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
This media is not supported in your browser
VIEW IN TELEGRAM
دیدین این منوها چقدر میرن رو مخ و هی بسته میشن. بخاطر اینه که safe polygon ندارن. UI لایبرریها معمولا این رو دارن و شما لازم نیست کاری بکنین. ولی اگر دیدین هی بسته میشه بدونین مشکل کجاست و بگید ایجنت فیکس کنه.
From @Linuxor & @craftWithPooria
@Rs_tutorial
From @Linuxor & @craftWithPooria
@Rs_tutorial
❤1
Forwarded from Linuxor ?
یه آزمون خیلی ساده برای اینکه بفهمید توی شرکت بهتون بیش از حد فشار میاد یا نه
کافیه به یک ماه گذشته خودتون نگاه کنید میانگین ببینید چقدر بعد از تایم کاری که اومدید خونه تونستید چیزی خلق کنید البته منظور از خلق یه چیز بزرگ نیستا هر چیز کوچیکی و اختیاری ای هم حسابه؛ اگه چیزی خلق نکردید بازم نشونه منفی ای نیست ولی اگه به سمت چیز های اعتیاد آور مثل بعضی گیم ها یا شبکه های اجتماعی مثل اینستاگرام رفتید و تا آخر شب توش بودید یعنی عملا مغزتون زیاد کار کرده و بدهی داره.
@Linuxor
کافیه به یک ماه گذشته خودتون نگاه کنید میانگین ببینید چقدر بعد از تایم کاری که اومدید خونه تونستید چیزی خلق کنید البته منظور از خلق یه چیز بزرگ نیستا هر چیز کوچیکی و اختیاری ای هم حسابه؛ اگه چیزی خلق نکردید بازم نشونه منفی ای نیست ولی اگه به سمت چیز های اعتیاد آور مثل بعضی گیم ها یا شبکه های اجتماعی مثل اینستاگرام رفتید و تا آخر شب توش بودید یعنی عملا مغزتون زیاد کار کرده و بدهی داره.
@Linuxor
Forwarded from Ditty | دیتی
همونایی که فقط یه مهندس نرمافزار میتونه ببینه 👀
این داستان یکی از بچهها توی هلند هست برام جالب بود:
اگه مهندس نرمافزار هستید سعی کنید از این نکتهها و فعالیتها غافل نشین. اینطور که من بازار و تغییرات مشاغل رو میبینم، شغل مهندسی نرمافزار کمکم داره از حالت کلاسیک خودش که ۸۰٪ کدنویسی بود فاصله میگیره و فعالیتهایی فراتر از اون یعنی تعاملات انسانی توی اون داره پررنگتر میشه
یه مقاله هم جدیداً خوندم با عنوان «شغلهای جدید مهندسی نرمافزار توی دوران هوش مصنوعی». یکی از این شغلها که خیلی داره سر زبونها میچرخه Forward Deployed Engineer هست که به مهندس نرمافزاری گفته میشه میره پیش مشتریها، الگوهای پیدا و پنهان اون شرکت رو یاد بگیره (همونایی که فقط یه مهندس نرمافزار میتونه ببینه) و از این تجربه یه محصول قابل استفاده برای همه مشتریهای فعلی و بعدی بسازه
این داستان یکی از بچهها توی هلند هست برام جالب بود:
مدتی هست که بخاطر هوش مصنوعی فشار کار فنی کمتر شده، سعی میکنم از فرصت پیشاومده استفاده کنم و یکم از نقش خودم بالاتر برم و کارهایی بکنم که در سالهای قبل از هوش مصنوعی اصلاً به ذهنم هم خطور نمیکرد و کسی هم انتظار نداشت انجام بدم. مثلاً به تیمهای دیگه مثل تیم فروش و بازاریابی سر میزنم و میببینم محصولی که ساختیم از دیدگاه اونها یا مشتریها چطوریه و آیا کم و کاستی داره یا نه
یکی از چیزهایی که جدیداً انجام دادم این بود که درخواست کردم دسترسی Search Console گوگل رو بهم بدن تا ببینم اپ توی سرچ گوگل وضعیتش چطوریه. و دیدم یه سری چیزها و آمارها بالا پایین هست 😄🙈 و گرههای ریزی توی دشبرد وجود داره شاید از دید یک فرد غیر فنی پنهان بمونه. چیزهایی که وظیفه تیم فنی بود.
این کار پیشدستانه باعث شد دست به کار بشم و چندین فیکس انجام بدم. از جمله بهبود سئو و سرعت برنامه. نکات ریزی که شاید بدون دخالت من به من منتقل نمیشد. تجربهای که از این اتفاق گرفتم این بود که بعضی وقتها چیزهایی که به چشم یه فرد فنی میاد رو تیمها و افراد دیگه ندارن
اگه مهندس نرمافزار هستید سعی کنید از این نکتهها و فعالیتها غافل نشین. اینطور که من بازار و تغییرات مشاغل رو میبینم، شغل مهندسی نرمافزار کمکم داره از حالت کلاسیک خودش که ۸۰٪ کدنویسی بود فاصله میگیره و فعالیتهایی فراتر از اون یعنی تعاملات انسانی توی اون داره پررنگتر میشه
یه مقاله هم جدیداً خوندم با عنوان «شغلهای جدید مهندسی نرمافزار توی دوران هوش مصنوعی». یکی از این شغلها که خیلی داره سر زبونها میچرخه Forward Deployed Engineer هست که به مهندس نرمافزاری گفته میشه میره پیش مشتریها، الگوهای پیدا و پنهان اون شرکت رو یاد بگیره (همونایی که فقط یه مهندس نرمافزار میتونه ببینه) و از این تجربه یه محصول قابل استفاده برای همه مشتریهای فعلی و بعدی بسازه
❤1
Forwarded from Geekmanesh Log
گفتم قبل خواب یه پست دیگه بذارم و قضیه فروش اطلاعات رو توضیحکی(توضیح کوچک) بدم. وقتی میگیم فروش اطلاعات، همه اینطوری فکر میکنن که یک هکر با هودی تونسته وارد یک سیستم بشه و کل دیتابیس اون سیستم رو برداره یا کپی کنه و بعد بیاد توی دارک وب بفروشه. خب این ممکنه ولی چیزای رایج تر و جالب تری هم هستن که حس جرم رو نمیدن ولی کاملا جرم هستن.
