『生成内容溯源系统』详解

生成内容溯源系统详解

在这里插入图片描述

1. 定义与核心目标

生成内容溯源系统（Generative Content Provenance System）是指能够追踪AI生成内容的来源、生成过程、版权归属及修改历史的技术体系。其核心目标是：

  • 验证真实性：证明内容由特定AI模型生成。
  • 追踪来源：记录生成者的身份、模型信息及参数。
  • 防止滥用：识别非法生成或篡改的内容（如Deepfake、虚假新闻）。
  • 版权管理：明确内容的知识产权归属。
2. 技术原理

生成内容溯源系统依赖以下核心技术：

(1) 数字水印（Digital Watermarking）
  • 原理：在生成内容中嵌入不可见或隐式的标识符（如文本指纹、图像噪声、音频频段）。
  • 技术类型：
    • 可见水印：直接显示生成模型标识（如“Generated by GPT-4”）。
    • 隐形水印：嵌入不可见的特征（如LSB图像水印、音频频谱标记）。
  • 工具示例：
    • OpenAI：在图像生成时嵌入水印（如DALL·E 3的可见水印）。
    • Adobe Content Credentials：为图像添加区块链锚定的水印。
(2) 区块链（Blockchain）
  • 原理：利用区块链的不可篡改性记录生成内容的元数据（如生成时间、模型ID、用户身份）。
  • 实现方式：
    • 元数据上链：存储生成内容的哈希值、参数、用户信息。
    • 智能合约：自动执行版权分发或内容验证规则。
  • 工具示例：
    • Artory：用于NFT艺术作品的区块链溯源。
    • OpenChain：开源区块链框架用于内容溯源。
(3) 元数据嵌入（Metadata Embedding）
  • 原理：在生成内容中直接嵌入元数据（如EXIF信息、JSON-LD标签）。
  • 内容类型：
    • 文本：在结尾添加模型标识（如“[Generated by Qwen]”）。
    • 图像/视频：使用EXIF字段记录模型版本、生成时间。
    • 音频：在ID3标签中添加生成信息。
(4) 哈希指纹（Hash Fingerprinting）
  • 原理：对生成内容进行哈希运算（如SHA-256），生成唯一标识符。
  • 应用场景：
    • 版权验证：通过哈希匹配确认内容来源。
    • 重复检测：防止同一内容被多次提交或盗用。
(5) 模型指纹（Model Fingerprinting）
  • 原理：通过分析生成内容的统计特征（如文本的句法模式、图像的纹理分布），识别生成模型。
  • 技术：
    • 特征提取：统计文本的词频、句长分布。
    • 模型检测API：如OpenAI的Classifier API检测文本是否由AI生成。
3. 核心功能模块
功能模块描述技术实现
内容标记在生成内容中嵌入可验证的标识符（水印、哈希）。数字水印、元数据注入
来源追踪记录生成者的身份、模型版本、参数及时间戳。区块链、数据库存储
篡改检测检测内容是否被修改或拼接（如Deepfake视频）。哈希比对、模型指纹分析
权限管理控制生成内容的使用权限（如商业用途需授权）。基于区块链的智能合约
合规审计生成合规报告，满足法律或行业监管要求（如医疗、金融）。自动化日志记录、审计接口
4. 典型实现流程
  1. 生成阶段：
    • 内容生成时自动嵌入水印或元数据。
    • 记录生成参数（模型ID、用户身份、时间戳）。
  2. 存储阶段：
    • 将元数据上链或存入中心化数据库。
    • 生成哈希指纹并关联原始数据。
  3. 验证阶段：
    • 用户或平台调用验证接口，输入内容或哈希值。
    • 系统返回生成信息（模型、用户、时间）及篡改状态。
  4. 审计阶段：
    • 提供生成记录查询接口，支持法律取证。
5. 典型技术组合
技术组合适用场景工具/框架
区块链 + 元数据NFT艺术、版权保护Ethereum、IPFS、Adobe Content Credentials
哈希指纹 + 模型检测API虚假信息检测（如社交媒体）OpenAI Classifier、Google Fact Check
数字水印 + 智能合约商业内容分发（如广告、设计）AWS KMS、阿里云通义万相
模型指纹 + 大数据分析企业内部AI使用审计ModelScope、TensorFlow Profiler
6. 典型工具与案例
(1) OpenAI的Content Moderation
  • 功能：
    • 生成图像时嵌入可见水印。
    • 提供API检测内容是否由AI生成。
  • 案例：
    • 用户生成图片后，OpenAI系统自动记录生成参数并生成溯源报告。
(2) Adobe Content Credentials
  • 功能：
    • 在图像中嵌入区块链锚定的元数据（生成模型、用户、时间）。
    • 用户可通过Adobe验证工具检查内容合法性。
  • 案例：
    • 用于NFT艺术创作，确保作品真实性和版权归属。
(3) 阿里云通义万相
  • 功能：
    • 生成图像时记录模型版本、参数及用户信息。
    • 提供API验证图像来源。
  • 案例：
    • 电商商品图生成后，买家可通过哈希值查询生成记录。
(4) 区块链平台（如Artory）
  • 功能：
    • 为艺术作品生成记录区块链交易哈希。
    • 支持NFT所有权转移追踪。
  • 案例：
    • 数字艺术品交易时，买家可验证作品的生成历史和所有权。
7. 典型技术实现步骤

