部署git‑pkgs/proxy代理网关，对 npm、PyPI 新包设置 7 天冷却期，Dart pub 设置 3 天，利用供应链恶意包大多数小时内被曝光下架的规律降低投毒风险；该方案会带来 lockfile 兼容、机器人配置、单点故障等一系列运维问题，同时存在固有局限，不能完全杜绝长期潜伏的恶意依赖。

作者调研 npm、PyPI、Maven、Go、crates.io、Nix 等软件包仓库，辨析普通签名、Sigstore/in‑toto provenance 来源证明、OIDC 可信发布三者差异；多数仓库已支持可信发布与 attestation，但绝大多数包管理器客户端并未默认开启来源校验；PGP 签名只能证明上传密钥，不能代表构建来源；可信发布不能防御 CI 工作流被攻陷的供应链风险。

安全研究员发现俄罗斯 Servicepipe 的浏览器指纹脚本，大量植入生化武器、攻击指令类诱饵字符串，利用大模型安全防护规则阻止 AI 工具逆向解析；剥离混淆诱饵后脚本只是常规反机器人指纹采集，代表一类新型对抗技术：专门针对 LLM 的代码混淆。 该混淆不等于代码本身是恶意病毒，只是防御逆向的对抗手段。

受 Next.js16 多起内存泄露、构建 bug 困扰，放弃 OpenNext，采用双框架并行、抽象隔离层、自动化全量校验的策略，无大爆炸重写迁移至 TanStack Start+Cloudflare Workers；显著降低服务器成本，提升构建开发速度；文章同时列举迁移踩坑与框架迁移的工程实践原则。

文章介绍了如何利用 Three.js、WebGL 和 GLSL Shader 实现逼真的粉底液流动与涂抹效果，核心思路是不直接模拟液体的三维几何形变，而是通过多张 GPU 纹理分别记录液体的运动、厚度和覆盖范围：Velocity Map（速度贴图）记录液体的流动方向与速度，通过反向追踪（Backtracing）更新液体位置；Height Map（高度贴图）记录液体厚度，模拟液滴堆积、隆起和扩散；Alpha Map（透明度贴图）则保留液体经过的轨迹，即使液体变薄也不会立即消失。最后根据高度贴图计算表面法线，结合 Matcap 模拟光照、反射和高光，使平面上的液体呈现立体质感。实现过程中使用 FBO 在 GPU 上迭代更新纹理，并比较了 8-bit 与 32-bit Float 纹理的精度差异，后者能够减少法线计算产生的阶梯状瑕疵。作者也指出，这种方法并非严格的物理流体模拟，反向采样可能造成液体厚度增加，无法完全保证体积守恒。

文章还展示了多色液体混合的扩展实验：为三种颜色分别维护独立的高度贴图和透明度历史，但共享同一张速度贴图，再利用简化的 Kubelka–Munk 模型，根据不同液体的厚度计算混色比例，并结合整体高度计算表面法线。整个方案的优势是计算主要在 GPU 的 Fragment Shader 中完成，适合实时鼠标或触屏交互，可用于化妆品质感展示、数字绘画、油漆涂抹和液体材质模拟。本质上是一种以视觉效果为优先、通过多张状态纹理组合实现流体外观的实时渲染技术，而不是严格遵循质量和体积守恒的物理流体模拟。 mofu

本文发布于2026年10月28日，指出 Apple 在10月17日获知 eMudhra 证书安全事件后，截至10月28日，macOS 自带的开发工具（包括 git、curl、python3 等）仍然信任已受损的 eMudhra 证书。更严重的是，10月26日发布的 macOS 27.2 并未修复该问题，反而撤销了用户此前手动应用的临时缓解措施，使系统重新暴露于风险之中；相比之下，许多其他项目（包括志愿者维护的项目）早已在数天前发布修复。文章说明，该问题会导致这些工具发起的 HTTPS 连接被中间人拦截和篡改：git 的 clone/pull 可能拉取攻击者控制的代码，push 内容可能被修改，GitHub token 等凭据也可能被窃取。文中提供了用于检测 git 和 curl 是否受影响的命令，以及一个模拟冒充 GitHub 的端到端演示：如果工具已修补，会报证书错误；如果克隆成功并显示 INTERCEPTED，则说明连接可被攻击者拦截。文章建议 Apple 尽快移除受影响的根证书（例如更新 /etc/ssl/cert.pem），并指出开发者可以临时手动移除相关证书，但由于 macOS 更新可能恢复问题配置，因此每次更新后都需要重新检查和修复；安全团队还应评估 CI 或构建环境中使用 macOS 运行器所带来的供应链风险。