مثلا دیجی آنتی که بحثش هنوز داغه، یه بات هست با اسم DIGI ANTI توی تلگرام، این بات واسه این هستش که توی گروه ها مدیریت رو آسون تر کنه و تا جایی که یادمه رایگان بوده، ولی خب طبق همون قاعده که "نهار مجانی وجود نداره". خب سرویس مجانی هم وجود نداره.
این بات احتمالا نحوه کارش اینه که اطلاعات تمام گروه هارو داره + کاربران + پیام ها
خب با این اطلاعاتی که داره که نمیتونه راحت یا گرون بفروشتشون، واسه همین میاد و اطلاعات رو اول جمع میکنه به حجم و تایم زیادی مثلا ۲ سال.
بعد شروع میکنه به ساختن یه سرویس دیگه که API اون سرویس که وصل هستش به دیتابیس رو میفروشه. اینجا دلالا پیداشون میشه میرن اون API رو میخرن براش یک ربات تلگرامی درست میکنن و بعد تبلیغ میکنن با اسمای ربات استاکر یا ربات فایندر و غیره
ولی خب همشون به یجا وصلن. به یک ربات یا مجموعه ای از ربات ها که اطلاعات شمارو جمع میکنن و بعد برای فروش میذارن.
پس خود فروش به این صورت هستش که:
فردی که دنبال شما هستش پول میده به یک ربات تلگرامی -> صاحب اون ربات تلگرامی پول رو میده به سرویسی که اون ربات واسه خودش ساخته -> پول میرسه به دست کسی که DIGI ANTI رو میگردونه
اطلاعات شما هم همینطور:
شما عضو یک گروه میشی -> دیجی آنتی شناساییتون میکنه -> تمام اطلاعات پیام ها(ویس استیکر ویدیو مسج) ثبت میشه، اطلاعات خودتون مثل ایدی پروفایل نام و غیره هم ثبت میشه -> میذارنش مرتب تو دیتابیس -> سرویس فروش API هر ۱۰۰۰ درخواست رو میفروشه ۱ دلار -> ربات هر بخش از اطلاعات رو میفروشه ۱ دلار
اینطوری میشه که خیلی شیک و مجلسی اطلاعات شما فروخته میشه.
تلگرام همیشه تلاش کرده اینجور چیزارو ببنده یا حذف کنه ولی خب خیلی موفق نبوده.
درنهایت مثل همیشه، قرار نیست شما خودتونو از تکنولوژی محروم کنید فقط کافیه بدونید چه اتفاقی داره میوفته تا سوپرایز نشین:)
#information_security #part_3
مثلا دیجی آنتی که بحثش هنوز داغه، یه بات هست با اسم DIGI ANTI توی تلگرام، این بات واسه این هستش که توی گروه ها مدیریت رو آسون تر کنه و تا جایی که یادمه رایگان بوده، ولی خب طبق همون قاعده که "نهار مجانی وجود نداره". خب سرویس مجانی هم وجود نداره.
این بات احتمالا نحوه کارش اینه که اطلاعات تمام گروه هارو داره + کاربران + پیام ها
خب با این اطلاعاتی که داره که نمیتونه راحت یا گرون بفروشتشون، واسه همین میاد و اطلاعات رو اول جمع میکنه به حجم و تایم زیادی مثلا ۲ سال.
بعد شروع میکنه به ساختن یه سرویس دیگه که API اون سرویس که وصل هستش به دیتابیس رو میفروشه. اینجا دلالا پیداشون میشه میرن اون API رو میخرن براش یک ربات تلگرامی درست میکنن و بعد تبلیغ میکنن با اسمای ربات استاکر یا ربات فایندر و غیره
ولی خب همشون به یجا وصلن. به یک ربات یا مجموعه ای از ربات ها که اطلاعات شمارو جمع میکنن و بعد برای فروش میذارن.
پس خود فروش به این صورت هستش که:
فردی که دنبال شما هستش پول میده به یک ربات تلگرامی -> صاحب اون ربات تلگرامی پول رو میده به سرویسی که اون ربات واسه خودش ساخته -> پول میرسه به دست کسی که DIGI ANTI رو میگردونه
اطلاعات شما هم همینطور:
شما عضو یک گروه میشی -> دیجی آنتی شناساییتون میکنه -> تمام اطلاعات پیام ها(ویس استیکر ویدیو مسج) ثبت میشه، اطلاعات خودتون مثل ایدی پروفایل نام و غیره هم ثبت میشه -> میذارنش مرتب تو دیتابیس -> سرویس فروش API هر ۱۰۰۰ درخواست رو میفروشه ۱ دلار -> ربات هر بخش از اطلاعات رو میفروشه ۱ دلار
اینطوری میشه که خیلی شیک و مجلسی اطلاعات شما فروخته میشه.
تلگرام همیشه تلاش کرده اینجور چیزارو ببنده یا حذف کنه ولی خب خیلی موفق نبوده.
درنهایت مثل همیشه، قرار نیست شما خودتونو از تکنولوژی محروم کنید فقط کافیه بدونید چه اتفاقی داره میوفته تا سوپرایز نشین:)
#information_security #part_3
Forwarded from LOW SIGNAL
یه چیزی که این روزا شاید بهش برخورد کنید، نصب Root Certificate بومیه.
حالا اصلا CA چیه؟
خیلی ساده بخوام توضیح بدم، CA یا Certificate Authority یه مرجع اعتماده که مرورگر و سیستم بهش اعتماد میکنن تا بفهمن Certificate یه سایت واقعیه و میشه بهش اعتماد کرد.
مثلاً وقتی میری یه سایت با HTTPS، مرورگرت یه سری Certificate رو بررسی میکنه و آخرش میرسه به یه CA که میگه این Certificate معتبره.
