部件配置 中开启 提交时推送，这将使 Weblate 在 Weblate 发生更改时将更改推送到仓库。 ## 参见 持续本地化，避免合并冲突 ## 如何通过 SSH 访问仓库？ 设置 SSH 密钥的信息请参阅 访问仓库。 如何修复翻译中的合并冲突？ 当 Weblate 和上游仓库的翻译文件同时被更改时，合并冲突时有发生。通常可以通过在对翻译文件进行更改前（例如在运行 msgmerge 前）先合并 就将能够使用合并的版本而无需任何其它特殊操作。 ## 备注 取决于你的设置，访问 Weblate 仓库可能需要身份验证。使用 Weblate 中内建的 Git 导出器时，你需要使用用户名和 API 密钥进行身份验证。 # Commit all pending changes in Weblate, you can do this in the UI as well: wlc commit # SSH。授权公共 Weblate SSH 密钥（请参阅 Weblate SSH 密钥）以这种方式访问上游仓库。 ## 警告 在 Github 上，每个密钥只能用一次，见 GitHub 仓库 和 从 Hosted Weblate 访问仓库。 Weblate 还会在首次连接时存储主机密钥指纹，并且在以后进行更改时将无法连接到主机（请参阅 验证 SSH 主机密钥）。 如果需要调整，请从 Weblate

加微信时烦告知尊姓大名 ## 作用 ➢都以为自己在做正常的事情， 系统却出问题了 ➢ 强制封装保护信息完整性 条件语句？泛化？不重要了 对象  状态保护 逻辑内移 ## 作用 专家原则、可视原则 减少get/set Open 接口变简单

- 命令行工具 - XuperDB - 背景和目标 - 特点和优势 - 架构设计 - 功能介绍 - 如何使用 - Crypto - 数据隐私保护 - 机器学习算法 - 纵向联邦学习 团队 - 我们的团队 参与开发 - 参与开发&测试 参考文献 - 参考文献 ## 系统介绍 PaddleDTX - 敏感数据常用来做某些特定的分析和计算，在使用时不能泄露原始数据，支持数据可用不可见； - 敏感数据使用需要得到严格的授权或监管，以备后续审计。 因此，亟需一个去中心化存储系统解决敏感数据的隐私保护、安全使用和监管审计问题。 ## 特点和优势 XuperDB 具备高安全、高可用、可审计的特点： - 高安全：数据加密分片存储，有权限的用户才能恢复原始数据，且可以抵御存储节点串谋和单副本攻击； 分享、不经意传输、加法同态加密、隐私求交等联邦学习依赖的工具。 ## 数据隐私保护 随着大数据和机器学习技术不断发展，人工智能在各个领域实现了商业落地。然而，数据孤岛和数据隐私保护问题普遍存在。企业间渴望通过协作计算发挥各自数据的价值，又担心泄露用户敏感数据和企业机密信息。 为实现数据的跨企业协同计算，同时保护数据的隐私，联邦学习技术应运而生。联邦学习支持多个参与方利用己方数据共同建模和预测