以图像生成为例：

# 示例：使用Stable Diffusion生成图像并嵌入水印
from diffusers import StableDiffusionPipeline
import hashlib# 生成图像
pipe = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5")
image = pipe("A cyberpunk cityscape").images[0]# 嵌入元数据（EXIF）
image.save("generated_image.jpg", exif=f"生成模型: Stable Diffusion v1.5; 用户ID: user123; 时间: {datetime.now()}")# 计算哈希指纹
hash_value = hashlib.sha256(image.tobytes()).hexdigest()# 上链存储元数据
blockchain_transaction = {"hash": hash_value,"model": "Stable Diffusion","user": "user123","timestamp": datetime.now()
}
blockchain_id = blockchain.submit_transaction(blockchain_transaction)
8. 关键挑战与解决方案
挑战解决方案技术/工具
水印易被去除使用抗攻击水印（如频域水印）OpenCV、FFmpeg
数据隐私冲突匿名化处理元数据（如哈希加密）AES加密、零知识证明
跨平台兼容性标准化元数据格式（如JSON-LD）W3C标准、OpenAI API
计算资源消耗轻量化水印算法（如哈希摘要）SHA-256、Merkle Tree
9. 典型应用场景
场景技术组合工具/平台案例
NFT艺术交易区块链 + 数字水印Artory、Adobe Content Credentials验证数字艺术品的生成来源与版权
医疗影像生成模型指纹 + 合规审计医疗AI系统（如IBM Watson）确保生成影像的合规性与可追溯性
社交媒体内容审核哈希指纹 + 模型检测APIOpenAI Classifier、Google Vision检测Deepfake视频或虚假新闻
企业内部AI使用监控元数据嵌入 + 权限控制AWS KMS、阿里云通义实验室记录员工使用AI生成内容的权限和用途
10. 典型系统架构
生成内容溯源系统架构：
生成阶段 → 水印/元数据嵌入 → 数据上链 → 验证接口 → 审计模块
详细步骤
  1. 生成阶段：
    • AI模型生成内容时，自动嵌入不可见水印或元数据。
  2. 数据上链：
    • 将生成内容的哈希值、元数据（模型、用户、时间）存入区块链。
  3. 验证接口：
    • 用户提交内容或哈希值 → 系统查询区块链 → 返回生成信息。
  4. 审计模块：
    • 提供生成记录查询，支持法律取证（如版权纠纷）。
11. 典型工具对比表格
工具/平台核心技术适用场景开源/闭源优势
Adobe Content Credentials区块链 + 数字水印图像/视频生成闭源与Adobe生态深度集成
OpenAI水印系统可见水印 + 模型指纹文本/图像生成闭源高效检测生成内容真实性
IPFS + Ethereum分布式存储 + 区块链NFT、多模态内容开源去中心化存储与验证
阿里云通义溯源元数据注入 + 智能合约企业级生成内容管理闭源与阿里云AI服务无缝对接
12. 典型技术指标
指标定义应用场景
水印鲁棒性水印在压缩、裁剪后的可检测性。图像/视频生成
哈希匹配率系统检测到原始哈希值的准确率。内容版权验证
溯源响应时间验证请求到返回结果的时间。实时内容审核（如社交媒体）
模型检测准确率系统识别生成模型类型的准确度。深度伪造检测
13. 典型开发框架
(1) 使用OpenCV嵌入图像水印
import cv2
import numpy as np# 生成图像（示例）
image = np.zeros((512, 512, 3), dtype=np.uint8)# 嵌入隐形水印（LSB）
def embed_watermark(image, watermark):image_data = image.copy().flatten()watermark_bits = np.unpackbits(np.frombuffer(watermark.encode(), dtype=np.uint8))image_data[:len(watermark_bits)] ^= watermark_bitsreturn image_data.reshape(image.shape)watermarked_image = embed_watermark(image, "Model: Stable Diffusion v1.5")
cv2.imwrite("watermarked_image.jpg", watermarked_image)
(2) 使用区块链存储元数据
// Solidity智能合约示例（以太坊）
