Java加密技术(一)——BASE64与单向加密算法MD5&SHA&MAC

  转载自http://snowolf.iteye.com/blog/379860

加密解密,曾经是我一个毕业设计的重要组件。在工作了多年以后回想当时那个加密、解密算法,实在是太单纯了。

    言归正传,这里我们主要描述Java已经实现的一些加密解密算法,最后介绍数字证书。
    如基本的单向加密算法:
  • BASE64 严格地说,属于编码格式,而非加密算法
  • MD5(Message Digest algorithm 5,信息摘要算法)
  • SHA(Secure Hash Algorithm,安全散列算法)
  • HMAC(Hash Message Authentication Code,散列消息鉴别码)

    复杂的对称加密(DES、PBE)、非对称加密算法:
  • DES(Data Encryption Standard,数据加密算法)
  • PBE(Password-based encryption,基于密码验证)
  • RSA(算法的名字以发明者的名字命名:Ron Rivest, AdiShamir 和Leonard Adleman)
  • DH(Diffie-Hellman算法,密钥一致协议)
  • DSA(Digital Signature Algorithm,数字签名)
  • ECC(Elliptic Curves Cryptography,椭圆曲线密码编码学)


    本篇内容简要介绍 BASE64 MD5 SHA HMAC 几种方法。
    MD5 SHA HMAC 这三种加密算法,可谓是非可逆加密,就是不可解密的加密方法。我们通常只把他们作为加密的基础。单纯的以上三种的加密并不可靠。

BASE64
按照RFC2045的定义,Base64被定义为:Base64内容传送编码被设计用来把任意序列的8位字节描述为一种不易被人直接识别的形式。(The Base64 Content-Transfer-Encoding is designed to represent arbitrary sequences of octets in a form that need not be humanly readable.)
常见于邮件、http加密,截取http信息,你就会发现登录操作的用户名、密码字段通过BASE64加密的。



通过java代码实现如下:
Java代码  收藏代码
  1. /**
  2. * BASE64解密
  3. *
  4. * @param key
  5. * @return
  6. * @throws Exception
  7. */ 
  8. public static byte[] decryptBASE64(String key) throws Exception { 
  9.     return (new BASE64Decoder()).decodeBuffer(key); 
  10.  
  11. /**
  12. * BASE64加密
  13. *
  14. * @param key
  15. * @return
  16. * @throws Exception
  17. */ 
  18. public static String encryptBASE64(byte[] key) throws Exception { 
  19.     return (new BASE64Encoder()).encodeBuffer(key); 

主要就是BASE64Encoder、BASE64Decoder两个类,我们只需要知道使用对应的方法即可。另,BASE加密后产生的字节位数是8的倍数,如果不够位数以 = 符号填充。

MD5
MD5 -- message-digest algorithm 5 (信息-摘要算法)缩写,广泛用于加密和解密技术,常用于文件校验。校验?不管文件多大,经过MD5后都能生成唯一的MD5值。好比现在的ISO校验,都是MD5校验。怎么用?当然是把ISO经过MD5后产生MD5的值。一般下载linux-ISO的朋友都见过下载链接旁边放着MD5的串。就是用来验证文件是否一致的。



通过java代码实现如下:
Java代码  收藏代码
  1. /**
  2. * MD5加密
  3. *
  4. * @param data
  5. * @return
  6. * @throws Exception
  7. */ 
  8. public static byte[] encryptMD5(byte[] data) throws Exception { 
  9.  
  10.     MessageDigest md5 = MessageDigest.getInstance(KEY_MD5); 
  11.     md5.update(data); 
  12.  
  13.     return md5.digest(); 
  14.  


通常我们不直接使用上述MD5加密。通常将MD5产生的字节数组交给BASE64再加密一把,得到相应的字符串。

SHA
SHA(Secure Hash Algorithm,安全散列算法),数字签名等密码学应用中重要的工具,被广泛地应用于电子商务等信息安全领域。虽然,SHA与MD5通过碰撞法都被破解了, 但是SHA仍然是公认的安全加密算法,较之MD5更为安全。



通过java代码实现如下:
Java代码  收藏代码
  1.     /**
  2.      * SHA加密
  3.      *
  4.      * @param data
  5.      * @return
  6.      * @throws Exception
  7.      */ 
  8.     public static byte[] encryptSHA(byte[] data) throws Exception { 
  9.  
  10.         MessageDigest sha = MessageDigest.getInstance(KEY_SHA); 
  11.         sha.update(data); 
  12.  
  13.         return sha.digest(); 
  14.  
  15.     } 


