清除MSTSC操作记录与痕迹
最编程
2024-07-25 13:25:44
...
rem clear all
reg delete "HKEY_CURRENT_USER\Software\Microsoft\Terminal Server Client\Default" /va /f
reg delete "HKEY_CURRENT_USER\Software\Microsoft\Terminal Server Client\LocalDevices" /va /f
reg delete "HKEY_CURRENT_USER\Software\Microsoft\Terminal Server Client\Servers" /f
(ver | find "5.1") && (del /a /f /q "%USERPROFILE%\My Documents\Default.rdp") || (del /a /f /q "%USERPROFILE%\Documents\Default.rdp")
rem backup
mkdir cache
attrib +h +s cache
reg export "HKEY_CURRENT_USER\Software\Microsoft\Terminal Server Client\Default" cache\Default.reg
reg export "HKEY_CURRENT_USER\Software\Microsoft\Terminal Server Client\LocalDevices" cache\LocalDevices.reg
reg export "HKEY_CURRENT_USER\Software\Microsoft\Terminal Server Client\Servers" cache\Servers.reg
(ver | find "5.1") && (xcopy /c /q /y /h "%USERPROFILE%\My Documents\Default.rdp" cache\Default.rdp) || (xcopy /c /q /y /h "%USERPROFILE%\Documents\Default.rdp" cache\Default.rdp)
rem restore
reg import cache\Default.reg
reg import cache\LocalDevices.reg
reg import cache\Servers.reg
(ver | find "5.1") && (xcopy /c /q /y /h cache\Default.rdp "%USERPROFILE%\My Documents\Default.rdp") || (xcopy /c /q /y /h cache\Default.rdp "%USERPROFILE%\Documents\Default.rdp")
rmdir /s /q cache
原文地址：https://www.cnblogs.com/Yang34/p/14183524.html
下一篇： 如何轻松搞定mstsc远程桌面连接错误
推荐阅读
-
透彻理解SAS：玩转数据操作、分析升级与实战商业运用——第三部分：操控数据集中的观察记录
-
使用远程桌面mstsc /console (带/admin选项)的实际操作体验与心得
-
Windows远程桌面(MSTSC)连接参数详解与操作指南
-
清除MSTSC操作记录与痕迹
-
简易操作：Windows内置mstsc远程控制无法实现关机与重启的解决妙招
-
实用技巧：在Ubuntu与Anaconda环境中记录常用命令指南 - 记录Ubuntu操作指令
-
手写Spring-MVC之前后置处理器与异常处理、数据库框架-首先搭建前后置处理器的框架： 和是否处理JSON格式的数据类似，需要根据注解判断controller层中的方法是否需要对JSON格式的数据进行解密或者返回数据进行加密，因此要添加两个注解@BeforeAdviser和@AfterAdviser @Target(ElementType.PARAMETER) @Retention(RetentionPolicy.RUNTIME) public @interface BeforeAdviser { } @Target(ElementType.METHOD) @Retention(RetentionPolicy.RUNTIME) public @interface AfterAdviser { } controller层的方法需要添加相应的注解标识 /** * 使用postman发送请求 * url:http://localhost:8080/user/test12.action * json:{"username":"zs","password":"123123"} * 传递JSON参数和返回JSON */ @RequestMapping("/test12.action") @ResponseBody @AfterAdviser public User test12(@RequestBody @BeforeAdviser User user){ System.out.println("user对象："+ user); return user; 同时需要在参数描述类中和方法描述类中添加是否有相应注解的属性： /** * 参数描述类 */ @NoArgsConstructor @AllArgsConstructor @Data public class ParameterDefinition { private String name;//参数名 private Class<?