Forwarded from Archive Developers
مهارت های نرم.pdf
913.8 KB
کتاب مهارت های نرم
منبع | #SoftSkills
🗂 @ArchiveDevs
1 - نظم و ترتیب
2 - برقراری ارتباط
3 - بهترین دفاع، حمله است
4 - کلک مرغابی
5 - تشخیص نیاز برای بحران ها
6 - تشخیص درست ابزار
7 - تشخیص توان و حد گسیختگی
8 – حل مسئله
9 - تشخیص نیاز طرف معامله
10 - "کایزن" یا "حالت پیشرفت دائمی"
11 - آمادگی برای جلسات
12 – نمیدونم
13 – قدرت "نه" گفتن
14 - فکر شده حرف زدن
15 - غلط گیری بی مورد )نکنید(
16 - کنترل جلسات و تقدم و تأخر مطالب
17 - انتخاب الگو های زندگی
18 - اهداف عاقالنه یا "سمارت"
19 - قدمهای کودکانه
20 - عادت به مستندسازی
21 - خوب گوش کردن
22 - عدم قضاوت عجوالنه
23 - خواندن و نوشتن
24 – خونسردی
25 - آرامش و کنترل استرس
26 - شم تجاری
27 – همدردی
28 – دوراندیشی
29 - تشکر
30 – رهبری
31 – هر تهدید یه فرصته
32 – تهدید – بحران – واقعه
منبع | #SoftSkills
🗂 @ArchiveDevs
❤1
این همه جلسه و Roadmap و Product Management بازی! آخرش چی ساختیم داداش؟
https://www.linkedin.com/pulse/%D8%A7%DB%8C%D9%86-%D9%87%D9%85%D9%87-%D8%AC%D9%84%D8%B3%D9%87-%D9%88-roadmap-product-management-%D8%A8%D8%A7%D8%B2%DB%8C-%D8%A2%D8%AE%D8%B1%D8%B4-alipour-sakhavi-srfxe
https://www.linkedin.com/pulse/%D8%A7%DB%8C%D9%86-%D9%87%D9%85%D9%87-%D8%AC%D9%84%D8%B3%D9%87-%D9%88-roadmap-product-management-%D8%A8%D8%A7%D8%B2%DB%8C-%D8%A2%D8%AE%D8%B1%D8%B4-alipour-sakhavi-srfxe
Linkedin
این همه جلسه و Roadmap و Product Management بازی! آخرش چی ساختیم داداش؟
داداش، مسئله فریمورک و تکنولوژی نیست؛ مسئله اینه که واقعاً چیزی میسازیم که کاربر باهاش حال کنه یا نه! از هر مدیر محصولی بپرسی کار ما چیه، احتمالاً میگه: «ساختن محصولی که کاربر عاشقش بشه.» ولی واقعیت روزمرهمون چیه؟ جلسه پشت جلسه، هماهنگی برای هماهنگی، گرفتن…
Forwarded from سید فرندز / برنامه نویسی / هک و امنیت / تکنولوژی / سید محمد خشنوا (Mohammad Khoshnava)
اگر از این برای ارسال پیام استفاده میکنید، دقت داشته باشید که مدیاهایی که توش میزارید متادیتاش پاک نمیشه،مثلا اگر با دوربین گوشیتون عکس گرفتید و توی این قسمت میزارید و ارسال میکنید، لوکیشنتون براحتی قابل استخراج هستش 😭
#تلگرام_هم_تلگرامای_قدیم
✅ @SEYED_BAX
#تلگرام_هم_تلگرامای_قدیم
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from سامان | Saman
گوگل یک آپدیت اضطراری برای Chrome داد چون یکی از باگها همین الان داره تو دنیای واقعی ازش سوءاستفاده میشه. باگ از نوع type confusion تو V8 هست، یعنی موتور جاوااسکریپت یک تیکه از حافظه رو با نوع اشتباه میخونه و همین باعث میشه یک صفحه وب معمولی بتونه کد اجرا کنه. نسخه امن 152.0.7977.82 به بالاست و چون مشکل تو خود Chromium هست، Edge و Brave و بقیه مرورگرهای Chromium-based هم تا آپدیت نگیرن همین وضع رو دارن. کافیه بری تو About Chrome تا خودش آپدیت رو بگیره.
