一位安全研究人员近期发现，包括花旗集团、洛克希德·马丁、Build-A-Bear 以及多家政府机构在内的知名组织，在无意中参与了一场协同式的国际收入分成欺诈（IRSF）僵尸网络攻击。该僵尸网络试图利用研究人员的 VoIP 蜜罐发起未经授权的国际通话，旨在通过高费率号码获利。
由于这些互不相关的多元化网络以相同的策略和伪造凭据攻击同一台服务器，显而易见，它们正受到中央指令的控制。这表明这些组织的内部网络中目前存在一台或多台受感染机器，攻击者可能借此进一步访问敏感的内部数据。
为了帮助各组织识别这些受损系统，研究人员提供了一个免费的公共 API（网址为 knock-knock.net），允许网络管理员检查其 IP 地址或 ASN 是否因可疑活动被蜜罐标记。尽管记录到的特定攻击是基于 SIP 的，但该蜜罐会监控多种协议，因此该工具对于检测企业或政府网络内的违规受感染设备而言，是一种极具价值的“低成本保险”资源。
每日HackerNews RSS
甲骨文（Oracle）即将将其“永久免费”（Always Free）的 Ampere A1 ARM 资源配额减半。自 **2026 年 8 月 18 日**起，新的上限将调整为 **2 个 OCPU 和 12 GB 内存**（原为 4 个 OCPU 和 24 GB）。两个免费的 x86 微型实例不受此影响。
**所需操作：**
如果您目前的 ARM 使用量超过了这些新限制，请务必在截止日期前整合或缩减您的实例，以避免被自动终止。
* **如果您拥有一个 4 OCPU / 24 GB 的实例：** 请使用 OCI 控制台将实例调整为 2 OCPU / 12 GB。
* **如果您拥有多个超出限制的实例：** 请先备份数据，然后终止多余的实例，使您的总使用量降至 2 OCPU / 12 GB 以内。
* **如果您仅使用 x86 实例：** 无需进行任何操作。
**重要提示：**
* **请尽早操作：** 请在 2026 年 8 月之前完成这些更改，以避免因临近截止日期导致的控制台拥堵或报错。
* **务必先备份：** 终止实例会删除其引导卷（boot volume）。
* **确认操作：** 仅停止实例是不够的，您必须彻底终止多余资源才能释放配额。
美联储卡什卡利表示，“现在是开始缓慢加息的时候了”。 Fed's Kashkari says 'now is the time to start slowly moving' rates up
91 天前
明尼阿波利斯联邦储备银行行长尼尔·卡什卡利（Neel Kashkari）主张逐步提高利率以抑制通胀，并警告称，采取主动、渐进的措施优于日后激进的加息。 在最近的一次采访中，卡什卡利认为，尽管劳动力市场强劲且企业盈利稳健，但目前的货币政策似乎不够紧缩。他是最近一次联邦公开市场委员会（FOMC）会议上三位持异议的成员之一，尽管委员会决定维持利率不变，但他主张加息25个基点。 卡什卡利强调，他并非呼吁采取激进措施，而是主张采取谨慎的方法来应对持续的通胀压力。虽然他不确定委员会在9月会议上的下一步行动，但他坚持认为美联储仍有工作要做。他的立场与费城联储主席安娜·保尔森（Anna Paulson）形成对比，后者认为目前的利率已经“适度紧缩”，并支持维持现状。卡什卡利指出，他并未受到领导层要求其投票立场一致的压力，并表示他被鼓励采取符合经济最大利益的行动。
抱歉。