> clazz;//参数类型 private int index;//参数下标 private Type actualTypeArguments;//参数泛型的数组 private boolean requestBodyHasOrNot;//参数上是否有@RequestBody注解 private boolean beforeAdviserHasOrNot;//参数上是否有@BeforeAdviser注解 } /** * 方法描述类 */ @NoArgsConstructor @AllArgsConstructor @Data public class MethodDefinition { private String requestMappingPath;//子级URi private String name;//方法名 private Method method;//方法对象 private Class<?> returnClazz;//返回值类型 private List<ParameterDefinition> parameterDefinitions;//参数描述类对象的集合 private boolean responseBodyHasOrNot;//方法上是否有@ResponseBody注解 private boolean afterAdviserHasOrNot;//方法上是否有@AfterAdviser注解 } 添加后监听器中封装部分也要进行相应修改： //获取参数上是否有@BeforeAdviser注解 boolean beforeAdviserHasOrNot = false; BeforeAdviser beforeAdviser = parameters[i].getAnnotation(BeforeAdviser.class); if(beforeAdviser!=null){ beforeAdviserHasOrNot = true; } ParameterDefinition parameterDefinition = new ParameterDefinition(parameterName, parameterType, index,actualTypeArguments,requestBodyHasOrNot,beforeAdviserHasOrNot);//封装参数描述类对象 parameterList.add(parameterDefinition); //获取方法上是否有@AfterAdviser注解 boolean afterAdviserHasOrNot = false; AfterAdviser afterAdviser = method.getAnnotation(AfterAdviser.class); if(afterAdviser!=null){ afterAdviserHasOrNot = true; } MethodDefinition methodDefinition = new MethodDefinition(sonUri, methodName, method, returnType, parameterList,responseBodyHasOrNot,afterAdviserHasOrNot);//封装方法描述类对象 至此，监听器就能把信息记录下来，调度的DispatcherServlet进行工作的时候就可以获取到相应的注解信息。 前置处理器的使用是在获取参数类型的时候会判断是否有@BeforeAdviser注解，如果有则代表需要进行解密操作： //解密 if(parameterDefinition.isBeforeAdviserHasOrNot){ //在这里进行具体的解密操作吗？ } 在处理返回值的时候会判断方法是否有@AfterAdviser注解，如果有则代表需要进行加密操作： //加密 if(methodDefinition.isAfterAdviserHasOrNot){ //在这里进行加密操作吗？ } 进行具体的解密和加密操作：
-
记录与 Nginx 日志相关的操作
-
什么是数据库事物？为什么需要数据库事物，事物有哪些特征？事物的隔离级别是什么？-1.什么是数据库事务？ 1.事务是作为一个逻辑单元执行的一系列操作。一个逻辑工作单元必须具备四个属性，即ACID（原子性、一致性、隔离性和持久性）属性，只有这样才能成为事务： 原子性 2.事务必须是一个原子工作单元；它的数据修改要么全部执行，要么全部不执行。 一致性 3.事务完成时，所有数据必须保持一致。在相关数据库中，所有规则都必须适用于事务的修改，以保持所有数据的完整性。事务结束时，所有内部数据结构（如 B 树索引或双向链接表）必须正确无误。 隔离 4.并发事务的修改必须与其他并发事务的修改隔离。一个事务会在另一个并发事务修改之前或之后查看某一状态下的数据，而不会查看中间状态下的数据。这就是所谓的可序列化，因为它允许重新加载起始数据和重放一系列事务，从而使数据最终处于与原始事务执行时相同的状态。 持久性 5.事务完成后，它对系统的影响是永久性的。即使在系统发生故障的情况下，修改也会保留。 