لینک: https://chromereleases.googleblog.com/2026/09/stable-channel-update-for-desktop_01882797386.html
@samonio #samonio
لینک: https://chromereleases.googleblog.com/2026/09/stable-channel-update-for-desktop_01882797386.html
@samonio #samonio
Chrome Releases
Stable Channel Update for Desktop
The Stable channel has been updated to 152.0.7977.82/.83 for Windows and Mac and 152.0.7977.82 for Linux, which will roll out over the comi...
Forwarded from Pedi | پِدی
یکی از ابزارهایی که به نظرم هر کسی که با AI کد میزنه باید حداقل یک بار امتحانش کنه، Codebase Memory هست.
https://deusdata.github.io/codebase-memory-mcp/
کاری که میکنه در ظاهر سادهست: کل Codebase شما رو index میکنه و از ارتباط بین بخشهای مختلف کد یک Knowledge Graph میسازه؛ از function و class و interface گرفته تا call chainها، dependencyها، routeها و حتی جریان داده بین functionها.
نتیجه اینه که Agent برای جواب دادن به سؤالهایی مثل:
«این function کجاها استفاده شده؟»
«اگه اینو تغییر بدم چه چیزهایی ممکنه بشکنه؟»
«این request از کجا وارد سیستم میشه و تا کجا میره؟»
دیگه مجبور نیست هی grep بزنه، فایل باز کنه، دوباره سرچ کنه و نصف context window رو صرف پیدا کردن کدی کنه که اصلاً دنبالشه.
بهجاش از طریق MCP مستقیماً روی گراف Codebase query میزنه.
✍️ تفاوتش هم فقط تئوری نیست.
توی مقالهای که روی ۳۱ پروژهی واقعی تستش کرده، Codebase Memory با حدود ۱۰ برابر توکن کمتر و ۲.۱ برابر tool call کمتر به 83٪ کیفیت پاسخ رسیده؛ در مقایسه با 92٪ برای Agentی که کدها رو به روش معمول file-by-file میخونه.
خود پروژه هم برای ۵ تا structural query مشخص benchmark گرفته: حدود ۳,۴۰۰ توکن با graph در مقابل ۴۱۲,۰۰۰ توکن با روش file-by-file. یعنی توی اون تست خاص چیزی حدود 120x مصرف توکن کمتر.
برای من قسمت جذابترش حتی هزینه نیست.
ایجنت از اول یک دید ساختاری نسبت به پروژه داره. میتونه call chain رو دنبال کنه، impact یک تغییر رو پیدا کنه، dead code رو تشخیص بده، architecture پروژه رو دربیاره و حتی ارتباط بین چند service رو دنبال کنه.
امکان Semantic Search هم داره؛ یعنی لازم نیست حتماً اسم دقیق function رو بدونید. مثلاً دنبال مفهوم send بگردید، میتونه چیزهایی مثل publish یا dispatch رو هم پیدا کنه.
ضمن اینکه همهی indexing و queryها لوکال انجام میشن و کدتون برای ساخت این graph جایی آپلود نمیشه.
خلاصه اینکه بهجای اینکه Agent هر بار پروژه رو از صفر «کشف» کنه، یک نقشهی قابل سرچ از Codebase جلوش میذارید.
مخصوصاً روی پروژههای بزرگ، تفاوتش خیلی محسوستر میشه.
و بالاخره کمتر شاهد Agentی هستیم که برای پیدا کردن یک function شروع میکنه با grep و find و jq کل repository رو شخم زدن🤢
https://deusdata.github.io/codebase-memory-mcp/
کاری که میکنه در ظاهر سادهست: کل Codebase شما رو index میکنه و از ارتباط بین بخشهای مختلف کد یک Knowledge Graph میسازه؛ از function و class و interface گرفته تا call chainها، dependencyها، routeها و حتی جریان داده بین functionها.
نتیجه اینه که Agent برای جواب دادن به سؤالهایی مثل:
«این function کجاها استفاده شده؟»
«اگه اینو تغییر بدم چه چیزهایی ممکنه بشکنه؟»
«این request از کجا وارد سیستم میشه و تا کجا میره؟»
دیگه مجبور نیست هی grep بزنه، فایل باز کنه، دوباره سرچ کنه و نصف context window رو صرف پیدا کردن کدی کنه که اصلاً دنبالشه.