pragma solidity ^0.8.0;contract ContentProvenance {struct ContentRecord {string hash;string model;address creator;uint256 timestamp;}mapping(bytes32 => ContentRecord) public records;function logContent(string memory _hash, string memory _model) public {bytes32 id = keccak256(abi.encodePacked(_hash));records[id] = ContentRecord({hash: _hash,model: _model,creator: msg.sender,timestamp: block.timestamp});}
}
14. 典型应用案例
案例1：NFT艺术生成
  1. 生成过程：
    • 艺术家使用Stable Diffusion生成图像 → 系统自动嵌入水印和EXIF元数据。
  2. 上链存储：
    • 图像哈希值、艺术家ID、模型版本存入区块链。
  3. 验证流程：
    • 购买者扫描NFT → 系统返回生成记录 → 确认真实性。
案例2：医疗影像生成
  1. 生成阶段：
    • 医院AI生成病理模拟图像 → 嵌入哈希和模型信息。
  2. 合规审计：
    • 医生通过系统验证图像来源 → 确保用于教学或诊断的合法性。
15. 典型挑战与解决方案
挑战解决方案技术/工具
水印被去除使用频域水印（抗压缩、裁剪）OpenCV、FFmpeg
跨平台兼容性遵循W3C元数据标准JSON-LD、Schema.org
隐私保护匿名化用户ID（如哈希加密）AES加密、零知识证明
计算资源消耗轻量化水印算法（如哈希摘要）SHA-256、Merkle Tree
16. 典型伦理与法律要求
要求实现方式工具/框架
版权声明元数据中明确版权归属EXIF编辑库、区块链智能合约
用户同意生成时要求用户授权合规框架（如GDPR）
内容真实性生成内容时自动添加可验证标识OpenAI水印系统、Adobe Credence
审计可追溯记录所有生成操作日志ELK Stack、阿里云日志服务
17. 典型系统对比表格
系统类型核心技术适用场景优势局限性
区块链溯源系统区块链 + 数字水印NFT、高价值数字内容不可篡改，去中心化部署成本高，查询速度慢
中心化元数据系统数据库 + 哈希指纹企业内部AI使用审计高效查询，成本低中心化风险，易被攻击
混合系统区块链 + 轻量化水印社交媒体内容审核兼具安全与效率实现复杂度高
18. 典型开发步骤
  1. 设计水印或元数据格式：
    • 定义需记录的信息（模型ID、用户、时间）。
  2. 集成生成系统：
    • 在生成流程中自动嵌入水印或元数据。
  3. 构建验证接口：
    • 提供API或SDK查询生成记录。
  4. 部署区块链节点（可选）：
    • 使用Hyperledger或以太坊存储元数据。
  5. 合规性测试：
    • 验证水印鲁棒性、溯源准确性。
19. 典型工具与框架
工具功能适用场景
OpenCV图像水印嵌入与检测视频/图像生成
IPFS分布式存储生成内容NFT、去中心化应用
OpenAI API内容真实性检测文本/图像生成
Hyperledger Fabric企业级区块链溯源医疗、金融行业
20. 典型技术栈示例
(1) 图像生成溯源系统
  • 生成端：
    • 模型：Stable Diffusion。
    • 水印：OpenCV嵌入隐形水印。
  • 存储层：
    • 区块链：IPFS存储内容，Ethereum记录哈希与元数据。
  • 验证端：
    • API：调用OpenCV检测水印，查询区块链获取元数据。
(2) 文本生成溯源系统
  • 生成端：
    • 模型：Qwen、GPT-4。
    • 元数据：在文本结尾添加不可见的模型标识（如Unicode字符）。
  • 存储层：
    • 数据库：MySQL存储生成记录（用户ID、时间戳、哈希）。
  • 验证端：
    • API：OpenAI的Content Filter检测AI生成痕迹。
21. 典型性能指标
指标定义目标值
水印检测准确率检测嵌入水印的成功率。≥99%（抗压缩、旋转）
溯源响应时间从提交内容到返回生成信息的时间。<1秒（中心化系统）
哈希碰撞概率不同内容生成相同哈希的概率。<1e-30（使用SHA-256）
模型指纹识别率检测生成模型类型的准确率。≥95%（对抗样本下）
22. 典型行业应用
行业应用技术栈
艺术与NFT数字艺术品版权验证IPFS、Ethereum、OpenCV水印
医疗生成影像的合规性验证区块链、模型指纹分析
广告AI生成广告内容的版权管理元数据嵌入、AWS KMS
教育AI生成教学材料的来源追踪通义万相、阿里云日志服务
23. 典型错误与解决方案
问题解决方案
水印被去除使用频域水印（如DCT域嵌入）。
哈希计算错误使用标准库（如Python hashlib）确保一致性。
跨平台元数据丢失在文件格式中强制嵌入元数据（如JPEG EXIF）。
区块链查询速度慢使用本地缓存或轻节点加速查询。
24. 典型伦理与法律框架
要求实现方式工具/标准
GDPR合规匿名化用户数据，获取明确授权隐私计算框架（如Federated Learning）
版权法在元数据中明确版权声明Creative Commons协议、区块链智能合约
虚假信息法规生成内容标注AI来源OpenAI API的Content Filter
25. 典型未来发展方向
  1. 抗攻击水印技术：开发更鲁棒的隐形水印（如对抗生成网络）。
  2. 轻量化区块链：使用Layer-2方案（如Polygon）降低存储成本。
  3. 多模态溯源：联合文本、图像、视频的生成记录。
  4. 自动审计工具：集成AI检测生成内容并自动触发溯源查询。

