WEBVTT NOTE Title: [2026-10-16] 廣告追蹤淪零點擊間諜武器、高通韌體快取Bug逼工程師寫核心漏洞 1 00:00:00.000 --> 00:01:04.850 聽眾朋友大家好，歡迎收聽今天的每日放送，我是 Cordelia。今天第一則頭條簡直是數位隱私的終極夢魘——多倫多大學 Citizen Lab 聯手 Confiant 發布了震撼調查報告，揭露以色列廣告代理商 Discover-Tech 運作名為 Controlium 的平台，竟然把線上廣告拍賣系統，直接改造成傳送零點擊（zero-click）傭兵間諜軟體的軍火庫！這項被稱為「AdFection」的攻擊技術，已經證實成功入侵了卡達半島電視台超過 45 台裝置。David，你不用點擊任何連結，只要瀏覽器背景載入客製化廣告，手機就淪陷了！ 2 00:01:04.850 --> 00:02:20.110 這起事件把整個數位廣告生態系的結構性漏洞完全攤在陽光下。大家必須先理解 Real-Time Bidding（RTB）的運作機制：當你打開網頁或 App，裝置會在數百毫秒內發出競價請求，裡面包含你的 IP、裝置指紋、廣告識別碼甚至精確地理位置。Discover-Tech 就是利用這些數據鎖定特定目標。當他們以廣告主的身份贏得競價，推送到你手機上的廣告標籤裡，就藏有一段指向其「NOAS 伺服器」的 script 標籤。如果目標的 IP 和 ID 符合黑客名單，伺服器就會回傳一小段惡意 JavaScript，進一步引導裝置連線至間諜軟體公司 Candiru 的驗證伺服器，直接觸發瀏覽器漏洞植入後門，完全不需要任何使用者互動。 3 00:02:20.110 --> 00:03:23.060 最荒謬的是，Discover-Tech 這家公司打著合規數位廣告的名號，從 2020 年到今年 10 月，竟然堂而皇之躺在 Google 的認證外部廠商清單，以及 IAB Europe 的透明度與同意架構（TCF）全球供應商名單上！甚至還持有 TAG 防廣告詐欺的驗證徽章。我們每天在歐洲網頁點擊的「同意 GDPR 隱私條款」，背後竟然在替這家間諜軟體軍火商授權收集數據！還記得我們在 9 月 19 號聊過白帽駭客滲透 OpenAI，資安防禦需要層層驗證，但廣告技術產業的審查機制簡直形同虛設，僅靠廠商自主勾選切結就放行！ 4 00:03:23.060 --> 00:04:36.900 沒錯，他們的架構設計精準規避了所有資安掃描。NOAS 伺服器只有在識別出特定目標時才會回傳惡意代碼，平常對一般審查爬蟲一律回傳 0 位元組的空回應，這就是為什麼自動化審查抓不到它。甚至在這次曝光中，研究人員還發現名為 DARK CARTOGRAPHER 的威脅組織，利用這套基礎設施配合電信商漏洞，將廣告 ID 與手機號碼大規模關聯綁定。目前 Google、Beeswax 和 Eskimi 雖然已經緊急封殺 Discover-Tech 的網域與帳號，但這根本是治標不治本。只要廣告網路依然允許未經沙盒隔離的第三方 JavaScript 隨便在使用者端執行，在網關處直接阻擋廣告追蹤碼，就是目前唯一的實質防禦手段。 5 00:04:36.900 --> 00:05:34.880 談完資安威脅，來看點令人振奮的 AI 視覺革命。Krea 正式推出其第三代基礎圖像模型 Krea 3，主打大規模生產環境的「精準圖像編輯」。以往像 Nano Banana Pro 或 GPT Image，常常你要它換件衣服，它把整張臉和背景的構圖都重畫了一遍。Krea 3 標榜原生區域編輯，你畫個框框改動局部，其他區域的像素完全保持 0% 變更！而且生成時間壓在 8 秒以內，每張圖片只要 0.06 美元，速度比競品快了將近四倍，成本只要三分之一，還能精準識別 16 進位色碼！ 6 00:05:34.880 --> 00:06:45.880 這在底層架構上確實很有新意。傳統 diffusion 模型在做 inpainting 或修圖時，通常還是要對整張圖的潛在空間（latent space）進行去噪運算，算力消耗極大而且容易破壞未編輯區域的高頻細節。Krea 3 的做法是先快速定位需要變更的區域邊界，只把神經網路算力集中在那一小塊區域進行局部重新合成，這就是它能將時間降到 8 秒以內且單價大幅壓低的原因。不過，技術樂觀之餘也要看現實限制：這本質上是為了電商換色、微調構圖打造的專用修圖模型，官方自己也坦承其文字生成圖片（text-to-image）的表現目前不如前代，它不是萬能的全能畫布，而是一把針對局部編輯特化的手術刀。 