業餘黑客有個潛規則。

政府機關、金融系統、電子商務……這類網站的後臺，是機密重地，通常有高手坐鎮，沒事最好別去溜達。

被網監或者安全專家盯上，十有八九落不了好。

而個人網站、小型辦公網絡、學校網站……

這種信息安全不太敏感的，僅僅是瀏覽或下載一些數據，一般不會有什麼大問題。

比如從鐵道部官網12306爬點數據，做個輔助訂票系統什麼的……

但無論任何地方，肆意破壞總是不被允許的，這是底線。

《原始數據表》的奇怪情況，身份證位數不對，側面支持了這種可能性。

通過黑客手段獲取數據，有時候會遇到一些匪夷所思的問題，比如數據格式特殊，下載的數據寬度受限……

有時候，甚至在後臺數據庫裏，只能找到數據的一部分，而其餘部分被保存在無法訪問的文件裏。

寫後臺程序的人，會基於各種各樣的理由，寫出可讀性極差的代碼。

比如：讀寫效率、數據安全、修補bug、系統健壯……

又或者不想被人繼承代碼，取代自己的位置，甚至單純爲了個人興趣、編程風格……

都可能導致這些人，搞出種種令人費解的騷操作。

當然，也可能老高的技術還有缺陷，或者他是從虛擬內存、交換文件裏挖掘出來的數據。

也有可能在“作案”過程中被人盯上，不得不提前斷開連接……

總之，擺在江寒面前的，就是這麼兩張各有缺陷的表格，外加一個圖片壓縮包。

接下來，江寒首先要做的，是從《原始數據表》裏，篩選出需要的記錄，複製到《報名信息表》裏。

這一步非常簡單，只要用excel自帶的VBScript編寫一個小腳本，將兩個表格按照姓名匹配，就可以得到每個考生在原始表裏的行號。

當然，同名同姓是避免不了的，可能報名信息裏一個“張三”，在原始數據裏會找到一堆“張三”……這個一會兒再說。

腳本編程非常簡單，江寒只用了二十分鐘，就寫完程序並調試無誤。

按了一下預設的快捷鍵，腳本開始執行。

一邊是3萬多行的考生姓名，一邊是10萬多行的原始數據，腳本足足跑了八分鐘，纔得到了一個映射關係表。

接下來，是第二個腳本，參照映射關係表，將原始數據文件篩選出需要保留的行，其他行全都刪除，然後按照《報名信息表》的序號，重新進行排序，得到臨時文件1。

這個臨時文件的行數，要比報名表多出幾千行，這是因爲江寒對重名進行了處理，將重名的人都編上了相同的二級序號。

接下來處理重名。

經過一番分析，江寒發現，原始數據表和報名信息表裏的數據，排列順序是有規律的。

其以地區爲主關鍵字，所在學校爲次要關鍵字，而所在班級則是第三關鍵字排序。

也就是說，一個學校裏，一個班級的人，都挨在一起，學校、地區之間也沒有混亂。

這樣就好辦了。

由於臨時文件已經按序號排列，重名的人擁有同樣的二級序號，自然就聚攏在了一起。

這時，只要看一下這些人的所在地區和學校，就能輕鬆分辨出哪些是多餘的，那個纔是真正對應於《報名信息表》的。

如果一個班級也有同名，就只能具體情況具體分析了，實在確定不了的，就先記下來，放在一邊，以後再說。

一番整理後，臨時文件1已經十分接近高老師希望得到的《報名信息表》。

聯繫電話、家庭住址，畢業學校、班級、民族、年齡、出生年月日都有了。

接下來是重頭戲，通過照片判斷每個學生的性別。

幸運的是，雖然《原始數據表》裏的身份證號，殘缺不全，導致性別信息不可用，可是《報名信息表》裏還有部分殘餘的性別數據。

這就給江寒減少了許多負擔。

接下來，先將照片.rar解壓，然後觀察了一下。

三萬多張照片，按學校、班級分類，放入幾千個文件夾中。

每個文件的大小，都在10KB至30KB之間。

像素只有210*120，不算特別清晰，但看清面部特徵，還是沒什麼問題的。

其中，同班級裏重名的情況，都在姓名後標記着數字1、2……

江寒猜想，這可能是輸入報名表的順序。

接下來要做的，就是在臨時文件1裏，找到每張照片對應的人。

這很簡單，照片的文件名就是姓名，輕鬆就能和表格裏的名字對上。

在解決了數量不算很多的同班重名問題後，就生成了一個照片索引，將每一張照片和報名序號一一對應上了。

然後，是判斷性別，填入新《報名信息表》對應的單元格里。

這一步，按照高老師的想法，就是一個笨功夫，用眼睛去看，然後一個一個敲進去。

這十分麻煩，而且太沒效率。

江寒希望能找個輕巧的辦法，能更快、更好的完成這一步。

那麼，這樣的辦法真的有嗎？

是的。

江寒畢竟搞過機器學習，編程思維有點不一樣。

高老師那樣的普通程序員，也能做到剛纔那些步驟。

但江寒接下來的操作，就是他的思維盲區了。

機器學習裏，有多種算法，都可以輔助完成這樣的任務。

其中江寒最擅長的，自然是人工神經網絡。

人工神經網絡也分爲好多種類。

比如CNN，也就是卷積神經網絡，是最擅長圖形識別的；

而RNN，也就是循環神經網絡，比較適合語音識別、自然語言理解……

如果採用人工神經網絡，哪怕不出動CNN，只用多層神經網絡，也就是所謂的“深度學習”，也可以非常完美地解決這個問題。

但江寒琢磨了一下，還是放棄了這個想法。

一旦泄露出去，他很可能會有麻煩。

因爲這些技術的來源，他根本沒法解釋。

技術跨度太大了。

好吧，安全第一，先用“感知機”湊合一下。

哪怕準確率低點，也無所謂了。

江寒現在唯一可以拿出來的，就是“單層感知機”。

這種技術只能解決二分類問題，並且還要求線性可分。

好在當前所面臨的問題，這兩個要求正好都符合。

江寒重生前，做過一個實驗，用“單層感知機”識別手寫數字，應用場景與現在差不多。

效果也還過得去。

所以，看照片識別男女的任務，完全可以使用“單層感知機”解決。

說起來，這可能是神經網絡技術，在這個世界的第一次實戰？

江寒前幾天寫的論文裏，就有“單層感知機”的代碼，稍微改動了一下，就能用上了。

研究機器學習，首選語言是Python，語法簡單，開發效率高，不容易出錯，也不用關心底層如何實現。

不過，這篇論文的代碼，實在太簡單，用什麼都一樣。

所以，江寒使用了最熟悉的C++。

代碼略……

（PS：絕對不是空白太小寫不下。）