Porkbun 正在为一部分新账户实施照片身份证验证,以打击日益增长的域名滥用和欺诈行为。此举是受到 ICANN 要求的驱动,并致力于维护安全可信赖的互联网环境。 目标是主动防止滥用,保护 Porkbun 的声誉,保持低成本,并确保所有客户的高质量服务。虽然 Porkbun 此前已使用其他预防措施,但滥用行为仍在增加,促使采取这种基于地理区域和风险信号的针对性方法。 Porkbun 与符合 GDPR 和 SOC 2 标准的服务提供商 Veriff 合作,以安全地验证身份。重要的是,Porkbun **不**存储任何身份证照片或信息 – 仅记录验证状态。这一步骤体现了 Porkbun 对道德实践和负责任的域名注册的承诺。
## Taalas新型ASIC芯片达到17,000 Token/秒
初创公司Taalas发布了一种ASIC芯片,能够以惊人的每秒17,000个Token的速度运行Llama 3.1 8B模型——比当前最先进的推理速度快十倍。这种速度的实现,是通过与传统GPU处理方式的根本性偏离。
Taalas没有像传统方式那样依赖GPU重复从内存中获取权重(造成显著瓶颈),而是将整个模型直接硬编码到芯片上,作为物理晶体管。这消除了对持续数据传输进出外部内存(VRAM/HBM)的需求,从而大大降低了延迟和功耗——声称在这两个方面都有10倍的提升,以及成本。
虽然该芯片是固定功能的(专用于单个模型),但Taalas利用可定制的设计,允许相对快速的模型映射——据报道,对于Llama 3.1 8B模型,耗时两个月。他们还采用了一种新型“魔术乘数”来有效地处理4位数据,并利用片上SRAM用于KV缓存和微调适配器。这种方法代表着迈向更快、更便宜、更高效的LLM推理的重要一步。
20世纪初的美国,随着经济繁荣和对童年观念的演变,玩具需求不断增长。布鲁克林糖果店老板莫里斯·米克托姆于1907年凭借畅销的“坚不可摧”黄色小子娃娃抓住商机,该娃娃灵感源自一部流行的漫画。与此同时,孩之宝等企业也从简单的布箱起步,逐渐发展为玩具医生套装。
创新是关键。理想公司推出了越来越精致的娃娃——眨眼翻滚的弗洛西·弗利特,发出声音的斯努齐·斯迈尔斯,以及技术复杂的贝茜·韦西,能够逼真地“像婴儿一样运作”。这些进步反映了创造更具吸引力和“成熟”的游戏体验的愿望。
米克托姆的遗产由他的儿子延续,而像美泰公司的露丝·汉德勒等人则设想了更具抱负的玩具。尽管理想公司放弃了玛丽莲·梦露娃娃,但汉德勒最终于1959年推出了芭比,永远改变了游戏格局,并反映了一代人对成年世界的迷恋。
## Floe 中的布隆过滤器:更快的查询与降低的误判率
Floe 利用布隆过滤器——一种概率数据结构,能够快速确定一个元素*绝对不在*一个集合中——来大幅加速 SQL 查询,特别是哈希连接。这些过滤器避免了不必要的数据解压缩和哈希表探测,从而提高效率。
Floe 在两个关键领域使用布隆过滤器:在存储引擎内部,在解压缩*之前*过滤列;以及在哈希连接期间,预先过滤探测侧的行。自适应过滤会根据统计信息动态地启用/禁用存储引擎过滤,从而最大限度地提高性能。
核心优化集中在降低误判率上。标准方法会导致过滤器填充时误判率升高。Floe 通过为每个 uint32 存储*两个*比特,并使用单个哈希函数确定比特位置,从而提高了准确性。这几乎将准确性提高了一倍(将误判率从 11.7% 降低到 5.7%),且性能成本最小——每行仅增加一纳秒——并避免读取可能达到数十千兆字节的不必要数据。
这种方法优先考虑固定大小(256KB),以实现可预测的性能、无锁访问和高效的缓存利用率,使其成为像 Floe 这样的并发数据库引擎的理想选择。未来计划进行进一步优化,例如使用 SIMD 指令。
## 黑暗森林互联网:人工智能与安全未来
受刘慈欣《三体》启发,一种令人不安的现实正在浮现:在人工智能时代,可见性等同于脆弱性。传统的网络安全——专注于检测和响应——正变得过时,因为人工智能工具以前所未有的速度和规模自动化侦察、漏洞发现和利用。像PentAGI和Anthropic的Claude这样的工具展示了人工智能即使在多年人工审查后也能发现关键缺陷的能力。
互联网正在从“开放城市”转变为“黑暗森林”,任何信号——开放端口、IP地址或DNS记录——都会吸引自动“猎人”。这需要超越“零信任”走向“零可见性”:基础设施在证明加密身份之前保持完全隐藏。
这种架构转变涉及通过网络隐藏、加密协商和默认拒绝网络来消除暴露,例如OpenNHP项目所示。核心问题不再是*如何检测*攻击,而是*如何使攻击变得无关紧要*,通过完全消除攻击面。未来的安全在于消失的门,而不是更好的锁,因为人工智能会无情地扫描任何它可以找到的东西。