بهجاش از طریق MCP مستقیماً روی گراف Codebase query میزنه.
توی مقالهای که روی ۳۱ پروژهی واقعی تستش کرده، Codebase Memory با حدود ۱۰ برابر توکن کمتر و ۲.۱ برابر tool call کمتر به 83٪ کیفیت پاسخ رسیده؛ در مقایسه با 92٪ برای Agentی که کدها رو به روش معمول file-by-file میخونه.
خود پروژه هم برای ۵ تا structural query مشخص benchmark گرفته: حدود ۳,۴۰۰ توکن با graph در مقابل ۴۱۲,۰۰۰ توکن با روش file-by-file. یعنی توی اون تست خاص چیزی حدود 120x مصرف توکن کمتر.
برای من قسمت جذابترش حتی هزینه نیست.
ایجنت از اول یک دید ساختاری نسبت به پروژه داره. میتونه call chain رو دنبال کنه، impact یک تغییر رو پیدا کنه، dead code رو تشخیص بده، architecture پروژه رو دربیاره و حتی ارتباط بین چند service رو دنبال کنه.
امکان Semantic Search هم داره؛ یعنی لازم نیست حتماً اسم دقیق function رو بدونید. مثلاً دنبال مفهوم send بگردید، میتونه چیزهایی مثل publish یا dispatch رو هم پیدا کنه.
ضمن اینکه همهی indexing و queryها لوکال انجام میشن و کدتون برای ساخت این graph جایی آپلود نمیشه.
خلاصه اینکه بهجای اینکه Agent هر بار پروژه رو از صفر «کشف» کنه، یک نقشهی قابل سرچ از Codebase جلوش میذارید.
مخصوصاً روی پروژههای بزرگ، تفاوتش خیلی محسوستر میشه.
و بالاخره کمتر شاهد Agentی هستیم که برای پیدا کردن یک function شروع میکنه با grep و find و jq کل repository رو شخم زدن
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2
Forwarded from The Software Philosophy (Erfan Aghdam)
آنکل باب (Uncle Bob)، پیرمرد دوستداشتنی، این بار در مورد اصول بنیادی مهندسی نرمافزار در عصر هوش مصنوعی میگوید.
در دنیای جدید نرمافزار، مرز بین دو نوع برنامهنویسی پررنگتر از همیشه شده است:
برنامهنویسی تاکتیکی (Tactical):
تمرکزش روی نوشتن سریع کدها و اجرای تسکهاست. هوش مصنوعی اکنون تمام این بخش را بلعیده و با سرعت بالا انجام میدهد.
برنامهنویسی استراتژیک (Strategic):
تمرکزش روی معماری کلان، طراحی ماژولها و جهتدهی مسیر سیستم است. هوش مصنوعی در این بخش ضعیف عمل میکند.
چالش بزرگ چیست؟
وقتی هوش مصنوعی تمام کارهای تاکتیکی را انجام میدهد، برنامهنویسان تازهکار چگونه باید تفکر استراتژیک را یاد بگیرند؟
پاسخ عمو باب ساده است:
شما نمیتوانید کدنویسی را کاملاً رها کنید.
برای هدایت استراتژیک ماشین، ابتدا باید خودتان مستقیماً با کدها کلنجار رفته باشید تا «درد و تقلا» برای حل مسائل پیچیده را بشناسید و بتوانید خطاهای مدلها را تشخیص دهید.
باید کتابهای کلاسیک و پایهای مهندسی نرمافزار را بخوانید تا بفهمید چگونه بازی استراتژیک را اداره کنید.
چرا که در نهایت:
«قوانین و اصول پایه نرمافزار برای مدیریت پیچیدگی ساخته شدهاند؛ چه برای ذهن انسان و چه برای مدلهای هوش مصنوعی. کسانی که فکر میکنند در عصر هوش مصنوعی اصول نرمافزار دیگر اهمیتی ندارند، به زودی با برخورد به دیوار واقعیت، این درس را به سختترین شکل ممکن یاد خواهند گرفت. قوانینی که امروز دور میاندازید، همان قوانینی هستند که سال دیگر باید از روی زمین بردارید، خاکشان را بتکانید و دوباره به کار بگیرید.»