حالا وقتی یه Root Certificate جدید نصب میکنی، در واقع داری به اون CA کلی اجازه گسترده میدی :)
اگر اون CA بتونه برای یه دامنه Certificate معتبر صادر کنه، در شرایطی میشه ازش برای MITM کردن و دیدن ترافیک HTTPS استفاده کرد، بدون اینکه مرورگر لزوماً بفهمه مشکلی هست.
برای همین من شخصاً هر Root Certificateای رو روی سیستم اصلی نصب نمیکنم، مخصوصاً وقتی نمیدونم دقیقاً از کجا اومده و چه کسی کنترلش میکنه.
حتی اگه فقط میخواید ببینید Certificate چی توشه، لازم نیست نصبش کنید:
اول ببین چیه، بعد نصبش کن.
چون آخر داستان خیلی جالب نیست :(
وقتی یه Root CA نصب میکنی، داری یه نفر جدید رو وارد زنجیره اعتمادت میکنی.
و با توجه به سابقهای که از مدیریت اینترنت و نظارت روی ارتباطات توی ایران داریم، شاید بد نباشه این اعتماد رو خیلی راحت و
پیشفرض در نظر نگیریم…
@LOW_SIGNAL73
حالا اصلا CA چیه؟
خیلی ساده بخوام توضیح بدم، CA یا Certificate Authority یه مرجع اعتماده که مرورگر و سیستم بهش اعتماد میکنن تا بفهمن Certificate یه سایت واقعیه و میشه بهش اعتماد کرد.
مثلاً وقتی میری یه سایت با HTTPS، مرورگرت یه سری Certificate رو بررسی میکنه و آخرش میرسه به یه CA که میگه این Certificate معتبره.
حالا وقتی یه Root Certificate جدید نصب میکنی، در واقع داری به اون CA کلی اجازه گسترده میدی :)
اگر اون CA بتونه برای یه دامنه Certificate معتبر صادر کنه، در شرایطی میشه ازش برای MITM کردن و دیدن ترافیک HTTPS استفاده کرد، بدون اینکه مرورگر لزوماً بفهمه مشکلی هست.
برای همین من شخصاً هر Root Certificateای رو روی سیستم اصلی نصب نمیکنم، مخصوصاً وقتی نمیدونم دقیقاً از کجا اومده و چه کسی کنترلش میکنه.
اگه واقعاً مجبورید نصبش کنید، یه راه ساده اینه که بندازیدش توی یه VM جدا. همونجا نصبش کنید، کارتون رو انجام بدید و بعد VM رو برگردونید به Snapshot قبلی یا کلاً پاکش کنید.
حتی اگه فقط میخواید ببینید Certificate چی توشه، لازم نیست نصبش کنید:
openssl x509 -in certificate.crt -text -noout
اول ببین چیه، بعد نصبش کن.
چون آخر داستان خیلی جالب نیست :(
وقتی یه Root CA نصب میکنی، داری یه نفر جدید رو وارد زنجیره اعتمادت میکنی.
و با توجه به سابقهای که از مدیریت اینترنت و نظارت روی ارتباطات توی ایران داریم، شاید بد نباشه این اعتماد رو خیلی راحت و
پیشفرض در نظر نگیریم…
@LOW_SIGNAL73
Forwarded from ..: لیکفا | Leakfa :..
🚨 نشت جدید: اطلاعات حساس صدها هزار کاربر صرافی والکس در معرض افشا
🔍 مجموعهای در حدود 750 هزار رکورد از اطلاعات مرتبط با کاربران صرافی ارز دیجیتال «والکس» مربوط به سالهای 1397 تا 1401، در فهرست فروشندگان بانکهای اطلاعاتی غیرمجاز مشاهده شده است. این دادهها شامل اطلاعات هویتی مانند نام، نام خانوادگی، شماره ملی، تاریخ تولد، شماره تلفن، آدرس، ایمیل، اطلاعات مرتبط با احراز هویت و همچنین اطلاعات مالی از جمله شماره کارت بانکی، شماره شبا، اطلاعات صاحب حساب، آدرس و موجودی کیفپولهای رمزارزی و سایر اطلاعات مرتبط با کاربران است. اطلاعات حسابهای کارکنان و برخی دادههای مرتبط با سامانههای داخلی نیز در این مجموعه مشاهده شده است.
📌 افشای این اطلاعات میتواند زمینهساز فیشینگ هدفمند، کلاهبرداری مالی، مهندسی اجتماعی و سوءاستفاده از اطلاعات هویتی و بانکی کاربران شود. به کاربران توصیه میشود در صورت فعال بودن کارت، برای تعویض آن اقدام کنند، نسبت به تماسها، پیامها و لینکهای مشکوک هوشیار باشند و از ارائه اطلاعات شخصی خود به افراد ناشناس خودداری کنند.
✅ صحت دادههای ارائهشده در بررسی نمونهای تایید شد.
🆔 @leakfarsi
🔍 مجموعهای در حدود 750 هزار رکورد از اطلاعات مرتبط با کاربران صرافی ارز دیجیتال «والکس» مربوط به سالهای 1397 تا 1401، در فهرست فروشندگان بانکهای اطلاعاتی غیرمجاز مشاهده شده است. این دادهها شامل اطلاعات هویتی مانند نام، نام خانوادگی، شماره ملی، تاریخ تولد، شماره تلفن، آدرس، ایمیل، اطلاعات مرتبط با احراز هویت و همچنین اطلاعات مالی از جمله شماره کارت بانکی، شماره شبا، اطلاعات صاحب حساب، آدرس و موجودی کیفپولهای رمزارزی و سایر اطلاعات مرتبط با کاربران است. اطلاعات حسابهای کارکنان و برخی دادههای مرتبط با سامانههای داخلی نیز در این مجموعه مشاهده شده است.