总结

生成内容溯源系统通过数字水印、区块链、元数据等技术，解决了AI生成内容的真实性、版权和合规性问题。开发者需根据场景选择技术组合：

  • 高价值内容（如NFT） → 区块链 + 数字水印。
  • 企业内部审计 → 中心化元数据系统 + 模型指纹。
  • 实时内容审核（如社交媒体） → 哈希指纹 + API验证。

注意事项：

  • 隐私保护：匿名化用户数据，避免泄露敏感信息。
  • 技术平衡：在安全性和用户体验间权衡（如可见水印可能影响视觉效果）。
  • 法律合规：遵循当地数据隐私和版权法规（如欧盟AI法案）。

通过上述技术，生成内容溯源系统正在成为AI应用中的必备基础设施，确保技术发展的同时维护社会信任。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/pingmian/76499.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

conda如何安装和运行jupyter

conda如何安装和运行jupyter

在Conda环境中安装和运行Jupyter Notebook是一项常见且实用的任务&#xff0c;特别是在数据科学和机器学习项目中。以下是使用Conda安装和运行Jupyter Notebook的步骤&#xff1a; 安装Jupyter Notebook 首先&#xff0c;确保你的Conda是最新的。打开终端或Anaconda Prompt&a…
阅读更多...
QML之Flickable（滚动区域）

QML之Flickable（滚动区域）

Flickable 是 QML 中用于创建可滚动区域的基础组件&#xff0c;它比 ScrollView 提供更底层的控制&#xff0c;适合需要自定义滚动行为的场景。 基本用法 qml import QtQuick 2.15Flickable {width: 200height: 200contentWidth: 400 // 内容总宽度contentHeight: 800 // 内…
阅读更多...
【NumPy科学计算引擎：从基础操作到高性能实践】