一次常规的 Envoy v1.34 升级导致某客户出现了 20% 的 CPU 性能回退，最终查明原因是编解码器从 `nghttp2` 切换到了 Google 的 `oghttp2`。虽然 `nghttp2` 仍是行业标准，但 `oghttp2` 因其与 HTTP/3 栈共享代码而被设为默认。 调查发现，在代理工作负载下，由于头部解压机制的效率问题，而非霍夫曼解码算法本身，`oghttp2` 的性能下降了 15–25%。具体而言，`oghttp2` 频繁通过 `std::string::push_back` 和 `HttpHeaderBlock` 的记录操作触发内存重分配和过多的哈希表查询；而 `nghttp2` 使用了高度优化的预计算有限状态机，直接写入调用者提供的缓冲区。 Envoy 团队已在 v1.37.0 版本中将默认编解码器改回了 `nghttp2`。对于使用旧版本的用户，可以通过设置 `envoy.reloadable_features.http2_use_oghttp2: false` 来缓解此性能问题。 核心结论是：编解码器的性能高度依赖于工作负载。由于代理需要进行大量的头部操作，编解码器在处理元数据时的细微效率差异会被海量请求放大，从而导致显著的实际 CPU 成本增加。
这篇 Hacker News 的讨论围绕着一篇名为《Google 的 HTTP/2 编解码器拖慢了 Envoy》的技术博文展开，探讨了 Envoy 在改用 `oghttp2` 编解码器后出现的性能问题。
讨论很快从技术分析转向了 AI 在内容创作中的角色。作者澄清道，虽然他们使用 AI 工具来润色句式（因为英语是他们的第二语言），但核心思想和逻辑流程均出自本人。他们强调，自己经常舍弃那些听起来“虚假”的 AI 生成草稿，并指出他们主要利用 AI 来制作图表和进行语法检查。
尽管一些用户批评对 AI 的依赖，认为这是真实交流的障碍，但另一些人则捍卫了文章的技术价值。他们指出，无论文本经过何种润色，该文章都就默认编解码器配置如何显著影响代理性能提供了深刻见解。归根结底，这一讨论突显了在利用 AI 作为非母语人士的生产力工具与社区对纯人类创作内容的需求之间，依然存在着持续的张力。
IBM 604电子计算穿孔机于1948年推出，是一款开创性的可编程机器，填补了缓慢的机电装置与现代计算机之间的空白。尽管它没有使用晶体管，但内部集成了约1300个真空管，并被组织成紧凑的可插拔模块。这些模块采用模块化设计，易于维护，每个“触发器”模块（或称触发电路）可提供一位存储空间。
604的核心功能依赖于真空三极管，它作为高速开关来执行计算。IBM工程师通过将两个反相器首尾相连，创造出能够存储状态的触发电路，这是顺序计算的基本要求。虽然像ENIAC这样的早期机器使用了笨重且低效的计数器设计，但IBM 604通过采用四触发器二进制编码十进制（BCD）电路，实现了更高效的数字追踪。
尽管604性能不稳定且耗电量大，但它每分钟能处理100张卡片，作为现代计算技术的商业先驱取得了巨大成功。这些真空管触发器最终演变成了微型触发器，支撑起当今数字设备中数以百万计的晶体管。
这篇 Hacker News 帖子讨论了一篇关于为 1948 年 IBM 真空管模块供电的文章。一位评论者提供了历史修正，详细介绍了 20 世纪 30 年代数字电路的演变。他重点提到了在著名的 ENIAC 和 Colossus 计算机之前出现的关键创新，例如 Wynn-Williams 的闸流管计数器、W.B. Lewis 的高速二进制计数器以及 Otto Schmitt 的触发器。
讨论还澄清了“触发器”（trigger）与“锁存器”（latch）之间的技术区别。“触发器”（如 Eccles-Jordan 电路）利用永久正反馈来强制实现快速状态转换，而“锁存器”则通过断开反馈回路来跟随输入信号。
最后，参与者探讨了真空管计算的实际情况。他们指出，虽然真空管看起来很壮观，但其可靠性往往高于早期的锗二极管。对话以关于阿波罗制导计算机的历史花絮结束，澄清了虽然无线电发射机中使用了真空管，但该时代的技术特征是从分立晶体管逻辑向早期集成电路的过渡，而非仅仅依赖真空管。
请启用 JavaScript 和 Cookie 以继续。