📌 افشای این اطلاعات میتواند زمینهساز فیشینگ هدفمند، کلاهبرداری مالی، مهندسی اجتماعی و سوءاستفاده از اطلاعات هویتی و بانکی کاربران شود. به کاربران توصیه میشود در صورت فعال بودن کارت، برای تعویض آن اقدام کنند، نسبت به تماسها، پیامها و لینکهای مشکوک هوشیار باشند و از ارائه اطلاعات شخصی خود به افراد ناشناس خودداری کنند.
✅ صحت دادههای ارائهشده در بررسی نمونهای تایید شد.
🆔 @leakfarsi
Forwarded from Rezaie ...
این چرخهای که خیلی از ما درگیرش میشویم، یک الگوی روانی بسیار رایج است:
چرخه فرسودگی یادگیری: چرا وسط آموزش کم میآوریم؟
اکثر بچههای فنی یا کسانی که خودآموز یاد میگیرند، مدام در یک لوپ ۵ مرحلهای گیر میکنند:
انگیزه اولیه: یک دوره جدید، جذاب و پرانرژی شروع میشود.
بیشبارگیری اطلاعات (Information Overload): همزمان با دوره، سراغ کتاب، سورسکد، مقالات جانبی و جزوهنویسی وسواسی میرویم.
فرسودگی مغز (Burnout): حجم ورودی به خروجی عملی نمیچسبد؛ مغز خسته میشود و برای بقا فرمان خاموشی میدهد.
فرار به دوپامین راحت: آموزش رها میشود، میرویم سراغ سریال، گیم یا اسکرول بیهدف.
عذاب وجدان و تکرار: بعد از چند روز حس بیمصرف بودن سراغمان میآید، برای جبران سریعاً یک دوره جدید برمیداریم و روز از نو.
۳ تله پنهان که مغز را به دیوار میزند
تله کار کاذب (Fake Work): تمیز کردن جزوه، صفحهآرایی، ساختن پیدیاف و کتابچه، یا هایلایت کردن کتابها حس پیشرفت کاذب میدهد. حس میکنیم کلی کار کردیم، در حالی که فقط انرژی روانی مصرف شده و یادگیریِ عملی متوقف مانده است.
توهم تسلط (Illusion of Competence): دیدن ۱۰ ساعت ویدیوی آموزشی و فهمیدن مباحث، به این معنی نیست که بلدیم آن را از صفر بسازیم یا دیباگ کنیم. فهمیدن تئوری بسیار سادهتر از اجرای عملی است.
حرص تجمیع منابع: باز کردن ۵ تب مختلف و جمعآوری دهها گیگابایت رفرنس و کتاب قبل از پایان مبحث اول، مغز را از ترس حجم کار فلج میکند.
استراتژی خروج از چرخه: یادگیری با حداقل اصطکاک
قانون تکمنبعی: تا زمانی که یک دوره تمام نشده یا یک مبحث به بنبست کامل نخورده، سراغ کتاب و رفرنس دوم نروید. فقط یک مسیر را تا انتها بروید.
قاعده ۸۰ به ۲۰ (خروجیمحور به جای مصرفمحور): تنها ۲۰ درصد زمان را صرف تماشای آموزش کنید و ۸۰ درصد را پای کیبورد، اجرای سناریو و باگ زدن بگذرانید.
یادداشتبرداری مثل «برگه تقلب»، نه «کتاب»: جزوه نباید خوشگل و کامل باشد؛ جزوه فقط باید شامل دستورات فرار، خطاهای پرتکرار و راهحلهای سریع باشد. چیزی که با ۵ ثانیه گوگل پیدا میشود ارزش نوشتن ندارد.
قانونی کردن استراحت: وقتی استراحت را بدون عذاب وجدان در برنامه روتین بگذارید، مغز برای استراحت کردن نیازی نمیبیند وسط آموزش اعلام فلجی کند و به سریال فرار کند.
خلاصه: هر چقدر فاصله بین «دیدن ویدیو» و «کد زدن/تست عملی» کمتر باشد و کارهای فرعی مثل جزوهنویسیِ وسواسی حذف شوند، سرعت واقعی یادگیری بالا میرود و خبری از حس خستگی و رها کردن نخواهد بود.
چرخه فرسودگی یادگیری: چرا وسط آموزش کم میآوریم؟
اکثر بچههای فنی یا کسانی که خودآموز یاد میگیرند، مدام در یک لوپ ۵ مرحلهای گیر میکنند:
انگیزه اولیه: یک دوره جدید، جذاب و پرانرژی شروع میشود.
بیشبارگیری اطلاعات (Information Overload): همزمان با دوره، سراغ کتاب، سورسکد، مقالات جانبی و جزوهنویسی وسواسی میرویم.
فرسودگی مغز (Burnout): حجم ورودی به خروجی عملی نمیچسبد؛ مغز خسته میشود و برای بقا فرمان خاموشی میدهد.
فرار به دوپامین راحت: آموزش رها میشود، میرویم سراغ سریال، گیم یا اسکرول بیهدف.
عذاب وجدان و تکرار: بعد از چند روز حس بیمصرف بودن سراغمان میآید، برای جبران سریعاً یک دوره جدید برمیداریم و روز از نو.
۳ تله پنهان که مغز را به دیوار میزند
تله کار کاذب (Fake Work): تمیز کردن جزوه، صفحهآرایی، ساختن پیدیاف و کتابچه، یا هایلایت کردن کتابها حس پیشرفت کاذب میدهد. حس میکنیم کلی کار کردیم، در حالی که فقط انرژی روانی مصرف شده و یادگیریِ عملی متوقف مانده است.
توهم تسلط (Illusion of Competence): دیدن ۱۰ ساعت ویدیوی آموزشی و فهمیدن مباحث، به این معنی نیست که بلدیم آن را از صفر بسازیم یا دیباگ کنیم. فهمیدن تئوری بسیار سادهتر از اجرای عملی است.
حرص تجمیع منابع: باز کردن ۵ تب مختلف و جمعآوری دهها گیگابایت رفرنس و کتاب قبل از پایان مبحث اول، مغز را از ترس حجم کار فلج میکند.
