微信-------通过开发者请求验证

本文介绍了,微信公众号在开发者模式下通过微信服务器验证的设置

准备工作:

  1. 申请到应用引擎,用于部署自己的应用,笔者用的是新浪云
  2. 在微信公众平台上面点击基本配置—->服务器配置—–>修改配置
    填上URL,以及Token,如图
    图1:填写URL以及Token

URL:http://1.*************applinzi.com/WeixinServlet(微信服务器通过像这个地址发送请求,完成验证)
Token:token(可随意填写,微信服务器通过token加上timestamp以及nonce生成signature即微信加密签名)

验证过程及原理:

(在此之前必须已经把自己的应用部署的服务器上,能够通过登记的URL进行访问)
- 微信服务器根据填写的URL 发送一个get请求

参数描述
echostr随机字符串(用于返回表通过应用验证)
nonce随机数(参与生成加密签名)
timestamp时间戳(参与生成加密签名)
signature加密签名(通过token、nonce、timestamp生成)

###应用接收到请求,处理并反馈(验证是来自微信服务器的请求返回echostr)
那么如何处理微信服务器发送过来的请求呢
很简单!判断signature是否是微信服务器发过来的就成
我们要做的工作就是

首先,拿到timestamp,nonce加上我们自己设置的token,对这三个参数按字典序排序后拼接成一个字符串。
然后,对这个字符串进行SHA-1加密
最后,加密过后的字符串如果与微信服务器发送过来的signature一样,那么就通过了我方应用的验证。
具体实现代码如下:

protected void doGet(HttpServletRequest req, HttpServletResponse resp)
            throws ServletException, IOException {

        String token = "token";  //此处token是在微信工作平台上填写的Token
        String endstr = "";
        // 获取相关参数
        String timestamp = req.getParameter("timestamp");// 时间戳
        String signature = req.getParameter("signature");// 加密签名(结合了token、timestamp以及nonce)
        String nonce = req.getParameter("nonce");// 随机数
        String echostr = req.getParameter("echostr");// 随机字符串,验证通过返回

        // 开始验证
        // 对token、timestamp以及nonce 按字典序排序
        String arrays[] = new String[] { token, timestamp, nonce };
        Arrays.sort(arrays);
        // 将排序后的三个参数按顺序拼接成一个字符串,并对其进行sha1加密
        String result = "";
        for (String str : arrays) {
            result += str;
        }
        try {
            MessageDigest md = MessageDigest.getInstance("SHA-1");
            byte[] hash = md.digest(result.getBytes());
            Formatter formatter = new Formatter();
            for (byte b : hash) {
                formatter.format("%02x", b);
            }
            endstr = formatter.toString();
        } catch (NoSuchAlgorithmException e) {
            e.printStackTrace();
        }
        // 将加密后的字符串与signature比较,相同则验证通过返回随机字符串
        if (endstr.equals(signature)) {
            PrintWriter pw = resp.getWriter();
            pw.print(echostr);
            pw.close();
        } else {
        }
    }

验证通过后的处理

通过后,只需原样返回微信服务器发送过来的随机字符串(echostr)即可,服务器在收到返回的echostr后,整个验证过程就算处理完毕了。

**相关说明:

在微信公众号中设置URL 不要只写一个域名,要写能够处理这个请求的地址,可以是JSP也可以是servlet
本文域名后面跟着的WeixinServlet是一个servlet

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值