超强大的资源检测工具,可以实时跟踪程序使用的Bitmap, Brush,Pen,DC, MemDc,Font,Region,Palette等。并且能够显示具体的资源如: Bitmap:能显示内存中的Bitmap图像。 Brush: 画刷的颜色 。 。 。
2022-02-21 10:19:38 625KB gdi leak
1
[English] I wrote this tool about 3 years ago. This tool can detect GDI object leak, and give the positon at source code where leak occured. [中文] 我大约三年前写的这个工具。 它可以检测GDI对象泄漏,并能给出泄漏发生的源代码位置。
2022-02-21 09:50:39 41KB GDI 泄漏 检测 Leak
1
WebRTC防止泄漏 版本1.0.14 | 2018年5月9日 WebRTC Leak Prevent提供了对Chromium中没有本机GUI的WebRTC隐私设置的用户控制。 该扩展的预期用途是防止。 唯一需要的权限是“隐私”和“存储”。 这个怎么运作 在Chromium版本48+中,该扩展提供了对webRTCIPHandlingPolicy用户控制,默认为default_public_interface_only 。 在旧版的Chromium中,支持旧选项。 这包括webRTCMultipleRoutesEnabledChrome版本42 - 47,以及webRTCNonProxiedUdpEnabled为Chrome47的版本。 下载 要轻松打开和关闭泄漏保护,请使用 。 隐私 WebRTC Leak Prevent不会收集任何用户数据。 该扩展程序完全托管在GitHub,Chrome网上应用店和Opera插件上。 这些服务可以独立收集用户数据。 执照 版权所有2018 Aaron Horler 根据Apache许可版本2.0(“许可”)许可; 除非遵守许可,否则不得使用
2022-02-01 18:47:30 16KB chrome-extension privacy proxy webrtc
1
Find-Unity-ManagedStaticReferences 当我们使用 Unity Profiler 查看内存时,经常有些贴图等资源的引用只有一个 ManagedStaticReferences() 引用,怎么都卸载不掉。 使用 Memory Profiler 也查找不到谁引用的。现在终于找到方法,开心,分享给大家。 具体思路: 维护一个 key 是 物件 Hierarchy 路径, value 是 WeakReference 的字典,收集所有可能会泄漏的组件 在需要 Check 的物件挂靠的脚本里 添加该 Componet 的 弱引用到字典 查看 Alive 状态,Alive 为 true ,但 target 为空的即为泄漏者,打印他的路径 如果单纯查找 UI 贴图的内存泄漏,例如 NGUI 可以只在 UIWidget 的 Awake 里添加弱引用到字典, UGUI 的话需要
2021-12-03 22:07:43 2KB unity profiler unity3d memory-leak
1
博客配套源码 VC++内存泄漏检测方法(3):Visual Leak Detector(VLD内存泄漏检测工具)支持VS2017 https://blog.csdn.net/libaineu2004/article/details/89763798
2021-11-29 11:29:19 55.71MB VLD VS2017
1
Visual LeakDetector(VLD)是免费开源的内存泄露检测工具,可以直接在VS各个版本调用,程序运行结束时可以显示出内存的泄露情况
2021-11-27 14:51:09 3.12MB VLD 内存泄露
1
Visual Leak Detector 内存泄露检测,包括文档,源代码。
2021-10-25 09:29:52 778KB Visual Leak Detector 内存泄露检测
1
可以得到内存泄漏点的调用堆栈,如果可以的话,还可以得到其所在文件及行号; 可以得到泄露内存的完整数据;
2021-09-30 14:30:00 889KB 内存泄露检测 VC6.0可用
1
泄漏检测 草稿2017-05-01 迈克尔·克拉克(Michael.clark via wassname dot org),克雷格·巴尔达奇诺(Craig Baldacchino) 该项目探讨了我们可以使用卫星图像和机器学习来发现泄漏的想法。 主要假设是,鉴于泄漏维修的时间和地点以及给定的10-15m2分辨率的卫星图像,我们可以比随机猜测所定义的基准更好地预测泄漏。 我们使用随机森林模型,然后使用超优化调整数据过滤器和模型参数。 我们的结果显示f1得分约为0.6,而虚拟f1得分为0.5。 这个小的改进支持了我们的假设,但是它表示预测能力太差,无法用于管道维护。 我们预计,以更高分辨率的图像重复实验可能会提供有用的预测能力水平。 介绍 西澳大利亚州的漏水造成了超过100亿升的水,每年造成的损失超过10亿美元。 西澳大利亚州自来水公司每年只能人工检查10-12%的管网是否有不可见的泄漏 。
1
as-21-Shi-Mining-And-Exploiting-(Mobile)-Payment-Credential-Leaks-In-The-Wild
2021-08-21 13:01:25 2.46MB 互联网