استراتژی خروج از چرخه: یادگیری با حداقل اصطکاک
قانون تکمنبعی: تا زمانی که یک دوره تمام نشده یا یک مبحث به بنبست کامل نخورده، سراغ کتاب و رفرنس دوم نروید. فقط یک مسیر را تا انتها بروید.
قاعده ۸۰ به ۲۰ (خروجیمحور به جای مصرفمحور): تنها ۲۰ درصد زمان را صرف تماشای آموزش کنید و ۸۰ درصد را پای کیبورد، اجرای سناریو و باگ زدن بگذرانید.
یادداشتبرداری مثل «برگه تقلب»، نه «کتاب»: جزوه نباید خوشگل و کامل باشد؛ جزوه فقط باید شامل دستورات فرار، خطاهای پرتکرار و راهحلهای سریع باشد. چیزی که با ۵ ثانیه گوگل پیدا میشود ارزش نوشتن ندارد.
قانونی کردن استراحت: وقتی استراحت را بدون عذاب وجدان در برنامه روتین بگذارید، مغز برای استراحت کردن نیازی نمیبیند وسط آموزش اعلام فلجی کند و به سریال فرار کند.
خلاصه: هر چقدر فاصله بین «دیدن ویدیو» و «کد زدن/تست عملی» کمتر باشد و کارهای فرعی مثل جزوهنویسیِ وسواسی حذف شوند، سرعت واقعی یادگیری بالا میرود و خبری از حس خستگی و رها کردن نخواهد بود.
👍5
#پرامپت برای خلاصه نویسی و نوت برداری:
From: LinkedIn
@Rs_tutorial
این متن را به خروجی عملی تبدیل کن:
1. 5 نکته اصلی
2. تصمیم های مهم
3. کارهایی که باید انجام دهم
4. ریسکها و ابهام ها
5. برنامه اقدام برای 24 ساعت آینده
اگر اطلاعات کافی نیست، حدس نزن و موارد ناقص را جداگانه بنویس
From: LinkedIn
@Rs_tutorial
Forwarded from Pedi | پِدی
به جای توضیح دادن «اون دکمه رو میگم»، روش کلیک کن 👀
اگه با Codex یا Claude Code رابط کاربری میسازین، احتمالا پیش اومده نصف پرامپتتون صرف توضیح دادن این بشه که دقیقا کدوم قسمت صفحه باید تغییر کنه 😅
ابزار Agentation یه نوار ابزار به پروژه اضافه میکنه؛ روی المان موردنظر کلیک میکنین و مینویسین چه تغییری میخواین.
مثلا:
«فاصله این دکمه از عنوان، ۱۶ پیکسل باشه و توی حالت loading عرضش تغییر نکنه.»
⭐️ نکته کاربردیش اینه که بازخورد رو همراه selector و اطلاعات المان به agent میرسونه. میتونین خروجی Markdown رو کپی کنین یا با تنظیم MCP، کامنتها رو مستقیم در اختیار agent بذارین.
برای Claude Code یه skill راهاندازی هم داره:
npx skills add benjitaylor/agentation
بعد داخل Claude Code دستور /agentation رو اجرا میکنین.
فعلا به React 18+ و مرورگر دسکتاپ نیاز داره و بهتره فقط توی محیط توسعه فعال باشه. تغییر کد رو agent انجام میده؛ نتیجه رو هم همچنان باید بررسی کنین.
برای رفتوبرگشتهای ریز طراحی، ایده کاربردیایه 🔥
معرفی و دمو · راهنمای نصب
اگه با Codex یا Claude Code رابط کاربری میسازین، احتمالا پیش اومده نصف پرامپتتون صرف توضیح دادن این بشه که دقیقا کدوم قسمت صفحه باید تغییر کنه 😅
ابزار Agentation یه نوار ابزار به پروژه اضافه میکنه؛ روی المان موردنظر کلیک میکنین و مینویسین چه تغییری میخواین.
مثلا:
«فاصله این دکمه از عنوان، ۱۶ پیکسل باشه و توی حالت loading عرضش تغییر نکنه.»
⭐️ نکته کاربردیش اینه که بازخورد رو همراه selector و اطلاعات المان به agent میرسونه. میتونین خروجی Markdown رو کپی کنین یا با تنظیم MCP، کامنتها رو مستقیم در اختیار agent بذارین.
برای Claude Code یه skill راهاندازی هم داره:
npx skills add benjitaylor/agentation
بعد داخل Claude Code دستور /agentation رو اجرا میکنین.
فعلا به React 18+ و مرورگر دسکتاپ نیاز داره و بهتره فقط توی محیط توسعه فعال باشه. تغییر کد رو agent انجام میده؛ نتیجه رو هم همچنان باید بررسی کنین.
برای رفتوبرگشتهای ریز طراحی، ایده کاربردیایه 🔥
معرفی و دمو · راهنمای نصب
مدل Jev وارد دیتابیس ها شده، فیلترهای سنتی دیتابیس به شرطهای دقیق و از قبل تعریفشده نیاز دارن. ولی خیلی از سوالها معنایی (Semantic) هستن، مثلا فرض کنید کاربر این سوالارو داشته باشه:
آیا این مقاله بیشتر دربارهی مهندسی نرمافزار هستش؟
کدوم موضوع بهترین توصیف رو برای این مقاله داره؟
به نظر میاد این مقاله از نظر فنی چقدر عمیق باشه؟
این pg-jev یه افزونهی متنباز برای Postgres هستش که Jev رو از طریق توابع SQL در اختیار میذاره.
تابع jev() میتونه مستقیماً داخل WHERE استفاده بشه.
تابع jev_prob() یه احتمال برمیگردونه.
تابع jev_choice() یه برچسب رو انتخاب میکنه.
تابع jev_score() ردیفها رو بر اساس سطوح مرتبشده رتبهبندی میکنه.
خیلی سادس این سیستم به ستون وکتور (Vector Column) یا Embedding Index هم نیاز نداره.