🎥 لینک ویدیوی مصاحبه:
https://www.youtube.com/live/zcLPGC-tvgk?si=LPKujO1GWHMHL5WJ
در دنیای جدید نرمافزار، مرز بین دو نوع برنامهنویسی پررنگتر از همیشه شده است:
برنامهنویسی تاکتیکی (Tactical):
تمرکزش روی نوشتن سریع کدها و اجرای تسکهاست. هوش مصنوعی اکنون تمام این بخش را بلعیده و با سرعت بالا انجام میدهد.
برنامهنویسی استراتژیک (Strategic):
تمرکزش روی معماری کلان، طراحی ماژولها و جهتدهی مسیر سیستم است. هوش مصنوعی در این بخش ضعیف عمل میکند.
چالش بزرگ چیست؟
وقتی هوش مصنوعی تمام کارهای تاکتیکی را انجام میدهد، برنامهنویسان تازهکار چگونه باید تفکر استراتژیک را یاد بگیرند؟
پاسخ عمو باب ساده است:
شما نمیتوانید کدنویسی را کاملاً رها کنید.
برای هدایت استراتژیک ماشین، ابتدا باید خودتان مستقیماً با کدها کلنجار رفته باشید تا «درد و تقلا» برای حل مسائل پیچیده را بشناسید و بتوانید خطاهای مدلها را تشخیص دهید.
باید کتابهای کلاسیک و پایهای مهندسی نرمافزار را بخوانید تا بفهمید چگونه بازی استراتژیک را اداره کنید.
چرا که در نهایت:
«قوانین و اصول پایه نرمافزار برای مدیریت پیچیدگی ساخته شدهاند؛ چه برای ذهن انسان و چه برای مدلهای هوش مصنوعی. کسانی که فکر میکنند در عصر هوش مصنوعی اصول نرمافزار دیگر اهمیتی ندارند، به زودی با برخورد به دیوار واقعیت، این درس را به سختترین شکل ممکن یاد خواهند گرفت. قوانینی که امروز دور میاندازید، همان قوانینی هستند که سال دیگر باید از روی زمین بردارید، خاکشان را بتکانید و دوباره به کار بگیرید.»
🎥 لینک ویدیوی مصاحبه:
https://www.youtube.com/live/zcLPGC-tvgk?si=LPKujO1GWHMHL5WJ
YouTube
LIVE: Uncle Bob on Software Fundamentals in the Age of AI
Matt Pocock talks with Robert C. Martin (Uncle Bob) about why software fundamentals still matter when working with coding agents, where they agree, and where they disagree.
Forwarded from اندروید | امنیت و هک
سلام بچه ها این یه ریپوئه که میاد برنامه رو که توی گوگل پلی هست رو privacy policy اش رو با LLM بررسی میکنه. میاد اون privacy policy که داخل گوگل پلی هست رو میگیره و بعد با policy که خود برنامه نویس لینک اش رو داده بررسی میکنه اگر کانفیلیکتی باشه اون رو بهت میگه و این کار رو با LLM انجام میده.
دلیل اینکه این رو درست کردن این بوده که روی طیف عظیمی از اپها اومدن تست کردن دیدن توی policy گوگل پلی یه چیزی رو نگفته ولی در policy خودش گفته، که این کار رو داره برای یه کار خاصی انجام میده، مثلا توی policy گوگل حرفی از contact نزده اما توی policy لینک اش اومده گفته که ما مخاطبین شما رو برای ارتباط داخل اپ جمع آوری میکنیم.
هم لینک مقاله هست و هم لینک ریپو دوست داشتید میتونید برید بررسی کنید.