【NumPy科学计算引擎：从基础操作到高性能实践】

目录 前言&#xff1a;技术背景与价值当前技术痛点解决方案概述目标读者说明 一、技术原理剖析关键技术模块说明技术选型对比 二、实战演示环境配置核心代码实现运行结果验证 三、性能对比测试方法论量化数据对比结果分析 四、最佳实践推荐方案 ✅常见错误 ❌调试技巧 五、应用…
阅读更多...
PandaGPT实战(1): 环境配置及效果演示

PandaGPT实战(1): 环境配置及效果演示

文章目录 1. 环境安装2. 数据准备2.1 模型权重获取2.2 训练数据准备3. 效果演示3.1 训练3.2 部署效果PandaGPT是首个无需显式监督即能跨六种模态执行指令微调任务的基础模型。它展现出多样化的多模态能力，包括复杂理解/推理、基于知识的描述以及多轮对话交互。 作为通用型指令…
阅读更多...
spring security oauth2.0 使用GitHub

spring security oauth2.0 使用GitHub

在 Spring Security 中集成 GitHub 的 OAuth 2.0 登录&#xff0c;可以实现用户通过 GitHub 账号快速认证。以下是完整的分步实现指南和代码示例&#xff1a; 一、前置准备 1. 在 GitHub 注册 OAuth 应用 访问 GitHub Settings → Developer settings → OAuth Apps点击 New …
阅读更多...
QT聊天项目DAY01

QT聊天项目DAY01

1.新建初始项目 2.修改UI格式 运行效果 3.创建登录界面 设计登录界面UI 设计布局 调整布局间距 往水平布局中拖入标签和文本输入框 更换控件名称并固定高度 添加窗口部件 往现有的资源文件中导入图片 添加水平布局 4.设置登陆界面为主窗口的核心组件 #pragma once#include &l…
阅读更多...
检测到目标URL存在http host头攻击漏洞

检测到目标URL存在http host头攻击漏洞

漏洞描述 修复措施 方法一&#xff1a; nginx 的 default_server 指令可以定义默认的 server 去处理一些没有匹配到 server_name 的请求&#xff0c;如果没有显式定义&#xff0c;则会选取第一个定义的 server 作为 default_server。 server { …
阅读更多...
小甲鱼第004讲：变量和字符串（下）| 课后测试题及答案

小甲鱼第004讲：变量和字符串（下）| 课后测试题及答案

问答题: 0. 请问下面代码有没有毛病&#xff0c;为什么? 请问下面代码为什么会出错&#xff0c;应该如何解决&#xff1f; 答:这是由于在字符串中&#xff0c;反斜杠()会与其随后的字符共同构成转义字符。 为了避免这种不测情况的发生&#xff0c;我们可以在字符串的引号前面…
阅读更多...
Hyprnote开源程序是一款记录和转录您会议的 AI 记事本。 本地优先且可扩展 。

Hyprnote开源程序是一款记录和转录您会议的 AI 记事本。 本地优先且可扩展 。

一、软件介绍 文末提供源码下载学习 Hyprnote开源程序是一款记录和转录您会议的 AI 记事本。 从您的原始会议记录中生成强大的摘要&#xff0c;本地优先且可扩展 。使用开源模型 &#xff08;Whisper & Llama&#xff09; 离线工作&#xff0c;高度可扩展 &#xff0c;由插…
阅读更多...
FreeRTOS使任务处于阻塞态的API

FreeRTOS使任务处于阻塞态的API

在FreeRTOS中&#xff0c;任务进入阻塞状态通常是因为等待某个事件或资源。以下是常用的使任务进入阻塞态的API及其分类&#xff1a; 1. 任务延时 vTaskDelay(pdMS_TO_TICKS(ms)) 将任务阻塞固定时间&#xff08;相对延时&#xff0c;从调用时开始计算&#xff09;。 示例&…
阅读更多...
各种“排序”的方法

各种“排序”的方法

文章目录 插入排序1. 直接插入排序(O(n^2))举例1&#xff1a;举例2&#xff1a;直插排序的"代码"直插排序的“时间复杂度” 2. 希尔排序(O(n^1.3))方法一方法二(时间复杂度更优) 选择排序堆排序直接选择排序 我们学过冒泡排序&#xff0c;堆排序等等。&#xff08;回…
阅读更多...
【Linux网络与网络编程】08.传输层协议 UDP

