全网HTTPS有啥重要作用

Posted 2023-04-16

全网HTTPS有以下作用：
1、数据传输加密
一般http是基于规范的 TCP/IP协议，内容以数据包的方式在网络上传递。因为数据包内容没有进行加密，任何截获数据包的人都能够获得其间的内容。因此，网站上的数据就相当于在互联网“裸奔”。
而https是由http加上 TLS/SSL 协议构建的可进行加密传输、身份认证的网络协议，主要通过数字证书、加密算法、非对称密钥等技术完成互联网数据传输加密，实现互联网传输安全保护。
总共能实现以下三个功能：
1）数据保密性：保证数据内容在传输的过程中不会被第三方查看。
2）数据完整性：及时发现被第三方篡改的传输内容。
3）身份校验安全性：保证数据到达用户期望的目的地。
2、双向的身份认证
客户端和服务端在传输数据之前,会通过基于X.509证书对双方进行身份认证 。具体过程如下
客户端发起 SSL 握手消息给服务端要求连接。
服务端将证书发送给客户端。
客户端检查服务端证书，确认是否由自己信任的证书签发机构签发。 如果不是，将是否继续通讯的决定权交给用户选择 ( 注意，这里将是一个安全缺陷 )。如果检查无误或者用户选择继续，则客户端认可服务端的身份。
服务端要求客户端发送证书，并检查是否通过验证。失败则关闭连接，认证成功则从客户端证书中获得客户端的公钥，一般为1024位或者 2048位。到此，服务器客户端双方的身份认证结束，双方确保身份都是真实可靠的。 参考技术A

全网HTTPS的作用：
1、数据传输加密
一般http是基于规范的 TCP/IP协议，内容以数据包的方式在网络上传递。因为数据包内容没有进行加密，任何截获数据包的人都能够获得其间的内容。因此，网站上的数据就相当于在互联网“裸奔”。
而https是由http加上 TLS/SSL 协议构建的可进行加密传输、身份认证的网络协议，主要通过数字证书、加密算法、非对称密钥等技术完成互联网数据传输加密，实现互联网传输安全保护。
总共能实现以下三个功能：
1）数据保密性：保证数据内容在传输的过程中不会被第三方查看。
2）数据完整性：及时发现被第三方篡改的传输内容。
3）身份校验安全性：保证数据到达用户期望的目的地。
2、双向的身份认证
客户端和服务端在传输数据之前,会通过基于X.509证书对双方进行身份认证 。具体过程如下:
客户端发起 SSL 握手消息给服务端要求连接。
服务端将证书发送给客户端。
客户端检查服务端证书，确认是否由自己信任的证书签发机构签发。 如果不是，将是否继续通讯的决定权交给用户选择 ( 注意，这里将是一个安全缺陷 )。如果检查无误或者用户选择继续，则客户端认可服务端的身份。
服务端要求客户端发送证书，并检查是否通过验证。失败则关闭连接，认证成功则从客户端证书中获得客户端的公钥，一般为1024位或者 2048位。到此，服务器客户端双方的身份认证结束，双方确保身份都是真实可靠的。

参考技术B HTTPS很有价值，因为它可以保护所有通信和客户信息。HTTPS还可以使任何使用它的网站合法化，因为可以验证使用HTTPS的企业。特别是对于任何电子商务网站，客户都会觉得在那里购物更安全。

xgboost ML 模型的 get_fscore() 有啥作用？ [复制]

【中文标题】xgboost ML 模型的 get_fscore() 有啥作用？ [复制]

【英文标题】：What does get_fscore() of an xgboost ML model do? [duplicate]xgboost ML 模型的 get_fscore() 有什么作用？ [复制]

【发布时间】：2016-02-12 15:25:50

【问题描述】：

有人知道这些数字是如何计算的吗？在文档中它说这个函数“获取每个特征的特征重要性”，但没有解释如何解释结果。

【问题讨论】：

不太清楚，但代码和方法本身在github上：github.com/dmlc/xgboost/blob/master/python-package/xgboost/…

谢谢。如果您仔细阅读代码，您会发现它是对该功能在决策树中出现频率的计数。

【参考方案1】：

这是一个指标，它简单地总结了每个特征被分割的次数。它类似于 R 版本中的频率度量。https://cran.r-project.org/web/packages/xgboost/xgboost.pdf

这是您可以获得的基本特征重要性指标。

即这个变量分裂了多少次？

此方法的代码显示它只是在所有树中添加给定特征的存在。

[这里..https://github.com/dmlc/xgboost/blob/master/python-package/xgboost/core.py#L953][1]

def get_fscore(self, fmap=''):
    """Get feature importance of each feature.
    Parameters
    ----------
    fmap: str (optional)
       The name of feature map file
    """
    trees = self.get_dump(fmap)  ## dump all the trees to text
    fmap =                     
    for tree in trees:              ## loop through the trees
        for line in tree.split('\n'):     # text processing
            arr = line.split('[')
            if len(arr) == 1:             # text processing 
                continue
            fid = arr[1].split(']')[0]    # text processing
            fid = fid.split('<')[0]       # split on the greater/less(find variable name)

            if fid not in fmap:  # if the feature id hasn't been seen yet
                fmap[fid] = 1    # add it
            else:
                fmap[fid] += 1   # else increment it
    return fmap                  # return the fmap, which has the counts of each time a  variable was split on