🔗 GitHub Repository:
https://github.com/Mobile-IoT-Security-Lab/PolicyGapper
📚 پروژه بر پایهی مقالهی:
https://arxiv.org/abs/2604.16128
━━━━━━━━━━━━━━
📌 کانال Android Security فارسی
@androidSec_fa
#AndroidSecurity #Android #Privacy #MobileSecurity #AppSec #LLM #AI #GooglePlay #DataSafety #PrivacyPolicy #CyberSecurity #SecurityResearch #AndroidSec
دلیل اینکه این رو درست کردن این بوده که روی طیف عظیمی از اپها اومدن تست کردن دیدن توی policy گوگل پلی یه چیزی رو نگفته ولی در policy خودش گفته، که این کار رو داره برای یه کار خاصی انجام میده، مثلا توی policy گوگل حرفی از contact نزده اما توی policy لینک اش اومده گفته که ما مخاطبین شما رو برای ارتباط داخل اپ جمع آوری میکنیم.
هم لینک مقاله هست و هم لینک ریپو دوست داشتید میتونید برید بررسی کنید.
🔗 GitHub Repository:
https://github.com/Mobile-IoT-Security-Lab/PolicyGapper
📚 پروژه بر پایهی مقالهی:
https://arxiv.org/abs/2604.16128
━━━━━━━━━━━━━━
📌 کانال Android Security فارسی
@androidSec_fa
#AndroidSecurity #Android #Privacy #MobileSecurity #AppSec #LLM #AI #GooglePlay #DataSafety #PrivacyPolicy #CyberSecurity #SecurityResearch #AndroidSec
GitHub
GitHub - Mobile-IoT-Security-Lab/PolicyGapper: This repository proposes a novel methodology for automated privacy compliance analysis…
This repository proposes a novel methodology for automated privacy compliance analysis of mobile applications based on multi-prompt Large Language Model (LLM) cooperation. The framework applies to ...
👍1
Forwarded from tarfandoon
مواردی که باید بعد از وایب کدینگ یک اپلیکیشن از کلاد یا کدکس یا ... بخواید چک کنه تا از هک شدن جلوگیری کنید:
- مخفی کردن کلیدهای API
- پاکسازی اسرار از گیت
- فقط کلید پایگاه داده عمومی را افشا کنید
- فعال سازی امنیت در سطح ردیف
- رمزنگاری داده های حساس
- اجرای احراز هویت سمت سرور
- دسترسی به رکورد قفل
- دستکاری میدان بلوکی
- کوکی های نشست امن
- رمزهای هش
- ورود با محدودیت نرخ
- افزودن حفاظت ربات
- پارامتریزه کردن پرس وجوها
- اعتبارسنجی تمام ورودی ها
- محتوای کاربری Escape
- محدود کردن بارگذاری فایل ها
- پاسخ های API تریم
- افزودن هدرهای امنیتی
- فورس HTTPS
- وابستگی های اسکن
- مخفی کردن کلیدهای API
- پاکسازی اسرار از گیت
- فقط کلید پایگاه داده عمومی را افشا کنید
- فعال سازی امنیت در سطح ردیف
- رمزنگاری داده های حساس
- اجرای احراز هویت سمت سرور
- دسترسی به رکورد قفل
- دستکاری میدان بلوکی
- کوکی های نشست امن
- رمزهای هش
- ورود با محدودیت نرخ
- افزودن حفاظت ربات
- پارامتریزه کردن پرس وجوها
- اعتبارسنجی تمام ورودی ها
- محتوای کاربری Escape
- محدود کردن بارگذاری فایل ها
- پاسخ های API تریم
- افزودن هدرهای امنیتی
- فورس HTTPS
- وابستگی های اسکن
Forwarded from جنگولرن
طراح سایت ۱۴۰۵.pdf
11.6 MB
و بالاخره، کتاب طراح سایت 1405 منتشر شد.
برید حالشو ببرید.
ولی اسراف نکنید 🥸😅
ویرایش:
پودمان 5 (جنگو) کلا 52 صفحه است.
ولی 78 تا عکس داره.
وی از اونایی ست که دنبال عکس توی کتاب ها میگردن.
برید حالشو ببرید.
ولی اسراف نکنید 🥸😅
ویرایش:
پودمان 5 (جنگو) کلا 52 صفحه است.
ولی 78 تا عکس داره.
وی از اونایی ست که دنبال عکس توی کتاب ها میگردن.
Forwarded from محمد (آریوبرزن) زارع
This media is not supported in your browser
VIEW IN TELEGRAM
این همه سینوس و کسینوس خوندیم کجا به دردمون خورد؟
Forwarded from CiferTech
'AI does everything now, what should I do!!'