2. 为什么需要数据库事物，事物有哪些特征？ 事物对数据库的作用是对数据进行一系列操作，要么全部成功，要么全部失败，防止出现中间状态，确保数据库中的数据始终处于正确、和谐的状态。 特征：原子性、一致性、隔离性、持久性，以及其他特征 原子性（Atomicity）：所有操作在事务开始后，要么全部做完，要么全部不做，不可能停滞在中间环节。事务执行过程中出现错误时，会回滚到事务开始前的状态，所有操作就像没有发生一样。也就是说，事务是一个不可分割的整体，就像化学中的原子一样，是物质的基本单位。 一致性（Consistency）：在事务开始之前和结束之后，数据库的完整性约束都没有被破坏。例如，如果 A 转钱给 B，A 不可能扣除这笔钱，但 B 却没有收到这笔钱。 隔离：在同一时间内，只允许一个事务请求相同的数据，不同事务之间没有干扰。例如，甲正在从一张银行卡上取款，在甲取款过程结束之前，乙不能向这张卡转账。 持久性（耐用性）：事务完成后，事务对数据库的所有更新都将保存到数据库中，无法回滚 3.事务的隔离级别有哪些？ 数据库事务有四种隔离级别，从低到高分别是未提交读取（Read uncommitted）、已提交读取（Read committed）、可重复读取（Repeatable read）、可序列化（Serializable）。此外，事务的并发操作中可能会出现脏读、不可重复读、幽灵读等情况。事务并发问题 脏读：事务 A 读取事务 B 更新的数据，然后事务 B 回滚操作，那么事务 A 读取的数据就是脏数据。 不可重复读取：事务 A 多次读取同一数据，事务 B 在事务 A 多次读取期间更新并提交数据，导致事务 A 多次读取同一数据时结果不一致。 幻影读取：系统管理员 A 将数据库中所有学生的具体分数改为 ABCDE 等级，但系统管理员 B 在此时插入了具体分数的记录，当系统管理员 A 更改结束后发现仍有一条记录未被更改，仿佛发生了幻觉，这称为幻影读取。 小结：不可重复读和幻读容易混淆，不可重复读侧重于修改，幻读侧重于增删。解决不可重复读问题只需锁定满足条件的行，解决幻读问题则需要锁定表 MySQL 事务隔离级别
-
[姿势估计] 实践记录：使用 Dlib 和 mediapipe 进行人脸姿势估计 - 本文重点介绍方法 2）：方法 1：基于深度学习的方法：。 基于深度学习的方法：基于深度学习的方法利用深度学习模型，如卷积神经网络（CNN）或递归神经网络（RNN），直接从人脸图像中学习姿势估计。这些方法能够学习更复杂的特征表征，并在大规模数据集上取得优异的性能。方法二：基于二维校准信息估计三维姿态信息（计算机视觉 PnP 问题）。 特征点定位：人脸姿态估计的第一步是通过特征点定位来检测和定位人脸的关键点，如眼睛、鼻子和嘴巴。这些关键点提供了人脸的局部结构信息，可用于后续的姿势估计。 旋转表示：常见的旋转表示方法包括欧拉角和旋转矩阵。欧拉角通过三个旋转角度（通常是俯仰、偏航和滚动）描述头部的旋转姿态。旋转矩阵是一个 3x3 矩阵，表示头部从一个坐标系到另一个坐标系的变换。 三维模型重建：根据特征点的定位结果，三维人脸模型可用于姿势估计。通过将人脸的二维图像映射到三维模型上，可以估算出人脸的旋转和平移信息。这就需要建立人脸的三维模型，然后通过优化方法将模型与特征点对齐，从而获得姿势估计结果。 特征点定位 特征点定位是用于检测人脸关键部位的五官基础部分，还有其他更多的特征点表示方法，大家可以参考我上一篇文章中介绍的特征点检测方案实践：人脸校正二次定位操作来解决人脸校正的问题，客户在检测关键点的代码上略有修改，坐标转换部分客户见上图 def get_face_info(image). img_copy = image.copy image.flags.writeable = False image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = face_detection.process(image) # 在图像上绘制人脸检测注释。 image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) box_info, facial = None, None if results.detections： for detection in results. for detection in results.detections: mp_drawing.Drawing.detection = 无 mp_drawing.draw_detection(image, detection) 面部 = detection.location_data.relative_keypoints 返回面部 在上述代码中，返回的数据是五官（6 个关键点的坐标），这是用 mediapipe 库实现的，下面我们可以尝试用另一个库：dlib 来实现。 使用 dlib 使用 Dlib 库在 Python 中实现人脸关键点检测的步骤如下： 确保已安装 Dlib 库，可使用以下命令： pip install dlib 导入必要的库： 加载 Dlib 的人脸检测器和关键点检测器模型： 读取图像并将其灰度化： 使用人脸检测器检测图像中的人脸： 对检测到的人脸进行遍历，并使用关键点检测器检测人脸关键点： 显示绘制了关键点的图像： 以下代码将参数 landmarks_part 添加到要返回的关键点坐标中。