本文内容主要来自 X（Twitter）上一则高热度帖子及其评论。作者称自己拥有一台较新的 2025 款三星电视，因持续收到异常精准、奇怪的定向广告，开始尝试逆向分析电视固件。但由于固件使用 AES 加密，且没有现成密钥，除非拆机并通过 UART/JTAG 等硬件调试方式获取信息，否则难度很高。于是作者转而寻找漏洞，并声称利用零日漏洞在新款三星电视上获得了 root shell。作者进一步表示，在取得权限后发现了严重的隐私问题，包括疑似“常开麦克风”功能、自动内容识别、地理位置定位、网络映射、定向广告服务、多个 DRM 服务、用户画像构建以及大量遥测数据，并讽刺称这台电视背后涉及三星及其约 400 个合作伙伴。帖子还提及希望相关科技媒体关注此事。评论区中，有用户讽刺三星 Knox 安全机制并未阻止 root，也有人表示原本为了 root 而购买 LG OLED，现在看到三星电视也可以 root 后，可能转向购买更便宜的三星 OLED。整体来看，文章核心是作者披露三星智能电视存在高度隐私收集风险，并声称自己已取得设备最高权限。

The Verge 报道，Discord 代号 Phoenix 新项目将彻底弃用 Electron 与 React‑Native；桌面端采用 Rust 与 GPUI 原生渲染，早期版本内存从最高 4GB 下降至约 290MB；移动端保留原生 UI，业务逻辑复用 Rust 共享代码；嵌入第三方内容仍使用系统 WebView，暂无正式发布时间表。

本文介绍了 Sebastian Raschka 推出的一套从零构建推理模型的视频课程。该课程共 8 个视频、超过 11 小时，围绕如何用 Python 和 PyTorch 从头实现和评估推理模型，内容涵盖模型加载、文本生成、KV 缓存、数学题答案验证、MATH-500 评估、推理时扩展（如温度采样、top-p、自洽性、评分与自我改进）、基于可验证奖励的强化学习（RLVR）以及 GRPO 训练方法，最后还介绍了如何通过蒸馏从更强的教师模型中学习推理能力。文章还说明了推理模型与传统 LLM、AI agent 的关系：推理模型可视为更强的“引擎”，而 agent 框架则负责工具调用和上下文管理。该课程以预训练的 Qwen3 0.6B 模型为基础，适合作者此前 LLM 课程的延伸学习，也可独立观看；建议学习者具备 Python 和 PyTorch 基础，后期训练最好使用 GPU。课程还配套同名书籍和一门更短的 LinkedIn Learning 概念课程，作者鼓励读者边看边实验，并暂时休息，之后会继续更新 LLM 研究内容。

在 AI 编码代理和前沿模型能力快速提升的背景下，文章主张开发者应当对软件构建抱更大雄心。作者以 Michael Malis 的 pgrust 项目为例：由于当前存在大量低质量 AI 生成项目，外界很容易把类似重写数据库的尝试视为“vibe slop”；但 pgrust 通过充分测试不仅验证自身，还发现了 Postgres 中多个真实 bug，即便项目最终不成功，也能对 Postgres 生态产生持续价值。其更核心的卖点是性能优化，相关探索可能间接推动 Postgres、ClickHouse 等系统改进。作者认为，虽然作为软件消费者常常看到慢软件、假基准测试和粗糙项目，但作为构建者，不应被这些低质量案例吓退；如今模型和工具能力已经让许多过去成本过高、看似荒谬的项目变得可行。文章列举了作者自己借助 AI 在较短时间内完成正则引擎、ripgrep fork、Rust 构建加速工具等例子，并指出当模型速度提升后，瓶颈会转移到搜索、编译、系统调用和文件系统等基础设施层，这些领域也有大量可改进空间。作者还通过 Azul 棋盘游戏 AI、模型实现 zstd、IMAP RFC、Pandoc 等案例说明新模型在多个领域显著降低了实现复杂系统的门槛，但同时强调“软件已经被解决”并不成立：模型越强，作者越会挑战更难、更难验证的问题，实现能力与可靠验证之间的差距仍在扩大。附录部分引入 Yossi Kreinin 的反面观点，认为多数人在使用 AI 构建软件时应降低雄心，因为许多问题缺乏明确通过/失败标准，黑盒代码也难以理解和维护；作者回应称可以通过一致性检查、模糊测试、属性测试和自验证机制来提高可靠性，并认为别人制造垃圾软件并不意味着自己也必须如此。后半部分还补充了个人工具、小众游戏实现、数据分析、Peter Geoghegan 的 Neovim 格式化函数、Anthropic 内部工具、pgrust 使用 Lean 验证等例子，进一步说明 AI 正让许多以前不经济、不值得做或难以维护的软件变得可行。整体而言，文章鼓励开发者利用当前能力去做更大胆、更复杂、更个性化的软件，但同时要保持工程判断、测试和验证，避免陷入盲目乐观和不可维护的黑盒系统。

