業餘黑客有個潛規則。
政府機關、金融系統、電子商務……這類網站的後臺,是機重地,通常有高手坐鎮,沒事最好別去溜達。
被網監或者安全專家盯上,十有八九落不了好。
而個人網站、小型辦公網路、學校網站……
這種信息安全不太敏的,僅僅是瀏覽或下載一些數據,一般不會有什麼大問題。
比如從鐵道部網12306爬點數據,做個輔助訂票系統什麼的……
但無論任何地方,肆意破壞總是不被允許的,這是底線。
《原始數據表》的奇怪況,份證位數不對,側面支持了這種可能。
通過黑客手段獲取數據,有時候會遇到一些匪夷所思的問題,比如數據格式特殊,下載的數據寬度限……
有時候,甚至在後臺資料庫里,只能找到數據的一部分,而其餘部分被保存在無法訪問的文件里。
寫後臺程序的人,會基於各種各樣的理由,寫出可讀極差的代碼。
比如:讀寫效率、數據安全、修補bug、系統健壯……
又或者不想被人繼承代碼,取代自己的位置,甚至單純為了個人興趣、編程風格……
都可能導致這些人,搞出種種令人費解的作。
當然,也可能老高的技還有缺陷,或者他是從虛擬存、換文件里挖掘出來的數據。
也有可能在「作案」過程中被人盯上,不得不提前斷開連接……
總之,擺在江寒面前的,就是這麼兩張各有缺陷的表格,外加一個圖片包。
接下來,江寒首先要做的,是從《原始數據表》里,篩選出需要的記錄,複製到《報名信息表》里。
這一步非常簡單,只要用excel自帶的VBScript編寫一個小腳本,將兩個表格按照姓名匹配,就可以得到每個考生在原始表裡的行號。
當然,同名同姓是避免不了的,可能報名信息里一個「張三」,在原始數據里會找到一堆「張三」……這個一會兒再說。
腳本編程非常簡單,江寒只用了二十分鐘,就寫完程序並調試無誤。
按了一下預設的快捷鍵,腳本開始執行。
一邊是3萬多行的考生姓名,一邊是10萬多行的原始數據,腳本足足跑了八分鐘,才得到了一個映關係表。
接下來,是第二個腳本,參照映關係表,將原始數據文件篩選出需要保留的行,其他行全都刪除,然後按照《報名信息表》的序號,重新進行排序,得到臨時文件1。
這個臨時文件的行數,要比報名表多出幾千行,這是因為江寒對重名進行了理,將重名的人都編上了相同的二級序號。
接下來理重名。
經過一番分析,江寒發現,原始數據表和報名信息表裡的數據,排列順序是有規律的。
其以地區為主關鍵字,所在學校為次要關鍵字,而所在班級則是第三關鍵字排序。
也就是說,一個學校里,一個班級的人,都挨在一起,學校、地區之間也沒有混。
這樣就好辦了。
由於臨時文件已經按序號排列,重名的人擁有同樣的二級序號,自然就聚攏在了一起。
這時,只要看一下這些人的所在地區和學校,就能輕鬆分辨出哪些是多餘的,那個才是真正對應於《報名信息表》的。
如果一個班級也有同名,就只能況分析了,實在確定不了的,就先記下來,放在一邊,以後再說。
一番整理后,臨時文件1已經十分接近高老師希得到的《報名信息表》。
聯繫電話、家庭住址,畢業學校、班級、民族、年齡、出生年月日都有了。
接下來是重頭戲,通過照片判斷每個學生的別。
幸運的是,雖然《原始數據表》里的份證號,殘缺不全,導致別信息不可用,可是《報名信息表》里還有部分殘餘的別數據。
這就給江寒減了許多負擔。
接下來,先將照片.rar解,然後觀察了一下。
三萬多張照片,按學校、班級分類,放幾千個文件夾中。
每個文件的大小,都在10KB至30KB之間。
像素只有210*120,不算特別清晰,但看清面部特徵,還是沒什麼問題的。
其中,同班級里重名的況,都在姓名后標記著數字1、2……
江寒猜想,這可能是輸報名表的順序。
接下來要做的,就是在臨時文件1里,找到每張照片對應的人。
這很簡單,照片的文件名就是姓名,輕鬆就能和表格里的名字對上。
在解決了數量不算很多的同班重名問題后,就生了一個照片索引,將每一張照片和報名序號一一對應上了。
然後,是判斷別,填新《報名信息表》對應的單元格里。
這一步,按照高老師的想法,就是一個笨功夫,用眼睛去看,然後一個一個敲進去。
這十分麻煩,而且太沒效率。
江寒希能找個輕巧的辦法,能更快、更好的完這一步。
那麼,這樣的辦法真的有嗎?