Relax. Creativity, deep understanding, problem solving, that's what your brain is built for. Let AI grind through the hard part. Respect the tool, don't fear it.
Relax. Creativity, deep understanding, problem solving, that's what your brain is built for. Let AI grind through the hard part. Respect the tool, don't fear it.
Forwarded from Linuxor ?
دیدید که اکثر برنامه های هوش مصنوعی امروزی همشون API میخوان، خرید API هم برای ایرانیا یه دردسره
یه نفر یه پروژه شروع کرده که میاد هوش مصنوعی که توی مرورگرتون دارید مثل دیپ سیک، چت جی پی تی همونو به فرم API براتون درمیآره API هم کاملا سازگار با اوپن ای آی هستش
github.com/Kirazul/LLMs2API
@Linuxor
یه نفر یه پروژه شروع کرده که میاد هوش مصنوعی که توی مرورگرتون دارید مثل دیپ سیک، چت جی پی تی همونو به فرم API براتون درمیآره API هم کاملا سازگار با اوپن ای آی هستش
github.com/Kirazul/LLMs2API
@Linuxor
Forwarded from آکادمی امنیت سایبری
ابزار «Magnet Axiom» به دولتها اجازه میدهد دادههای گوشیهای هوشمند (iOS/Android) را در فرودگاهها بهصورت خودکار استخراج و با الگوریتمهای هوش مصنوعی تحلیل کنند. این سیستم دادهها را ساختاردهی میکند و افراد را بر اساس ارتباطاتشان با مجرمان یا استفاده از ابزارهای حریم خصوصی (مانند Tor و Tails) بهصورت خودکار بهعنوان افراد پرخطر شناسایی میکند، حتی در صورتی که کاربر از روشهای رمزنگاری یا سیستمعاملهای متنباز استفاده کرده باشد.
ابزاری که استفاده میشود، «Magnet Axiom» نام دارد و متعلق به شرکت «Magnet Forensics» است:
https://www.magnetforensics.com/mobile-forensics-solutions/
طبق ادعای این شرکت، امکان باز کردن قفل آخرین نسخههای آیفون و اندروید و جمعآوری دادههای آنها وجود دارد. مسئله این نیست که فردی پشت سیستم بنشیند و تکتک پیامها را بررسی کند؛ مسئله اصلی این است که این ابزارها دادههای همگان را بهصورت ساختاریافته دستهبندی میکنند و گرافهای ارتباطی افراد و شواهد و مدارک مرتبط را شناسایی خواهند کرد.
به عبارت دیگر، مأمور فرودگاه گوشی را بررسی دستی نمیکند؛ آن را به سیستم متصل میکند و نیم ساعت بعد، تمام دادههای دستگاه در سیستم مرکزی ذخیره میشود. در آنجا، ریسک ارتباطات بر اساس محتوا و ارتباطات مستقیم یا غیرمستقیم با افراد پرخطر یا سایر مجرمان شناختهشده بهطور خودکار ارزیابی میگردد. این پایگاه داده نیز همواره بر اساس شواهد جدید بهروزرسانی میشود؛ برای مثال، اگر دو سال بعد یکی از آشنایان مرتکب عمل مجرمانهای شود و دستگیر شود، شما نیز بهطور خودکار وارد فهرست رصد اطلاعاتی خواهید شد. با ورود هوش مصنوعی به این حوزه، تقریباً هیچ تعامل انسانی برای شناسایی افراد نیاز نیست. دولتها از استفاده عمومی از گوشیهای هوشمند و هوش مصنوعی استقبال میکنند. امکان ندارد شرکتهایی با ارزش تریلیون دلاری مانند گوگل، اپل، مایکروسافت و متا وجود داشته باشند و همزمان به نهادهای دولتی خدمات تخصصی ارائه ندهند.