Phorion 发布安全通告称，在 Cursor Marketplace 上的官方 Claude Code for VS Code 扩展中发现后门，受影响版本为 2.1.312 和 2.1.313，Cursor 已下架相关版本。该恶意扩展的 extension.js 文件被注入了一段立即执行函数（IIFE），会在扩展加载时、正常功能激活之前自动运行，无需用户交互。恶意代码主要在 macOS、Linux 和 Windows 上部署 SSH 后门，文章重点分析了 macOS 行为：它会创建或修改 ~/.ssh 目录，并向 authorizedkeys 追加注释为 svc-telemetry 的攻击者 Ed25519 公钥，同时尝试启用 SSH/Remote Login。但在 macOS 上存在一个实现缺陷：普通用户执行 systemsetup -getremotelogin 会返回管理员权限错误而不是 “Off”，导致脚本误判并跳过开启 SSH 的步骤；如果目标 Mac 本来未启用远程登录，攻击者后续入站 SSH 访问可能失败。尽管如此，恶意代码仍会写入 SSH 密钥、隧道私钥和持久化组件，并回传主机信息。随后，它使用嵌入的私钥建立到 134.209.82[.]225 的反向 SSH 隧道，通过远程端口转发把攻击者流量转回受害机器的本地 22 端口，从而为攻击者提供交互式访问能力。持久化方面，macOS 使用伪装成 com.apple.sysmond 的用户 LaunchAgent，Linux 使用 @reboot cron 任务，Windows 尝试创建 SYSTEM 计划任务，失败后回退到用户启动文件夹脚本。最后，恶意代码会收集主机名、用户名、系统平台、目录、Git 邮箱、公网 IP，以及包含 KEY、TOKEN、SECRET、PASS、AWS、GCP 等关键词的环境变量名称（不获取变量值），并通过 HTTP POST 发送到指定端口。文章还给出了检测与处置建议，包括监控 IDE 扩展进程异常修改 ~/.ssh/authorizedkeys、非 Apple 进程创建 com.apple.* LaunchAgent、反向 SSH 隧道参数、相关 IP 和端口、文件指纹与 SHA-256 哈希，并要求组织排查受影响扩展、终止隧道进程、删除持久化文件、清理 SSH 密钥、检查 SSH 是否被开启，并轮换可能暴露的凭据。

这篇WIRED文章称，美国特朗普政府被两名长期监督情报事务的民主党参议员指责非法隐瞒一项外国情报监视法院（FISA法院）的秘密裁决。该裁决涉及《外国情报监视法》第702条（Section 702）监控项目，法院在7个月前认定情报机构使用的某些搜索过滤工具可让分析人员在缺乏授权、书面理由和法定记录的情况下调取美国人的通信内容，违反了相关法律要求；但法院仍批准该项目继续运行一年。参议员Ron Wyden和Adam Schiff指出，按照政府自身规定，此类裁决应在发布后180天内接受公开审查，期限已于9月13日届满，但裁决仍未公开，而政府却推动国会在年底前重新授权第702条。两人要求国家情报总监Jay Clayton和司法部长Todd Blanche在11月6日前解释延误原因并说明责任官员。与此同时，多个公民自由和问责组织也呼吁国会在政府隐瞒法定信息期间拒绝续期该监控权。文章还提到，已披露的部分信息显示法院要求重建相关过滤工具，司法部可能对部分限制提出上诉；政府公开材料则宣传FBI对美国人搜索的高合规率，却未提及法院的不利认定，且相关审计和统计机制存在争议。已阅读裁决的议员暗示其内容会显著影响外界对FISA和美国公民权利的看法。当前法院批准的监控授权将于明年3月到期，改革倡导者担心政府可能把续期条款塞入年度国防授权法案。