7 00:06:45.880 --> 00:07:48.130 說到用工程手段解決不可理喻的現實問題，HN 上有一篇工程師的奇葩除錯經歷引發了幾百條討論。作者買了一台 TP-Link EAP770 Wi-Fi 7 無線基地台，只要下載大檔案或抓 NixOS ISO，TLS 就會報 bad record mac 錯誤中斷。結果發現 TP-Link 竟然在產品還在賣的時候就宣布它 EOL 停止更新！更扯的是，問題明明只要在系統裡改兩行 sysfs 參數就能搞定，但官方鎖死 SSH 權限只給一般使用者身分，逼得這位工程師最後自己寫了一套 Linux 核心提權漏洞來修自己的路由器！ 8 00:07:48.130 --> 00:09:03.150 這篇除錯過程絕對是神級教科書。作者抓包發現 TCP 封包的校驗和竟然完全正確，但裡面剛好有 64 位元組被覆蓋成全零，而 64 位元組恰好是 Qualcomm IPQ9574 處理器的一個快取行（cache line）大小！這立刻把元凶指向 DMA 快取一致性問題。高通的晶片驅動程式為了追求極致吞吐量，啟用了 SFE 封包硬體卸載加速，在封包送出後直接把緩衝區丟進回收佇列，卻沒有正確清理 CPU 的 D-cache。當下一個封包接收時，殘留在快取裡的髒資料意外寫回記憶體，破壞了封包內容，但隨後硬體卸載引擎又拿著壞資料重算了正確的 TCP checksum，導致傳輸層驗證通過，直到 TLS 應用層驗證 MAC 才爆炸。 9 00:09:03.150 --> 00:09:31.310 要關掉這個有問題的快取機制，必須寫入 sysfs，作者便利用已知的 CVE-2022-0185 核心整數溢位漏洞，偽造 pipe_buffer 達成任意實體記憶體寫入，奪取 root 權限將參數歸零，才成功拯救了這台昂貴的廢鐵。 10 00:09:31.310 --> 00:10:33.790 「買了硬體卻沒有掌控權，逼得工程師必須黑進自己的裝置才能正常使用」，這真是對封閉式韌體生態最辛辣的諷刺！接著看 Drupal 社群的資安警訊，Dev.to 上 Andrea Gomez 分析了 2026 年 9 月的 Drupal 安全通報，重點聚焦在廣泛被安裝的表單模組 Webform 以及提供 API 介接的 Webform REST。這兩個模組同時修補了高風險漏洞，特別是 Webform REST 4.2.1 的更新，影響範圍極廣。很多企業外部形象網站和政府入口網站都掛著這個模組，這背後的風險點到底在哪裡？ 11 00:10:33.790 --> 00:11:41.480 表單模組本質上就是向全世界匿名使用者完全開放的寫入介面。攻擊者提交的惡意載荷會直接存入資料庫，當網站管理員在後台審查提交紀錄、或者匯出報表時，如果沒有做好嚴格的輸出轉義，就會引發經典的儲存型 XSS（Stored XSS）。而 Webform REST 更是把這個風險放大，它在 RESTful 端點層沒有落實細粒度的物件級存取控制（BOLA）。一個通過基本身分驗證的使用者，如果直接列舉或猜測 submission ID，就有可能撈出全站使用者的機密填表資料。因此除了升級到修補版本外，官方甚至建議如果沒用到 REST API，直接移除該路由，徹底縮小攻擊面。 12 00:11:41.480 --> 00:12:53.430 資安防禦需要固若金湯，但在邊緣運算領域，輕量級 AI 正在以前所未有的速度前進。Liquid AI 昨天正式發表了 LFM2.5-24B-A2B，這是一款專為裝置端代理人（on-device agents）設計的開源推理模型。雖然總參數有 24B，但由於採用了極致的混合專家架構（MoE），每個 token 啟動的有效參數竟然只有 2B！這讓它在蘋果 M5 Max 上能跑出每秒 184 個 token，在單張輝達 B300 上吞吐量更高達每秒 2 萬多 token，而且在自動化任務基準測試 AutomationBench 上，直接以 27.69 分痛擊了參數量高出 50% 的 Qwen 模型！ 13 00:12:53.430 --> 00:14:22.650 這項成果展示了非純 Transformer 架構在端側推理上的巨大潛力。LFM 採用了門控短卷積（gated short convolutions）與分組查詢注意力（GQA）的混合架構，大幅降低了記憶體頻寬的瓶頸。