这些账户均由机器控制，而非真实人类所有。这些机器账户能够形成僵尸网络，发送恶意链接，例如钓鱼广告、恶意软件、勒索软件、欺诈调查、垃圾邮件、对受害者账户进行劫持控制的恶意应用程序以及点击即收费的垃圾邮件网站等等。 自今年2月起，ZeroFOX威胁研究团队调查了一个Twitter上名为SIRE
该项目是一个即时的按需原子 CSS 引擎，受到 Windi CSS、Tailwind CSS 和 Twind 的启发，解决了定制化、速度和体积的问题。
---- 新智元报道 编辑：LRS 【新智元导读】从零打造ChatGPT，AI从业者大团结！ Meta AI开源的大羊驼LLaMA模型彻底点燃了开源社区的热情，并在此基础上相继开发出了各种类ChatGPT的羊驼Alpaca, Vicuna等。 但Meta只是开源了LLaMA的权重，训练用到的数据集并没有开源出来，对于那些想从头开始训练LLaMA的从业者来说，目前还没有开源方案。 最近，由Ontocord.AI，苏黎世联邦理工学院DS3Lab，斯坦福CRFM，斯坦福Hazy Research 和蒙特
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