اتفاقی که هنگام ضبط گوشی در فرودگاه رخ میدهد، نشان میدهد این تصور که دادههای ذخیرهشده در شبکههای اجتماعی یا سایر بسترها دور از دسترس هستند، بسیار خوشخیالانه است. شاید این پرسش مطرح شود که با عدم استفاده از این خدمات و نصب سیستمعامل اندروید متنباز روی گوشی، چه پیش میآید؟ مسئله اینجاست که سختافزار مورد استفاده همچنان متنباز نیست. ضمناً باید در نظر داشت که اقداماتی از این دست برای از بین بردن ردپای دیجیتال و استفاده سنگین از ابزارهای رمزنگاری و حفاظت از حریم خصوصی، باز هم فرد را بهطور خودکار در فهرست افراد پرخطر قرار میدهد.
برای نمونه، آژانس امنیت ملی آمریکا (NSA) افرادی را که از Tor و Tails Linux استفاده میکنند، بهعنوان افراد «افراطی» (احتمالاً همرده با گروههای تروریستی) دستهبندی میکند:
https://yogaesoteric.net/en/nsa-aberrantly-classifies-linux-journal-readers-tor-and-tails-linux-users-as-extremists/
گزارش اخیر شرکت «آنتروپیک» درباره فهرست سوءاستفادهها از خدماتشان و اقدام قهرمانانهای که برای جلوگیری از آنها انجام دادهاند، نباید موجب خرسندی بیش از حد شود. آن گزارش تنها یک خلاصه غیرمحرمانه (Unclassified) با تأیید نهادهای بالادستی است، در حالی که گزارش محرمانه شامل چتهای شخصی کاربران نیز میشود؛ مانند زمانی که از هوش مصنوعی میپرسند: «آیا اداره مالیات میتواند بفهمد من از فروش Zcash سود کردهام؟»
@IRANCERT
ابزاری که استفاده میشود، «Magnet Axiom» نام دارد و متعلق به شرکت «Magnet Forensics» است:
https://www.magnetforensics.com/mobile-forensics-solutions/
طبق ادعای این شرکت، امکان باز کردن قفل آخرین نسخههای آیفون و اندروید و جمعآوری دادههای آنها وجود دارد. مسئله این نیست که فردی پشت سیستم بنشیند و تکتک پیامها را بررسی کند؛ مسئله اصلی این است که این ابزارها دادههای همگان را بهصورت ساختاریافته دستهبندی میکنند و گرافهای ارتباطی افراد و شواهد و مدارک مرتبط را شناسایی خواهند کرد.
به عبارت دیگر، مأمور فرودگاه گوشی را بررسی دستی نمیکند؛ آن را به سیستم متصل میکند و نیم ساعت بعد، تمام دادههای دستگاه در سیستم مرکزی ذخیره میشود. در آنجا، ریسک ارتباطات بر اساس محتوا و ارتباطات مستقیم یا غیرمستقیم با افراد پرخطر یا سایر مجرمان شناختهشده بهطور خودکار ارزیابی میگردد. این پایگاه داده نیز همواره بر اساس شواهد جدید بهروزرسانی میشود؛ برای مثال، اگر دو سال بعد یکی از آشنایان مرتکب عمل مجرمانهای شود و دستگیر شود، شما نیز بهطور خودکار وارد فهرست رصد اطلاعاتی خواهید شد. با ورود هوش مصنوعی به این حوزه، تقریباً هیچ تعامل انسانی برای شناسایی افراد نیاز نیست. دولتها از استفاده عمومی از گوشیهای هوشمند و هوش مصنوعی استقبال میکنند. امکان ندارد شرکتهایی با ارزش تریلیون دلاری مانند گوگل، اپل، مایکروسافت و متا وجود داشته باشند و همزمان به نهادهای دولتی خدمات تخصصی ارائه ندهند.
اتفاقی که هنگام ضبط گوشی در فرودگاه رخ میدهد، نشان میدهد این تصور که دادههای ذخیرهشده در شبکههای اجتماعی یا سایر بسترها دور از دسترس هستند، بسیار خوشخیالانه است. شاید این پرسش مطرح شود که با عدم استفاده از این خدمات و نصب سیستمعامل اندروید متنباز روی گوشی، چه پیش میآید؟ مسئله اینجاست که سختافزار مورد استفاده همچنان متنباز نیست. ضمناً باید در نظر داشت که اقداماتی از این دست برای از بین بردن ردپای دیجیتال و استفاده سنگین از ابزارهای رمزنگاری و حفاظت از حریم خصوصی، باز هم فرد را بهطور خودکار در فهرست افراد پرخطر قرار میدهد.