更關鍵的是它的 64 專家 top-4 路由設計，24B 的總體知識儲備只調用 2B 進行計算，在保有推理鏈能力的同時，將推論延遲壓到極低。不過社群評測也立刻潑了一盆冷水：這款模型為了在 2B 啟動參數下達成高效能，在後訓練階段重度強化了終端指令與工具調用（tool-calling），但其通用代碼合成與深度知識庫能力明顯偏弱。在 SWE-Bench 上遠輸給 Qwen，甚至在嘗試解決編程任務時容易陷入死循環。這說明它非常適合扮演在邊緣終端快速分發任務、呼叫 API 的「流程調度員」，但千萬別指望它獨自寫出大型系統的商業邏輯。 14 00:14:22.650 --> 00:15:33.650 端側要自由，韌體層也迎來了一場硬核開源解放！開源韌體專案 Libreboot 發布了代號為「Ominous Olive」的 26.10 重大更新。這次最令人振奮的是一口氣匯入了 MrChromebox 專案支援的全部 233 款 Intel 與 AMD Chromebook，讓這些原本快被 Google 放棄的平價硬體能徹底刷成完全開源的韌體！更關鍵的是，Libreboot 全面擁抱 EDK2，將開源 UEFI 設為預設載荷，這意味著現在刷了 Libreboot 的機器，能原生直開 Windows 10、11 以及現代 Linux 的 UKI 啟動鏡像，連主流獨立顯卡都能完美支援了！ 15 00:15:33.650 --> 00:16:57.900 這對自由韌體來說是個劃時代的轉折點。傳統 Libreboot 堅持使用裸機 SeaBIOS 或 GRUB 載荷，雖然純粹，但在現代 UEFI 生態系中寸步難行，連安裝個標準 Linux 發行版都要手動調整分區。這次透過導入 MrChromebox 的 EDK2 分支，Libreboot 具備了完整的 UEFI 規範實作與 SMMSTORE 運行時變數支援，甚至把 SeaBIOS包裝成 CSM 模組以兼顧向後相容。不過創辦人 Leah Rowe 在發布公告中也引發了極大爭議：她因為強烈的反 AI 立場，直接把原本在 x86 實驗中的 U-Boot 載荷連根拔除，理由是上游開發者大量使用 AI「vibe-coding」寫代碼，她甚至直言要發起聖戰將所有 AI 生成的「代碼廢料」徹底驅逐出開源專案。 16 00:16:57.900 --> 00:17:08.550 這種激進意識形態雖然貫徹了黑客純潔性，但也引發了社群對維護成本與專案分裂的擔憂。 17 00:17:08.550 --> 00:18:26.180 說到極致的系統級最佳化，Demofox 昨天發表的一篇「雙頭堆疊記憶體分配器（Double Headed Stack Allocator）」在遊戲開發社群引發了廣泛共鳴。在高效能遊戲引擎中，傳統的 malloc 和 free 容易引發耗時的記憶體碎片，而普通的線性堆疊（bump allocator）只能往一個方向遞增。雙頭堆疊巧妙地將一塊連續記憶體切成兩端，一個頂端指標（TOS）從位址 0 向上增長，另一個頂端指標從記憶體尾端向下增長。比如一端放每一幀都要重新加載的關卡幾何資料，另一端放玩家隨機切換的變身模型，兩者共用這塊固定空間，只要指針沒相撞，記憶體釋放只要將各自指標重設回原點，分配與釋放都是常數時間 O(1)，徹底消除了記憶體碎片！ 18 00:18:26.180 --> 00:19:25.350 這在概念上就像記憶體裡的兩列火車對開，空間利用率拉到極限！而在 C++ 領域，大家期待已久的 C++26 契約（Contracts）機制，Bartlomiej Filipek 帶來了深度解析。以往我們靠 cassert 檢查邊界，但只要編譯時加上 NDEBUG 標籤，所有的安全檢查就人間蒸發了，而且函式宣告介面根本看不出前置限制。C++26 正式導入了 pre 前置條件、post 後置條件以及 contract_assert 語法，把函式調用的前提與回傳承諾，直接標準化寫在函式簽名上！ 19 00:19:25.350 --> 00:20:46.290 Contracts 確實讓 API 介面具備了「可執行的契約文件」價值，目前 GCC 16 已經搶先實驗性支援。C++26 定義了四種評估語意：Ignore（完全忽略）、Observe（違規時觸發處理常式但繼續執行）、Enforce（違規時終止程式）和 Quick-enforce。然而工程師必須特別警惕一個致命陷阱：契約絕對不能當作商業邏輯的「輸入驗證（input validation）」！