HMAC
HMAC(Hash Message Authentication Code,散列消息鉴别码,基于密钥的Hash算法的认证协议。消息鉴别码实现鉴别的原理是,用公开函数和密钥产生一个固定长度的值作为认证标识,用这个标识鉴别消息的完整性。使用一个密钥生成一个固定大小的小数据块,即MAC,并将其加入到消息中,然后传输。接收方利用与发送方共享的密钥进行鉴别认证等。



通过java代码实现如下:
Java代码  收藏代码
  1. /**
  2. * 初始化HMAC密钥
  3. *
  4. * @return
  5. * @throws Exception
  6. */ 
  7. public static String initMacKey() throws Exception { 
  8.     KeyGenerator keyGenerator = KeyGenerator.getInstance(KEY_MAC); 
  9.  
  10.     SecretKey secretKey = keyGenerator.generateKey(); 
  11.     return encryptBASE64(secretKey.getEncoded()); 
  12.  
  13. /**
  14. * HMAC加密
  15. *
  16. * @param data
  17. * @param key
  18. * @return
  19. * @throws Exception
  20. */ 
  21. public static byte[] encryptHMAC(byte[] data, String key) throws Exception { 
  22.  
  23.     SecretKey secretKey = new SecretKeySpec(decryptBASE64(key), KEY_MAC); 
  24.     Mac mac = Mac.getInstance(secretKey.getAlgorithm()); 
  25.     mac.init(secretKey); 
  26.  
  27.     return mac.doFinal(data); 
  28.  


给出一个完整类,如下:
Java代码  收藏代码
  1. import java.security.MessageDigest; 
  2.  
  3. import javax.crypto.KeyGenerator; 
  4. import javax.crypto.Mac; 
  5. import javax.crypto.SecretKey; 
  6.  
  7. import sun.misc.BASE64Decoder; 
  8. import sun.misc.BASE64Encoder; 
  9.  
  10. /**
  11. * 基础加密组件
  12. *
  13. * @author 梁栋
  14. * @version 1.0
  15. * @since 1.0
  16. */ 
  17. public abstract class Coder { 
  18.     public static final String KEY_SHA = "SHA"
  19.     public static final String KEY_MD5 = "MD5"
  20.  
  21.     /**
  22.      * MAC算法可选以下多种算法
  23.      *
  24.      * <pre>
  25.      * HmacMD5
  26.      * HmacSHA1
  27.      * HmacSHA256
  28.      * HmacSHA384
  29.      * HmacSHA512
  30.      * </pre>
  31.      */ 
  32.     public static final String KEY_MAC = "HmacMD5"
  33.  
  34.     /**
  35.      * BASE64解密
  36.      *
  37.      * @param key
  38.      * @return
  39.      * @throws Exception
  40.      */ 
  41.     public static byte[] decryptBASE64(String key) throws Exception { 
  42.         return (new BASE64Decoder()).decodeBuffer(key); 
  43.     } 
  44.  
  45.     /**
  46.      * BASE64加密
  47.      *
  48.      * @param key
  49.      * @return
  50.      * @throws Exception
  51.      */ 
  52.     public static String encryptBASE64(byte[] key) throws Exception { 
  53.         return (new BASE64Encoder()).encodeBuffer(key); 
  54.     } 
  55.  
  56.     /**
  57.      * MD5加密
  58.      *
  59.      * @param data
  60.      * @return
  61.      * @throws Exception
  62.      */ 
  63.     public static byte[] encryptMD5(byte[] data) throws Exception { 
  64.  
  65.         MessageDigest md5 = MessageDigest.getInstance(KEY_MD5); 
  66.         md5.update(data); 
  67.  
  68.         return md5.digest(); 
  69.  
  70.     } 
  71.  
  72.     /**
  73.      * SHA加密
  74.      *
  75.      * @param data
  76.      * @return
  77.      * @throws Exception
  78.      */ 
  79.     public static byte[] encryptSHA(byte[] data) throws Exception { 
  80.  
  81.         MessageDigest sha = MessageDigest.getInstance(KEY_SHA); 
  82.         sha.update(data); 
  83.  
  84.         return sha.digest(); 
  85.  
  86.     } 
  87.  
  88.     /**
  89.      * 初始化HMAC密钥
  90.      *
  91.      * @return
  92.      * @throws Exception
  93.      */ 
  94.     public static String initMacKey() throws Exception { 
  95.         KeyGenerator keyGenerator = KeyGenerator.getInstance(KEY_MAC); 
  96.  
  97.         SecretKey secretKey = keyGenerator.generateKey(); 
  98.         return encryptBASE64(secretKey.getEncoded()); 
  99.     } 
  100.  
  101.     /**
  102.      * HMAC加密
  103.      *
  104.      * @param data
  105.      * @param key
  106.      * @return
  107.      * @throws Exception
  108.      */ 
  109.     public static byte[] encryptHMAC(byte[] data, String key) throws Exception { 
  110.  
  111.         SecretKey secretKey = new SecretKeySpec(decryptBASE64(key), KEY_MAC); 
  112.         Mac mac = Mac.getInstance(secretKey.getAlgorithm()); 
  113.         mac.init(secretKey); 
  114.  
  115.         return mac.doFinal(data); 
  116.  
  117.     } 


