最新

我希望能够直接访问苹果的内容分发网络，而不是猜测何时才能获得内容。同时，我发现手边有一个物理安装程序很方便，所以就做了这个。

AURA - 利用射频指纹识别 AI 检测伪基站 我在韩国发生 KT 遭到黑客攻击后构建了 AURA，犯罪分子利用伪基站通过拦截短信窃取了 17 万美元。 ## 问题 IMSI 捕获器（伪基站）无法被手机检测到，因为它们完美地模拟了协议握手。但它们无法伪造由硬件缺陷产生的独特的电磁“指纹”。 ## 我们的解决方案 - 在合法的基站射频特征（相位噪声、瞬变、漂移）上训练 AI - 使用高效的 SSM/Mamba 架构进行实时异常检测 - 检测延迟 <200 毫秒，在边缘设备上运行 ## 技术细节 ```python # 双层检测 1. 射频指纹：硬件缺陷（放大器非线性、时钟漂移） 2. 协议行为：强制降级到 2G、异常功率水平 → 置信度评分：实时 0-100% 的置信度评级 ``` 关键创新： - 基于波的 AI (wAI)：将射频信号视为具有语法/句法的“语言” - 标记化流程：STFT → 量化 TFR → Transformer - 边缘优先：50MB 量化模型，在树莓派上运行 ## 结果 - 在首尔/东京的现场测试中，检测准确率达到 99.9% - 发现了 17 个未知的可疑发射器 - 在试点项目中阻止了 278 笔未经授权的交易 - 在 10,000 多个合法基站上零误报 ## 实现 ```bash # 最小 PoC python collect_baseline.py --sdr hackrf --duration 3600 python train_wai.py --model mamba --epochs 100 python detect_realtime.py --threshold 0.85 ``` 技术栈：GNU Radio + PyTorch + RTL-SDR/HackRF ## 下一步 - 开源核心检测引擎（2025 年第一季度） - 构建众包威胁情报网络 - 增加 5G SA/NSA 支持 GitHub：[即将推出 - 邮件获取抢先体验] 技术论文：[arxiv 链接待定] 正在寻求来自射频/SDR 领域人士的反馈：我遗漏了哪些攻击向量？您将如何绕过射频指纹识别？

最近有几条评论讨论了科幻小说《彩虹尽头》，所以我决定拿起来读一读。真是一本很棒的书——有趣、写得好，而且在 2006 年写成的情况下，对科技的未来提出了一些很棒的见解。<p>非常感谢 HN 上所有深思熟虑的评论，也很感激能发现这本书。

开发了一个工具，可以将长篇内容（文章、PDF、YouTube 视频）提炼成 5 个关键点。在深入阅读之前，快速了解文章大意的好方法。<p>虽然它并非完美，但对于研究论文和冗长的演讲却出乎意料地有用。<p>提示：还有一个书签工具。浏览网页时点击它，就能立即获得 5 点总结。在此处将它添加到您的浏览器：<a href="https:&#x2F;&#x2F;unrav.io" rel="nofollow">https:&#x2F;&#x2F;unrav.io</a>