راهنما و دانلود:
pgjev.com
From: @Linuxor
@Rs_tutorial
آیا این مقاله بیشتر دربارهی مهندسی نرمافزار هستش؟
کدوم موضوع بهترین توصیف رو برای این مقاله داره؟
به نظر میاد این مقاله از نظر فنی چقدر عمیق باشه؟
این pg-jev یه افزونهی متنباز برای Postgres هستش که Jev رو از طریق توابع SQL در اختیار میذاره.
تابع jev() میتونه مستقیماً داخل WHERE استفاده بشه.
تابع jev_prob() یه احتمال برمیگردونه.
تابع jev_choice() یه برچسب رو انتخاب میکنه.
تابع jev_score() ردیفها رو بر اساس سطوح مرتبشده رتبهبندی میکنه.
خیلی سادس این سیستم به ستون وکتور (Vector Column) یا Embedding Index هم نیاز نداره.
راهنما و دانلود:
pgjev.com
From: @Linuxor
@Rs_tutorial
Forwarded from P.FLLP.05 (dr.337 S+)
قبل از اینکه بروم سراغ مطالعه و جان کندن، یک داستان تعریف کنم برای این دعوای Specialist یا Generalist که همهجا در جریان است.
چند سال پیش که روی SDR Security کار میکردم، علیرضا به من گفت برو سند جنگ الکترونیک و طیف الکترومغناطیس آمریکاییها را مطالعه کن. سال ۹۳ بود و من روی این مسئله کار میکردم.
هیچوقت پاراگراف اول آن سند را یادم نمیرود. بعدها وقتی نسخه فارسیاش را منتشر کردم، همان بخش را ترجمه کردم. سال ۹۷ هم آن سند را منتشر کردم.
اما چیزی که برای من جالب بود، خود بحث جنگ الکترونیک نبود؛ یک مثال ساده درباره مسیر تکامل تکنولوژی بود.
آن زمان برای هر کاری یک ابزار تخصصی داشتید.
میخواستید عکس بگیرید؟ دوربینموزیک گوش بدهید؟ کَستپلیر.با خانواده تماس بگیرید؟ تلفن مسیر پیدا کنید؟ GPS و برای هر کار دیگری، یک ابزار دیگر.
بعد اسمارتفون آمد/یک دستگاه که قرار نبود در هیچکدام از این کارها بهترین باشد، اما توانست بخش بزرگی از همه آنها را در خودش جمع کند.
دوربین شد/موزیک پلیر شد/تلفن شد/GPS شد/مرورگر شد/پیامرسان شد/شبکه اجتماعی شد. حتی ابزار پیدا کردن پارتنر هم شد؛ همان حقهبازی معروف در سوشالمدیا :)
در واقع اتفاق مهم فقط این نبود که چند گجت حذف شدند.
اتفاق مهمتر این بود که مرز بین چند حوزه شروع کرد به از بین رفتن.
و به نظرم دعوای Specialist و Generalist هم دقیقاً همینجاست.Generalist قرار نیست جای Specialist را بگیرد.
همانطور که اسمارتفون قرار نیست جای دوربین سینمایی را بگیرد. اگر نولان بخواهد فیلم بسازد، نمیرود ۱۰۰ تا آیفون ۱۸ بخرد. میرود سراغ دوربین، لنز، سنسور و تجهیزات تخصصیای که برای همان مسئله ساخته شدهاند.
تخصص حذف نمیشود.
اما یک تغییر مهم اتفاق میافتد:
تخصص معمولی، ارزان و قابلدسترس میشود.
چیزی که زمانی نیازمند یک متخصص بود، کمکم تبدیل به یک Feature میشود.
پس ارزش آینده فقط در این نیست که «یک کار را خیلی خوب بلد باشی».
ارزش واقعی جایی ایجاد میشود که بتوانی چند حوزه را بفهمی، بینشان ارتباط برقرار کنی و از تقاطع آنها چیزی بسازی که قبل از تو وجود نداشته.
به زبان سادهتر: Specialist یک نقطه را عمیق میکند. Generalist بین نقاط ارتباط ایجاد میکند.
و کسی که هر دو را داشته باشد، میتواند از این نقاط یک خط جدید بکشد.
شاید آینده متعلق به آدمهایی نباشد که فقط یک چیز را خیلی خوب بلدند؛
بلکه متعلق به کسانی باشد که چند چیز را آنقدر عمیق میفهمند که بتوانند بینشان ارتباطی ببینند که بقیه نمیبینند. تخصص میماند.
اما برای اینکه تخصصت در آینده واقعاً ارزشمند باشد، احتمالاً باید آنقدر عمیق، خاص و گرهگشا باشد که یک General-Purpose Tool نتواند بهراحتی جایش را بگیرد.
والا برای ۷۰ درصد کارها، همان آیفون ۱۲ هم هنوز کار آدم را راه میاندازد.
چند سال پیش که روی SDR Security کار میکردم، علیرضا به من گفت برو سند جنگ الکترونیک و طیف الکترومغناطیس آمریکاییها را مطالعه کن. سال ۹۳ بود و من روی این مسئله کار میکردم.
هیچوقت پاراگراف اول آن سند را یادم نمیرود. بعدها وقتی نسخه فارسیاش را منتشر کردم، همان بخش را ترجمه کردم. سال ۹۷ هم آن سند را منتشر کردم.
اما چیزی که برای من جالب بود، خود بحث جنگ الکترونیک نبود؛ یک مثال ساده درباره مسیر تکامل تکنولوژی بود.
آن زمان برای هر کاری یک ابزار تخصصی داشتید.
میخواستید عکس بگیرید؟ دوربینموزیک گوش بدهید؟ کَستپلیر.با خانواده تماس بگیرید؟ تلفن مسیر پیدا کنید؟ GPS و برای هر کار دیگری، یک ابزار دیگر.
بعد اسمارتفون آمد/یک دستگاه که قرار نبود در هیچکدام از این کارها بهترین باشد، اما توانست بخش بزرگی از همه آنها را در خودش جمع کند.
دوربین شد/موزیک پلیر شد/تلفن شد/GPS شد/مرورگر شد/پیامرسان شد/شبکه اجتماعی شد. حتی ابزار پیدا کردن پارتنر هم شد؛ همان حقهبازی معروف در سوشالمدیا :)
در واقع اتفاق مهم فقط این نبود که چند گجت حذف شدند.
