学期（如2024-2025-1） 学号（如：20241428） 《计算机基础与程序设计》第6周学习总结
作业信息
| 这个作业属于哪个课程 | <班级的链接>（如2024-2025-1-计算机基础与程序设计） |
|---|---|
| 这个作业的目标 | <写上具体方面> |
| 作业正文 | https://i.cnblogs.com/posts/edit |
教材学习内容总结
时间复杂度：
最好情况（Best Case）：算法在最理想情况下的时间复杂度。
平均情况（Average Case）：算法在所有可能的输入情况下的平均时间复杂度。
最坏情况（Worst Case）：算法在最坏情况下的时间复杂度。
空间复杂度：
描述算法在执行过程中需要的存储空间与输入数据规模之间的关系。
大O表示法：
用于描述算法复杂度的上界，通常忽略常数因子和低阶项。
常见的时间复杂度有：O(1), O(log n), O(n), O(n log n), O(n^2), O(n^3), O(2^n), O(n!) 等。
常见的时间复杂度分析：
常数时间：O(1)，算法执行时间不随输入规模变化。
对数时间：O(log n)，如二分查找。
线性时间：O(n)，如直接插入排序。
线性对数时间：O(n log n)，如快速排序、归并排序。
二次时间：O(n^2)，如冒泡排序、选择排序。
立方时间：O(n^3)，如某些矩阵乘法算法。
指数时间：O(2^n)，如暴力搜索算法。
阶乘时间：O(n!)，如旅行商问题（TSP）的暴力解法。
递归算法的时间复杂度：
递归算法的时间复杂度分析通常需要使用递归关系式，如斐波那契数列的递归关系。
分治算法的时间复杂度：
通常形式为T(n) = aT(n/b) + f(n)，其中a是递归调用的次数，b是每次递归调用处理的输入规模的缩小比例，f(n)是递归之外的工作量。
动态规划的时间复杂度：
动态规划通常用于解决具有重叠子问题和最优子结构特性的问题，其时间复杂度取决于状态转移方程的复杂度。
输入验证：
验证所有用户输入，包括前端和后端，以防止SQL注入、跨站脚本（XSS）等攻击。
使用白名单验证方法，明确定义可接受的输入格式。
数据加密：
对敏感数据进行加密，无论是在传输过程中还是存储在数据库中。
使用强加密算法，如AES、RSA等，并定期更新密钥。
安全配置：
确保系统和应用程序的配置符合安全最佳实践，例如关闭不必要的服务和端口。
定期更新和打补丁，以防止已知漏洞被利用。
错误处理：
避免在生产环境中显示详细的错误信息，这可能会泄露系统信息给攻击者。
实现适当的错误处理机制，确保应用程序在遇到错误时不会崩溃。
代码审计和静态分析：
定期进行代码审计，以发现和修复安全漏洞。
使用静态代码分析工具自动检测潜在的安全问题。
权限和访问控制：
实施基于角色的访问控制（RBAC），确保用户只能访问他们被授权的资源。
最小权限原则：只授予执行任务所需的最低权限。
会话管理：
安全地生成和管理会话标识符，防止会话劫持。
实施会话超时和失效机制，减少未经授权的访问。