【Linux网络与网络编程】08.传输层协议 UDP

传输层协议负责将数据从发送端传输到接收端。 一、再谈端口号 端口号标识了一个主机上进行通信的不同的应用程序。在 TCP/IP 协议中&#xff0c;用 "源IP"&#xff0c;"源端口号"&#xff0c;"目的 IP"&#xff0c;"目的端口号"&…
阅读更多...
python求π近似值

python求π近似值

【问题描述】用公式π/4≈1-1/31/5-1/7..1/(2*N-1).求圆周率PI的近似值。 从键盘输入一个整数N值&#xff0c;利用上述公式计算出π的近似值&#xff0c;然后输出π值&#xff0c;保留小数后8位。 【样例输入】1000 【样例输出】3.14059265 def countpi(N):p0040nowid0for i i…
阅读更多...
第十六届蓝桥杯省赛JavaB组题解

第十六届蓝桥杯省赛JavaB组题解

A 逃离高塔 第一道填空题很简单&#xff0c;根据题意跑一边循环即可&#xff0c;一共是202个符合条件的数 public static void main(String[] args) {Scanner scanner new Scanner(System.in);int ans0;for(long i0;i<2025;i){if((i*i*i)%103)ans;}System.out.println(ans)…
阅读更多...
汽车车窗升降系统全生命周期耐久性验证方案研究

汽车车窗升降系统全生命周期耐久性验证方案研究

随着汽车行业的快速发展&#xff0c;消费者对于汽车品质和安全性的要求日益提高。汽车车窗升降系统作为汽车电子系统中的重要组成部分&#xff0c;其可靠性和耐久性直接影响到用户的使用体验和行车安全。车窗升降系统在日常使用中频繁操作&#xff0c;承受着各种复杂的工况&…
阅读更多...
嵌入式Linux——8 串口

嵌入式Linux——8 串口

目录 1.终端&#xff08;tty&#xff09; /dev/tty*&#xff1a;物理/虚拟终端 /dev/pts/*&#xff1a;伪终端 /dev/tty&#xff1a;当前进程的控制终端 /dev/tty0&#xff1a;当前活动的虚拟控制台 2.行规程模式&#xff08;line discipline&#xff09; 比较行规程和原…
阅读更多...
Docker日志查看与资源监控指令全解：从基础到高阶运维实践

Docker日志查看与资源监控指令全解：从基础到高阶运维实践

Docker日志查看与资源监控指令全解&#xff1a;从基础到高阶运维实践 一、日志管理&#xff1a;穿透容器内部的眼睛1.1 基础日志操作核心命令&#xff1a;docker logs日志驱动配置 1.2 高级日志处理JSON日志解析多容器日志聚合 二、资源监控&#xff1a;掌握容器生命体征2.1 实…
阅读更多...
初学STM32之编码器测速以及测频法的实现

初学STM32之编码器测速以及测频法的实现

资料来着江协科技 这篇是编码器测速&#xff0c;江科大的源码在测速的时候&#xff0c;定时器TIM2是一直在跑的&#xff0c;不受其它控的&#xff0c;它就一直隔1S读一次CNT的值。它也不管是否有输入信号。源码程序修改一下是可以实现对PWM信号以测频法的方式读取。 笔者稍微改…
阅读更多...
oracle怎么查看是否走了索引

oracle怎么查看是否走了索引

SELECT * FROM CRM_STATION_APPEAL_RESULT WHERE COMPLAINT_ID ce1a1d8f-e2a2-4126-8cb7-14384cb24468; 这是查询语句&#xff0c;怎么看这个查询是否走了索引呢 EXPLAIN PLAN FOR SELECT * FROM CRM_STATION_APPEAL_RESULT WHERE COMPLAINT_ID ce1a1d8f-e2a2-4126-8cb7-14…
阅读更多...
C++进阶——C++11_{ }初始化_lambda_包装器

C++进阶——C++11_{ }初始化_lambda_包装器

目录 1、{ }初始化 1.1 C98的{ } 1.2 C11的{ } 1.3 C11中的std::initializer_list 总结一下&#xff1a; 2、lambda 2.1 lambda的语法 2.2 捕捉列表 2.3 lambda的应用 2.4 lambda的原理 3、包装器 3.1 function 3.2 bind 1、{ }初始化 1.1 C98的{ } C98中一般数组…
阅读更多...
最新文章

Copyright @ 2022~2023