因為它本質上是為了描述系統內部的正確性假設，編譯器有可能根據你的前置條件進行積極的最佳化剪枝；如果你在 Observe 或 Ignore 模式下運行，預期該被攔截的惡意非法輸入將會直接穿透並引發未定義行為（UB）。契約是寫給編譯器與靜態分析工具的防線，而不是抵擋外部攻擊的過濾網。 20 00:20:46.290 --> 00:21:50.660 硬體端有記憶體與語言規範的演進，雲端硬體領域則迎來了極致的虛擬化突破！專門打造「一體化開源雲端機架」的 Oxide Computer，今天宣布開源其內部研發利器「Virtual Oxide Labs」，代號 Voxel。以往要測試他們由 32 台伺服器（sled）組成的龐大機架，根本不可能人手一套幾百萬美元的實體設備。現在工程師只要在自家客廳的一台 AMD Ryzen 迷你主機上，透過 Voxel 就能完整模擬一整座 Oxide 機架！David，這可不是單純跑幾個 Docker 容器，它是從底層微控制器一路模擬到網路交換機啊！ 21 00:21:50.660 --> 00:23:12.310 這正是 Voxel 最令人震撼的工程成就——他們堅持「高保真度（High Fidelity）」，也就是虛擬實驗室必須執行跟真實機架一模一樣的生產環境代碼，不准走任何模擬捷徑。在 Voxel 裡，運算節點透過 Propolis 虛擬機運行 illumos 與 Omicron 控制平面，網路交換機則是跑他們自研的 SoftNPU 軟體 P4 交換器。更不可思議的是，他們用 Rust 寫了一個名為 sp-emu 的微控制器模擬器，在單一線程內精確模擬 ARM Cortex-M7 與 M33 晶片，直接把實體機架的 Hubris 嵌入式韌體燒錄進去執行！為了克服虛擬世界與實體石英震盪器的時間偏差，他們把時間抽象成指令週期，硬是用純軟體把一整座現代化資料中心的硬體拓撲給無縫重現了。 22 00:23:12.310 --> 00:24:12.660 談到基礎科學的前沿，西蒙斯基金會（Simons Foundation）今天投下了一顆震撼彈，宣布攜手 Anthropic 與 OpenAI 共同出資 1500 萬美元，啟動專案協助數學家應對「AI 時代」的劇烈衝擊。這筆資金將用於舉辦工作坊、培訓工具使用，並提供強大算力給學者。近期包括陶哲軒等頂尖數學家都公開警告，AI 正在大規模「收割」開放數學問題的證明，卻缺乏對背後結構的真正人類理解，甚至打破了過往透過解決問題培養新生代學者的學術生態，這筆千萬美元基金就是希望在數學研究徹底失控前建立防護欄。 23 00:24:12.660 --> 00:25:16.560 這項計畫在數學界其實引發了兩極評價。支持者認為，像 Lean 這類形式化驗證工具如果能搭配前沿 LLM 的推論能力，能極大解放數學家的生產力；但懷疑派與青年學者則強烈質疑，這 1500 萬美元裡面有很大一部分是用 OpenAI 和 Anthropic 的運算額度（token credits）折抵，這難道不是拿著創投的熱錢，來替商業 AI 巨頭收編學術界、洗白資料掠奪的爭議嗎？當 AI 產出一大堆連人類都難以閱讀的複雜證明，數學界到底是在追求真理的啟發，還是在變成替神經網路檢查輸出的無情審查員？這場學術與資本的角力才剛剛開始。 24 00:25:16.560 --> 00:26:15.020 最後，我們來看看 Product Hunt 上備受矚目的開源專案 OpenMuse。由 CopilotKit 團隊打造，OpenMuse 標榜是 Meta Muse 的開源自架替代方案，提供一個具備自主瀏覽器、Linux 終端機與檔案系統的個人 AI 助理。它最大的亮點在於「持久化瀏覽器會話與人工接管」，當 AI 在背景幫你訂票或整理行事曆卡住時，你可以隨時切入那個 Chromium 畫面手動操作，解決了過去 Agent 往往黑箱失控的痛點，而且相容於任何後端 Agent 框架。 25 00:26:15.020 --> 00:27:13.000 從架構上來看，OpenMuse 整合了持久化工作區與 AG-UI 規範，解決了許多開發者在打造自主代理人時必須重寫 Sandbox 環境的繁瑣工作。它的審批機制在寄送郵件或執行危險指令時會強制要求使用者確認，這在安全設計上是正確的一步。不過，對於想要自託管的團隊來說，維護一個穩定、隔離且具備低延遲畫面串流的遠端 Chromium 叢集，其基礎設施成本與維運負擔依然不低。它能否真正從極客的玩具走向企業日常助理，取決於其長程任務執行的穩定度。感謝大家的收聽，我們明天同一時間再見！