برای نمونه، آژانس امنیت ملی آمریکا (NSA) افرادی را که از Tor و Tails Linux استفاده میکنند، بهعنوان افراد «افراطی» (احتمالاً همرده با گروههای تروریستی) دستهبندی میکند:
https://yogaesoteric.net/en/nsa-aberrantly-classifies-linux-journal-readers-tor-and-tails-linux-users-as-extremists/
گزارش اخیر شرکت «آنتروپیک» درباره فهرست سوءاستفادهها از خدماتشان و اقدام قهرمانانهای که برای جلوگیری از آنها انجام دادهاند، نباید موجب خرسندی بیش از حد شود. آن گزارش تنها یک خلاصه غیرمحرمانه (Unclassified) با تأیید نهادهای بالادستی است، در حالی که گزارش محرمانه شامل چتهای شخصی کاربران نیز میشود؛ مانند زمانی که از هوش مصنوعی میپرسند: «آیا اداره مالیات میتواند بفهمد من از فروش Zcash سود کردهام؟»
@IRANCERT
Magnet Forensics
Mobile forensics solutions - Magnet Forensics
Unlock mobile data, uncover key evidence, and close more cases.
Forwarded from جنگولرن
اگه بخوای چند تا رکورد توی جنگو رو یکجا آپدیت کنی چکار میکنی؟
راه جنگویی ش اینه:
اما مشکلش اینه که update مستقیم کد SQL اجرا میکنه.
یعنی چی؟
یعنی اگه مثلا فیلد تاریخ داشته باشی که auto_now باشه، آپدیت نمیشه.
یا اگه سیگنال pre_save یا post_save هم داشته باشی اجرا نمیشن.
اینجا داکیومنت جنگو بهش اشاره کرده:
https://docs.djangoproject.com/en/5.2/topics/db/queries/#updating-multiple-objects-at-once
روشهای مختلفی هست، برای اینکه این مشکل رو نداشته باشیم. مثلا حلقه بزنیم و save رو اجرا کنیم، که اصلا خوب نیست.
یکی دیگه این روشه:
شاید مسخره باشه، ولی صراحتا خودمون فیلد updated_at رو مقداردهی کردیم.
بالا گفتم، این کارو نکنیم، جنگو نمیفهمه که اون رکورد تغییر کرده.
اینو اگه میدونستی 👍 بزن، وگرنه 👎 بزن
@DjangoLearn_ir
راه جنگویی ش اینه:
Product.objects.filter(category_id=5).update(is_active=False)
اما مشکلش اینه که update مستقیم کد SQL اجرا میکنه.
یعنی چی؟
یعنی اگه مثلا فیلد تاریخ داشته باشی که auto_now باشه، آپدیت نمیشه.
یا اگه سیگنال pre_save یا post_save هم داشته باشی اجرا نمیشن.
اینجا داکیومنت جنگو بهش اشاره کرده:
https://docs.djangoproject.com/en/5.2/topics/db/queries/#updating-multiple-objects-at-once
روشهای مختلفی هست، برای اینکه این مشکل رو نداشته باشیم. مثلا حلقه بزنیم و save رو اجرا کنیم، که اصلا خوب نیست.
یکی دیگه این روشه:
Product.objects.filter(category_id=5).update(
is_active=False,
updated_at=timezone.now(),
)
شاید مسخره باشه، ولی صراحتا خودمون فیلد updated_at رو مقداردهی کردیم.
بالا گفتم، این کارو نکنیم، جنگو نمیفهمه که اون رکورد تغییر کرده.
اینو اگه میدونستی 👍 بزن، وگرنه 👎 بزن
@DjangoLearn_ir
👎1
This media is not supported in your browser
VIEW IN TELEGRAM
اگه میخواید لینوکس یاد بگیرید فقط خوندن دستورات کافی نیست باید تستشون هم کنید این ابزار که برای یادگیریه یه محیط تمرینی شبیه باشگاه که بهت task میده و تو باید با Terminal واقعی حلشون کنی:
github.com/iximiuz/shellgym
From ~@Linuxor
github.com/iximiuz/shellgym
From ~@Linuxor
❤3❤🔥1