اتفاق مهمتر این بود که مرز بین چند حوزه شروع کرد به از بین رفتن.
و به نظرم دعوای Specialist و Generalist هم دقیقاً همینجاست.Generalist قرار نیست جای Specialist را بگیرد.
همانطور که اسمارتفون قرار نیست جای دوربین سینمایی را بگیرد. اگر نولان بخواهد فیلم بسازد، نمیرود ۱۰۰ تا آیفون ۱۸ بخرد. میرود سراغ دوربین، لنز، سنسور و تجهیزات تخصصیای که برای همان مسئله ساخته شدهاند.
تخصص حذف نمیشود.
اما یک تغییر مهم اتفاق میافتد:
تخصص معمولی، ارزان و قابلدسترس میشود.
چیزی که زمانی نیازمند یک متخصص بود، کمکم تبدیل به یک Feature میشود.
پس ارزش آینده فقط در این نیست که «یک کار را خیلی خوب بلد باشی».
ارزش واقعی جایی ایجاد میشود که بتوانی چند حوزه را بفهمی، بینشان ارتباط برقرار کنی و از تقاطع آنها چیزی بسازی که قبل از تو وجود نداشته.
به زبان سادهتر: Specialist یک نقطه را عمیق میکند. Generalist بین نقاط ارتباط ایجاد میکند.
و کسی که هر دو را داشته باشد، میتواند از این نقاط یک خط جدید بکشد.
شاید آینده متعلق به آدمهایی نباشد که فقط یک چیز را خیلی خوب بلدند؛
بلکه متعلق به کسانی باشد که چند چیز را آنقدر عمیق میفهمند که بتوانند بینشان ارتباطی ببینند که بقیه نمیبینند. تخصص میماند.
اما برای اینکه تخصصت در آینده واقعاً ارزشمند باشد، احتمالاً باید آنقدر عمیق، خاص و گرهگشا باشد که یک General-Purpose Tool نتواند بهراحتی جایش را بگیرد.
والا برای ۷۰ درصد کارها، همان آیفون ۱۲ هم هنوز کار آدم را راه میاندازد.
🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
گوگل SynthID Detector رو برای همه باز کرد
حالا میتونی تشخیص بدی محتوا واقعی هست یا ساختهشده با هوش مصنوعی.
لینک:
synthid.com
حالا میتونی تشخیص بدی محتوا واقعی هست یا ساختهشده با هوش مصنوعی.
لینک:
synthid.com
Forwarded from Mahi in Tech
اولین نسخهی «قیچی» منتشر شد! ✂️
راستش چند وقتی هست که پیامکهای تبلیغاتی و اسپم، شدیدا اعصابم رو خرد میکرد و دیگه با دلار ۲۷۰ تومنی، تحملِ حواسپرتی برای اساماسِ کد تخفیف ۵ هزار تومنی اسنپ و یا به خصوص وصایای امام 🍌 ممکن نبود.
برای همین تصمیم گرفتم پروژهای رو که اولین کامیتش مربوط به ۲ سال پیش بود و بعد از اون هم دیگه ادامه پیدا نکرد، بالاخره به سرانجام برسونم.
«قیچی» یک اپلیکیشن مدیریت پیامک اندرویدی هست که با MAUI + ML.NET توسعه داده شده و تنها یک هدف داره: خفه کردن پیامکهای اسپم و تبلیغاتی. قیچی به عنوان اپلیکیشن پیشفرض گوشیتون تنظیم میشه و دقیقاً همون کاری رو میکنه که هر SMS Manager دیگهای انجام میده؛ با این تفاوت که یک مدل ML خیلی سبک هم داخلش تعبیه شده که هدفش تشخیص پیامکهای تبلیغاتی در کسری از میلیثانیه و بهصورت کاملا آفلاین روی دیوایس شخص هست.
بنابراین هیچ دادهای به سمت سرور ارسال نمیشه و همهچیز کاملا آفلاین و امنه. ضمن اینکه تمام بخشهای پروژه اعم از دیتاست، سورس اپلیکیشن و مدل ML اپنسورس هستن و بیلد برنامه هم مستقیما توسط GitHub Actions گرفته میشه. یعنی اینطوری بگم که خیالتون از هر بابت راحت باشه.
دیتاست فعلی در حال حاضر خیلی جامع نیست و حدود ۶ هزار پیامِ لیبلخورده رو شامل میشه؛ اما طبق برآورد و تستهایی که داشتم، همین دیتاست کوچیک هم (که از منابع مختلفی جمعآوری شده) تا حد خوبی جوابگوی نیاز برنامه است.
همچنین داخل برنامه این امکان تعبیه شده که شما بهصورت گزینشی (و با حذف خودکار یا دستیِ اطلاعات حساس)، پیامکهای تبلیغاتی یا پیامکهای غیرتبلیغاتیای که به اشتباه تبلیغ تشخیص داده شدن رو گزارش کنید تا این دیتاست به مرور زمان کاملتر بشه و عملکرد مدل ارتقا پیدا کنه. (اگر هم نکردین چالشی نیست، خودم میکنم 😭)
نسخهی فعلی در واقع حداقل نسخهی قابل ارائه هست و احتمالا باگهای زیادی خواهد داشت. ولی خب از اونجایی که مورد استفادهی روزمرهی خودم هست، به مرور زمان بهبود پیدا میکنه.
🔗 سورس پروژه و توضیحات تکمیلی:
https://github.com/MahdiyarGHD/GheychiApp
📥 دانلود نسخهی اولیه از گیتهاب:
https://github.com/MahdiyarGHD/GheychiApp/releases
اگر دوست داشتید، با گزارش باگ، مشارکت در توسعه یا حتی یک ⭐️ روی گیتهاب میتونید کمک کنید قیچی بهتر بشه.