威斯康星州警方近期利用 Flock Safety 的自动车牌识别网络追踪爱德华·艾布拉姆斯-菲利普斯（Edward Abrams-Phillips）的州际行程，以此为借口搜查其车内是否有大麻。警方利用历史数据证明艾布拉姆斯-菲利普斯经常往返于大麻合法的密歇根州，从而以此为由在他返回威斯康星州时将其拦截。尽管此次拦截表面上与保释违规的逮捕令有关，但该案例凸显了一种日益增长的趋势：执法部门正利用广泛的监控手段，根据民众的出行轨迹针对轻微违法行为进行调查。
此案引发了人们对“监控过度”的担忧，因为 Flock 摄像头正越来越多地被用于监控前往合法场所的交通情况，例如跨州堕胎服务机构或大麻药店。在密歇根州，一些城市甚至强制要求药店安装 Flock 摄像头，以便向警方提供实时客户数据。这一做法正遭到部分企业的积极抵制。虽然 Flock 将其技术宣传为一种公共安全工具（例如定位被拐儿童），但批评人士认为，这种基础设施造成了“滑坡效应”，使当局能够追踪普通民众的行踪，并根据车辆的行驶轨迹而非直接的犯罪证据来执行法律。
请启用 JavaScript 和 Cookie 以继续。
一项近期的科学发现指出，广岛原子弹爆炸过程中形成了一种独特的复杂合金。这一发现引发了 Hacker News 上的广泛讨论，内容融合了材料科学以及对历史与伦理的反思。
对话涵盖了该合金的形成机制，认为爆炸产生的等离子体在极高温和急剧冷却下，充当了一种独特的冶金熔炉。这引发了人们的推测：这类高能环境（即“核铸造厂”）在理论上是否可用于制造先进的稀有合金。
评论者迅速将其与冷战时期的“犁铧计划”（Project Plowshare）联系起来，该计划旨在探索核爆炸在挖掘、天然气开采等和平领域的应用。讨论还转向了该发现背后沉重的历史背景，用户们争论着探讨一场暴行的物理副产品所涉及的伦理含义。许多人认为，极端的破坏力与物质创造的交集是一个既令人毛骨悚然又引人入胜的话题；一些人指出，尽管这一冶金过程在科学上耐人寻味，但它依然是造成这一切的历史事件的黑暗提醒。
本项目通过分析图像结构而非盲目进行迭代优化，探索了一种数字绘画的程序化方法。作者使用高斯溅射（Gaussian splats）来模拟笔触，并根据提取的图像特征来引导其位置、大小和方向。
该过程利用了三个主要组件：
1. **结构张量 (Structure Tensors)：** 用于检测边缘并确定笔触方向，确保画笔能够描绘物体的自然轮廓。
2. **哈尔小波 (Haar Wavelets)：** 用于生成细节图，以决定笔触应在何处密集（高细节），在何处宽泛（平坦区域）。
3. **分层渲染 (Layered Rendering)：** 通过先绘制宽大的不透明底色笔触，再逐步叠加精细的半透明细节笔触，来模拟传统绘画过程。
为了避免基于网格放置所带来的非自然规律性，该系统利用“王氏雪崩（Wang avalanche）”哈希进行随机分布，并使用柏林噪声（Perlin noise）为笔触流动和力度增加有机变化。通过将生成管线迁移至 GPU，作者打造了一款能够模仿画家艺术直觉的交互式工具。这一实验成功证明了结合传统的图像处理技术，无需依赖现代人工智能生成模型，也能实现极具美感的绘画效果。
此 `curl` 命令调用阿里云百炼 (DashScope) API，使用 **qwen-image-3.0-pro** 模型生成高质量的电影质感人像。 该请求发送了一段详细的文本提示词，描述了一位身着露背黑裙的年轻女性，场景设定在金色的黄昏时分，充满电影感的城市背景中。提示词具体说明了复杂的视觉元素，包括主体手持一束繁茂的玫瑰、自然光效，以及背景中布满藤蔓的店面和柔和的城市光斑。 关键技术配置如下： * **端点：** 多模态生成服务。 * **身份验证：** 通过 `DASHSCOPE_API_KEY` 环境变量使用 Bearer Token。 * **参数：** 启用 `prompt_extend` 以增强生成输出的描述质量。