Jacqueline是一个用Free Pascal为i386架构创建的业余启动加载程序,纯粹是为了个人挑战而构建。作者无意在成功创建一个可在模拟器中启动的镜像之外积极开发它。 尽管Pascal传统上不用于低级系统编程,但Free Pascal提供了使其成为可能的功能——包括指针、内存地址访问和内联汇编——与C、C++和Rust等语言相匹敌。Free Pascal编译为标准目标文件(PE/ELF),允许与用其他语言编写的代码互操作。 该项目需要一个i386-elf工具链、一个32位Free Pascal发行版(ppc386)和一个构建系统(如Make),最终利用QEMU来测试内核。它展示了Free Pascal在裸机开发方面的惊人能力。
## 控制的幻觉:美国科技与全球力量
近期事件凸显了一个令人不安的平行:人们对华为潜在的国家控制监控的担忧,如今已在美國科技巨头身上得到证实。虽然焦虑集中在中国科技公司被用作中国政府的工具,但苹果和谷歌已顺从特朗普政府的要求,删除了协助移民局报告的应用程序,并压制了对该机构的批评——实际上将政府要求置于用户自由之上。
这种控制被美国主导的政策所放大,这些政策禁止“越狱”并限制应用商店的访问,从而建立了一个系统,美国公司(以及延伸的美国政府)对全球公民可以使用哪些软件拥有 фактический 否决权。这与针对中国的指责形成了鲜明对比,中国 активно регулирует 自己的科技公司。
情况进一步复杂化在于现有的美国法律,例如 CALEA,强制要求在网络基础设施中设置后门,以及像约翰迪尔这样拥有垄断力量的公司,能够远程禁用设备。作者认为这造成了远超华为潜在风险的漏洞,并呼吁建立一个基于开放标准和用户控制的“后美国互联网”,敦促其他国家放弃在美国压力下实施的限制软件修改的法律。
## 将粗糙岩石变成抛光宝石
岩石研磨是一种有益的爱好,可以将粗糙的石头变成美丽的抛光宝石。这个过程很简单,但成功取决于遵循一些关键原则。适合研磨的理想岩石质量好,莫氏硬度为6-7,尺寸在3/8"到1 1/2"之间。常见材料包括玛瑙、石英以及花岗岩和玄武岩等各种岩石类型。
三个“黄金法则”至关重要:从优质粗石开始(“垃圾进,垃圾出”),通过彻底清洁防止不同研磨阶段之间的污染,并为每个步骤留出充足的时间。
该过程包括四个阶段:**粗磨**(7天)、**中磨**(7天)、**细磨/预抛光**(7天)和**抛光**(7天)。每个阶段使用越来越细的研磨剂或抛光剂,需要在每个步骤之间进行彻底清洁。最后一步“抛光”可以使用肥皂水来增强光泽。
建议进行详细的记录,以跟踪进度并从每一批次中学习。只要有耐心和注重细节,任何人都可以享受揭示粗糙岩石中隐藏之美的乐趣。
## 拉脱维亚捣毁网络犯罪行动
一次协调的拉脱维亚突袭行动“SIMCARTEL行动”已关闭一个大规模的网络犯罪即服务行动。七人被捕——五名拉脱维亚国民和另外两人——并摧毁了一个负责创建近5000万个虚假在线账户的网络。
该行动利用包含40,000张激活SIM卡的1200个SIM盒子,以及gogetsms.com和apisim.com等网站,向罪犯提供临时电话号码。这些号码绕过了双重验证等安全措施,助长了广泛的欺诈行为,包括投资诈骗、网络钓鱼,甚至移民走私。
奥地利和拉脱维亚的财务损失已超过490万欧元,查获了43.1万欧元的现金和51.6万美元的加密货币。该网络与超过3200起欺诈案件有关。在纽约的一次类似打击行动的支持下,此次行动凸显了用于恶意目的的“SIM农场”日益增长的威胁。
## 2019 年机器学习框架现状总结
截至 2019 年,机器学习框架领域主要由 PyTorch 和 TensorFlow 两者主导。 尽管 TensorFlow 历史上一直领先,尤其是在行业采用方面,但正在发生显著转变。 对顶级机器学习会议论文的分析表明,**PyTorch 在研究领域已超越 TensorFlow**,现在在计算机视觉、自然语言处理和通用机器学习等领域的投稿中占据多数。
这种偏好源于 PyTorch 的**简洁性、Python 友好的 API 和易于调试的特点**。 TensorFlow 正在通过 TensorFlow 2.0 和 eager execution 来解决这些问题,但由于过去 API 不稳定和历史遗留问题而面临挑战。
尽管 PyTorch 在研究领域占据主导地位,但 **TensorFlow 仍然是行业领导者**,这体现在更多的职位空缺、Medium 文章和 GitHub 星标中。 这归功于惯性和 TensorFlow 在生产部署方面的既定优势——处理性能、移动集成和 serving 要求。
然而,作者预测随着熟悉 PyTorch 的新一代研究人员进入劳动力市场,这种情况可能会发生变化。 像 **JAX** 这样的新兴框架,在更高阶微分方面具有优势,以及为各种硬件改进代码生成的持续努力,也预示着该领域未来可能发生的变化。 最终,作者倾向于 PyTorch 将继续成功,这得益于其在研究界的势头。