راستش چند وقتی هست که پیامکهای تبلیغاتی و اسپم، شدیدا اعصابم رو خرد میکرد و دیگه با دلار ۲۷۰ تومنی، تحملِ حواسپرتی برای اساماسِ کد تخفیف ۵ هزار تومنی اسنپ و یا به خصوص وصایای امام 🍌 ممکن نبود.
برای همین تصمیم گرفتم پروژهای رو که اولین کامیتش مربوط به ۲ سال پیش بود و بعد از اون هم دیگه ادامه پیدا نکرد، بالاخره به سرانجام برسونم.
«قیچی» یک اپلیکیشن مدیریت پیامک اندرویدی هست که با MAUI + ML.NET توسعه داده شده و تنها یک هدف داره: خفه کردن پیامکهای اسپم و تبلیغاتی. قیچی به عنوان اپلیکیشن پیشفرض گوشیتون تنظیم میشه و دقیقاً همون کاری رو میکنه که هر SMS Manager دیگهای انجام میده؛ با این تفاوت که یک مدل ML خیلی سبک هم داخلش تعبیه شده که هدفش تشخیص پیامکهای تبلیغاتی در کسری از میلیثانیه و بهصورت کاملا آفلاین روی دیوایس شخص هست.
بنابراین هیچ دادهای به سمت سرور ارسال نمیشه و همهچیز کاملا آفلاین و امنه. ضمن اینکه تمام بخشهای پروژه اعم از دیتاست، سورس اپلیکیشن و مدل ML اپنسورس هستن و بیلد برنامه هم مستقیما توسط GitHub Actions گرفته میشه. یعنی اینطوری بگم که خیالتون از هر بابت راحت باشه.
دیتاست فعلی در حال حاضر خیلی جامع نیست و حدود ۶ هزار پیامِ لیبلخورده رو شامل میشه؛ اما طبق برآورد و تستهایی که داشتم، همین دیتاست کوچیک هم (که از منابع مختلفی جمعآوری شده) تا حد خوبی جوابگوی نیاز برنامه است.
همچنین داخل برنامه این امکان تعبیه شده که شما بهصورت گزینشی (و با حذف خودکار یا دستیِ اطلاعات حساس)، پیامکهای تبلیغاتی یا پیامکهای غیرتبلیغاتیای که به اشتباه تبلیغ تشخیص داده شدن رو گزارش کنید تا این دیتاست به مرور زمان کاملتر بشه و عملکرد مدل ارتقا پیدا کنه. (اگر هم نکردین چالشی نیست، خودم میکنم 😭)
نسخهی فعلی در واقع حداقل نسخهی قابل ارائه هست و احتمالا باگهای زیادی خواهد داشت. ولی خب از اونجایی که مورد استفادهی روزمرهی خودم هست، به مرور زمان بهبود پیدا میکنه.
🔗 سورس پروژه و توضیحات تکمیلی:
https://github.com/MahdiyarGHD/GheychiApp
📥 دانلود نسخهی اولیه از گیتهاب:
https://github.com/MahdiyarGHD/GheychiApp/releases
اگر دوست داشتید، با گزارش باگ، مشارکت در توسعه یا حتی یک ⭐️ روی گیتهاب میتونید کمک کنید قیچی بهتر بشه.
👍2🔥1
Forwarded from Pink Orca | پینک اورکا
این نوشته کاری از دوست خوبمون آقای آرین ویسی درمورد یکی از تجربیات و نکات مهمی که این روزها باید بیشتر حواسمون بهش باشه هستش و بنده در نوشتنش نقشی نداشتم.دوستان اگه با خیال راحت هر پروژه Open source رو که بهتون پیشنهاد میشه نصب میکنید، لطفا این ویدئو رو نگاه کنید تا از آسیب پذیری های احتمالی پیشگیری کنید. من خودم تا وقتی که نرفتم تو پروسه ساخت و انتشار پلاگینی که برای omarchy نوشتم، نفهمیدم که چه میزان راه مختلف برای آسیب پذیری وجود داره و چقدر راحت ( مخصوصا با وجود A.I) شما میتونی یه اپ یا پلاگینی بنویسی و بزار گیت هاب، خوشگل هم ی license MIT بزنی تنگش و به ملت بگی بیاید نصبش کنید، اوپن سورسه!
پلاگینی که نوشتم، از نسخه 1.0.0 رسید به نسخه 1.1.10 تا بالاخره داخلOmarchy plugin market place تایید شد! تمام آپدیت ها هم امنیتی بودن. 2 هفته تمام طول کشید و هر بار که آپدیت جدید رو میدادم، باور داشتم که دیگه پلاگین امنه، این آپدیت آخره و این کابوس تمومی نداشت!
هر بار که تایید نمیکردن و مجدد به vulnerability (سوراخ) جدیدی اشاره میکردن، من مجدد از نو تعجب میکردم و میگفتم مگه میشه؟ بعد یکم که نگاه میکردم، میگفتم شت آره میشه! و آخر هر آپدیت به کلاد و جی پی تی میگفتی تا پلاگین رو از نظر مشکلات امنیتی چک کنن و هر بار کدی که زده بودن رو تایید میکردن و میگفتن اوکیه، مشکلی نداره!
ولی بعد market place reviewer تایید نمیکرد و به ی سوراخ دیگه اشاره میکرد، پیام reviewer رو میدادم دوباره به همون gpt و claude و میگفتم بفرمااااا، تحویل بگیر، اونم میگفت: اوه، reviewer راست میگه، الان درستش میکنم !!!
نکته خیلی مهم اینجا اینه که من قصد آسیب به کسی رو نداشتم، ولی اتکر ها، میتونستن از پلاگین من، برای آسیب زدن به کاربرا استفاده کنن. کاربر هم از همه جا بی خبر! حتما پروژه ها رو چک کنید، خیلی از پروژه های جدید vibe code هستن و اگه فنی نیستید، اصلا به این فکر نکنید که لینک ریپو رو بدید به agent تون و ازش بخواید براتون دربیاره که پروژه امنه یا نه!
#نوشته #اپن_سورس #هک_و_امنیت
~> @OmarchyParsi
~> @PinkOrca | آزاد بیندیشیم 🐦🔥