数据库应用安全问题?

CoolSailor 2003-03-25 09:24:26
各位大虾:
一个应用程序给客户安装后,所有的存储过程等东西都暴露给客户了,
这不安全,如何处理呢?
...全文
106 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
Rewiah 2003-03-25
  • 打赏
  • 举报
回复
补充:
方法四的具体实现方法,别问我,本人才疏学浅,没有实践过,也许是没有好的机会碰到这么有价值的应用吧。
Rewiah 2003-03-25
  • 打赏
  • 举报
回复
方法一:程序嘛,本来就应该交给客户,不作任何动作,无为而治,观点:重要的是思想,程序公开,表结构不也是暴露给客户吗?

方法二:不用存储过程、触发器,鸵鸟政策,观点:为了安全,大不了我不用了

方法三:用本身的加密,实用政策,观点:防君子不防小人

方法四:自己写dll,用扩展存储过程,一定不给敌人可乘之机,观点:不惜一切代价(回头想一想,有这么大价值吗?)



CoolSailor 2003-03-25
  • 打赏
  • 举报
回复
难道就没有人在这方面有所作为吗?
斑竹能帮助 一下吗?急着呢?
内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch框架实现深度学习模型的构建与训练。通过将历史充放电数据作为输入,Basisformer能够有效捕捉电池状态的动态变化特征,提升SOC预测精度。文中详细介绍了模型结构设计、数据预处理流程、训练策略及实验结果分析,并与传统方法进行对比,验证了该方法在复杂工况下的优越性与鲁棒性。该研究不仅展示了Basisformer在时序建模中的潜力,也为电池管理系统提供了高精度的状态估计解决方案。; 适合人群:具备一定Python编程基础和深度学习理论知识,熟悉PyTorch框架,从事电池管理系统、新能源汽车或智能预测方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于电动汽车、储能系统等领域的电池SOC高精度实时估算;②为电池健康管理(BMS)提供可靠的状态输入;③推动深度学习在时间序列预测中的实际落地,提升现有预测模型的泛化能力与稳定性; 阅读建议:建议读者结合标题为【锂电池SOC估计】【PyTorch】基于Basisformer时间序列锂离子电池SOC预测研究(python代码实现)的资源,重点研读所提供的Python代码,深入理解数据处理方式与模型网络结构的设计思路,尝试调整超参数以观察对预测性能的影响,从而全面掌握Basisformer在时序建模中的优势、适用边界及工程化实现路径。

22,297

社区成员

发帖
与我相关
我的任务
社区描述
MS-SQL Server 疑难问题
社区管理员
  • 疑难问题社区
  • 尘觉
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