验证程序
验证程序是一种特殊的微处理程序，用于披露数据某些维度的信息，以供买方参考。通常，验证程序不会披露额外的信息，这是由隐私计算技术保证的。
本文说明了典枢中各种验证程序的细节信息。
未来，典枢还将支持用户自定义验证程序。
CSV统计程序
传入csv格式的文件，本算法将对文件的数据进行质量评估的统计，并在算法结束后将统计结果输出。统计结果包括csv的行数，列数，总缺失值数，列缺失值数量统计、行缺失值数量统计。算法将以列数最多的行为起点统计缺失值情况。
CSV统计程序运行后输出结果的结构如下所示：
{
"rows": 58,
"cols": 6,
"totalNulls": 48,
"NullProportion": 13.79,
"col_nulls": [
{ "null_num": 6, "count": 1 },
{ "null_num": 7, "count": 1 },
{ "null_num": 8, "count": 2 },
{ "null_num": 9, "count": 1 },
{ "null_num": 10, "count": 1 }
],
"row_nulls": [
{ "null_num": 0, "count": 34 },
{ "null_num": 1, "count": 16 },
{ "null_num": 2, "count": 2 },
{ "null_num": 3, "count": 1 },
{ "null_num": 4, "count": 1 },
{ "null_num": 5, "count": 3 },
{ "null_num": 6, "count": 1 }
]
}
输出的内容有
rows：csv中的总行数cols：csv中的总列数totalNulls：总缺失值的数量NullProportion：缺失值百分比，该缺失值精确到小数点后两位。col_nulls：每列中有多少个缺失行的数量统计null_num：表示缺失x行count：缺失x行的数据共有多少列 注：若缺失x行的数量为0时(count=0)，将不会输出；null_num > 1000时的统计将统一存储在null_num=1001的条目中。这两个条件对缺失列的数据统计同样适用。
row_nulls：每行中有多少个缺失列的数量统计null_num：表示缺失x列count：缺失x列的数据共有多少行
文本抽样程序
传入txt格式的文本文件，本算法将对txt文件进行质量评估，将txt文件的前中后位置上的部分内容打包输出到一个json文件中。目前的算法中，当输入txt文件后，将返回该txt内容的前10%内容（最多150字），中间20%内容（最多300字），尾部10%内容（最多150字）作为质量验证报告。
注：在分析中，一个“字”表示一个 英文字母/汉字/符号/操作符 等内容。
文本抽样运行后输出结果的结构如下所示：
{
"head": "#include \"user_type.h\"\n#include \"string_process.h\"\n#include \"ypc/core_t/analyzer/data_source.h\"\n#include \"ypc/stbox/ebyte.h\"\n#include \"ypc/stbox/stx_c",
"mid": "一个batch的所需长度\n int start_pos = total_size / 2 - 50; // 中间的100字节的起始位置\n int mid_batch_no = start_pos / batch_max_size; // 中间的100字节所在的batch的编号\n \n start_pos = start_pos % batch_max_size; // 中间的100字节的起始位置在batch中的位置\n\n LOG(INFO) << \"Batch Num: \" << batch_num;\n LOG(INFO) << \"Start Position:",
"tail": " process_string(middle_100) + \"\\\"}\";\n return result;\n }\n\nprotected:\n std::vector<std::shared_ptr<ypc::data_source_with_dhash>> m_datasources;\n};\n",
"total": "3474"
}
输出的内容有：
head：txt文件头部10%（最多150字）内容mid：txt文件中部20%（最多300字）内容tail：txt文件尾部10%（最多150字）内容total：文本文件中的总字数统计
以上例子中展示的是一个包含代码内容的txt文件，除了普通文字内容，代码中包含了更多的换行符以及引号，换行符将在结果中以''\n'的形式被输出内容中的引号为了防止json解析失败也会以'\"'的格式输出。
视频抽样程序
传入mp4格式的文件，本算法将读取mp4的内容并截取其中的数帧的画面编码成base64格式的json数据输出，输出图片不固定，在每次运行时都将随机选取图片输出，目前规定输出的内容视频总时间、三张视频截图（以Base64编码表示）以及其三张截图的截取时间，
输出json格式如下：
{
totalDuration: // 总时长
positions: [
{
duration: // 时间点
picture: // 截取图片
},
{
duration:
picture:
},
{
duration:
picture:
}
]
}
totalDuration：该字段中包含了所有视频截图的编码数据，每一条数据都代表一张视频截图的base64编码，可通过解码获取原图。positions：duration：截取图片对应时间（以秒为单位表示）。picture：该字段中包含了所有视频截图的编码数据，每一条数据都代表一张视频截图的base64编码，可通过解码获取原图。
PDF验证程序
传入PDF格式文件，本算法将对pdf格式的富文本数据进行质量验证，将随机抽取该数据的三页，并对抽取结果进行水印和模糊处理，（如果不足三页，则将全部页进行处理）最终生成数据质量验证报告。
质量验证报告的json格式如下：
{
"pages": [
{
"page_content": "/9j/4AAQSkZJRgABAQEBAQIBAQECAgICAg......QAUUUUAFFFFABRRRQB//Z",
"page_number": "1"
},
{
"page_content": "/9j/4AAQSkZJRgABAQEBAQIBAQECAgICAg......QAUUUUAFFFFABRRRQB//Z",
"page_number": "2"
}
],
"total_pages": "2"
}
total_pages：该字段为PDF文件的总页数。pages：page_content：已经处理好的PDF抽取页面的base64编码，可通过解码获取抽取的PDF页面截图（已添加水印）。page_number：抽取的PDF对应的页码