是的。
江寒畢竟搞過機學習,編程思維有點不一樣。
高老師那樣的普通程序員,也能做到剛才那些步驟。
但江寒接下來的作,就是他的思維盲區了。
機學習里,有多種演算法,都可以輔助完這樣的任務。
其中江寒最擅長的,自然是人工神經網路。
人工神經網路也分為好多種類。
比如CNN,也就是卷積神經網路,是最擅長圖形識別的;
而RNN,也就是循環神經網路,比較適合語音識別、自然語言理解……
如果採用人工神經網路,哪怕不出CNN,只用多層神經網路,也就是所謂的「深度學習」,也可以非常完地解決這個問題。
但江寒琢磨了一下,還是放棄了這個想法。
一旦泄出去,他很可能會有麻煩。
因為這些技的來源,他本沒法解釋。
技度太大了。
好吧,安全第一,先用「知機」湊合一下。
哪怕準確率低點,也無所謂了。
江寒現在唯一可以拿出來的,就是「單層知機」。
這種技只能解決二分類問題,並且還要求線可分。
好在當前所面臨的問題,這兩個要求正好都符合。
江寒重生前,做過一個實驗,用「單層知機」識別手寫數字,應用場景與現在差不多。
效果也還過得去。
所以,看照片識別男的任務,完全可以使用「單層知機」解決。
說起來,這可能是神經網路技,在這個世界的第一次實戰?
江寒前幾天寫的論文里,就有「單層知機」的代碼,稍微改了一下,就能用上了。
研究機學習,首選語言是Python,語法簡單,開發效率高,不容易出錯,也不用關心底層如何實現。
不過,這篇論文的代碼,實在太簡單,用什麼都一樣。
所以,江寒使用了最悉的C++。
代碼略……
(PS:絕對不是空白太小寫不下。)。
無意間加入了神仙微信群,生活就此浪得不行了……
異度空間入侵,世界末日爆發!天道網遊玄域降臨,在玄域中獲得的一切力量,神器,功法,極品美女都能夠帶入現實。唐浩重生歸來,憑藉著對後世的全知全能,在親眼目睹了飛蓬和重樓的神魔大戰,獲得了聖級功法易經,..
(女主無cp年代修仙異能虐渣女配逆襲) 風婉清被堂姐陷害,家族放棄被迫下鄉當知青。 一次溺水后,她發現自己每晚能去一個神奇的地方,那裏人人追求仙道,到處都是飛天遁地的修行者,於是白天還是干農活都沒啥力氣的嬌弱女知青,夜晚卻是拳打妖獸,腳踢魔修的暴躁女仙。 若干年後,她那個奇奇怪怪勵志吃遍修仙界的師妹在聽聞她另一個世界的遭遇后,猛的一拍腦袋: 「我就說,你這個名字咋那麼耳熟,原來你是我穿越前看的年代文里的炮灰女配呀?你那個堂姐就是女主,難怪你鬥不過她」 此時已是修仙界元嬰道君早就報完仇的風婉清嗤笑一聲。 就她,女主? 想到早就被生活磨平稜角,丈夫又癱瘓的風綺,看來這女主當的還真不咋滴。
在修真界有一個被譽爲"鬼才"的人:他精通佛、魔、道、巫術等等各種絕學,所有的人對他是又敬又怕,因爲他不僅實力無人能及,更是一個制丹、煉器、佈陣的宗師中的宗師…然而就是這樣的一個男人,卻意外地穿越到了異界,並且變成了一個小屁孩兒.而我們的故事也因此開始了…