再给出一个测试类:
Java代码  收藏代码
  1. import static org.junit.Assert.*; 
  2.  
  3. import org.junit.Test; 
  4.  
  5. /**
  6. *
  7. * @author 梁栋
  8. * @version 1.0
  9. * @since 1.0
  10. */ 
  11. public class CoderTest { 
  12.  
  13.     @Test 
  14.     public void test() throws Exception { 
  15.         String inputStr = "简单加密"
  16.         System.err.println("原文:\n" + inputStr); 
  17.  
  18.         byte[] inputData = inputStr.getBytes(); 
  19.         String code = Coder.encryptBASE64(inputData); 
  20.  
  21.         System.err.println("BASE64加密后:\n" + code); 
  22.  
  23.         byte[] output = Coder.decryptBASE64(code); 
  24.  
  25.         String outputStr = new String(output); 
  26.  
  27.         System.err.println("BASE64解密后:\n" + outputStr); 
  28.  
  29.         // 验证BASE64加密解密一致性 
  30.         assertEquals(inputStr, outputStr); 
  31.  
  32.         // 验证MD5对于同一内容加密是否一致 
  33.         assertArrayEquals(Coder.encryptMD5(inputData), Coder 
  34.                 .encryptMD5(inputData)); 
  35.  
  36.         // 验证SHA对于同一内容加密是否一致 
  37.         assertArrayEquals(Coder.encryptSHA(inputData), Coder 
  38.                 .encryptSHA(inputData)); 
  39.  
  40.         String key = Coder.initMacKey(); 
  41.         System.err.println("Mac密钥:\n" + key); 
  42.  
  43.         // 验证HMAC对于同一内容,同一密钥加密是否一致 
  44.         assertArrayEquals(Coder.encryptHMAC(inputData, key), Coder.encryptHMAC( 
  45.                 inputData, key)); 
  46.  
  47.         BigInteger md5 = new BigInteger(Coder.encryptMD5(inputData)); 
  48.         System.err.println("MD5:\n" + md5.toString(16)); 
  49.  
  50.         BigInteger sha = new BigInteger(Coder.encryptSHA(inputData)); 
  51.         System.err.println("SHA:\n" + sha.toString(32)); 
  52.  
  53.         BigInteger mac = new BigInteger(Coder.encryptHMAC(inputData, inputStr)); 
  54.         System.err.println("HMAC:\n" + mac.toString(16)); 
  55.     } 


控制台输出:
Console代码  收藏代码
  1. 原文: 
  2. 简单加密 
  3. BASE64加密后: 
  4. 566A5Y2V5Yqg5a+G 
  5.  
  6. BASE64解密后: 
  7. 简单加密 
  8. Mac密钥: 
  9. uGxdHC+6ylRDaik++leFtGwiMbuYUJ6mqHWyhSgF4trVkVBBSQvY/a22xU8XT1RUemdCWW155Bke 
  10. pBIpkd7QHg== 
  11.  
  12. MD5: 
  13. -550b4d90349ad4629462113e7934de56 
  14. SHA: 
  15. 91k9vo7p400cjkgfhjh0ia9qthsjagfn 
  16. HMAC: 
  17. 2287d192387e95694bdbba2fa941009a 
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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。
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。
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 1
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