DEF CON信息安全超级乐队“死牛教”发布了Veilid(发音为vay-lid),这是一个开源项目,应用程序可以使用它以点对点的去中心化方式连接客户端并传输信息。
这里的想法是,移动、桌面、Web和无头应用程序可以在互联网上私密安全地找到彼此并进行交流,而无需经过集中且通常由公司拥有的系统。Veilid为应用程序开发人员提供了代码,以便他们的客户端可以加入并在点对点社区中进行通信。

在DEF CON演示中,Katelyn "medus4" Bowden和Christien "DilDog" Rioux介绍了该项目的技术细节,该项目显然花费了三年时间进行开发。
该系统主要使用Rust编写,还使用了一些Dart和Python,它借鉴了Tor匿名服务和点对点的星际文件系统(IPFS)的一些特点。如果一个设备上的应用程序通过Veilid连接到另一个应用程序,那么任何一方都不应该能够从该连接中了解到对方的IP地址或位置,这对于隐私来说是有益的。应用程序制造商也无法获得这些信息。
Veilid的设计文档和源代码,根据Mozilla公共许可证第2.0版提供。
“IPFS的设计并不考虑隐私问题,”Rioux告诉DEF CON的观众。“Tor考虑了隐私问题,但它并没有考虑性能。当NSA运行100个[Tor]出口节点时,它可能会失败。”
与Tor不同,Veilid不运行出口节点。Veilid网络中的每个节点都是平等的,如果NSA想要像对Tor用户那样监视Veilid用户,联邦机构将不得不监视整个网络,希望这对于“无此机构”来说是不可行的。Rioux将其描述为“就像Tor和IPFS发生了关系,产生了这个东西”。
Bowden补充道:“这里的可能性是无限的。所有的应用程序都是平等的,我们的强大程度取决于最弱的节点,而每个节点都是平等的。我们希望每个人都能在此基础上构建。”
使用核心Veilid库的每个应用程序副本都充当网络节点,它可以与其他节点进行通信,并使用256位公钥作为ID号。没有特殊节点,也没有单点故障。该项目支持Linux、macOS、Windows、Android、iOS和Web应用程序。
Veilid可以通过UDP和TCP进行通信,连接经过身份验证、时间戳、强大的端到端加密和数字签名,以防止窃听、篡改和冒充。所涉及的密码学被称为VLD0,并使用了已建立的算法,因为该项目不想冒险引入“自己的算法”的弱点,Rioux说。
这意味着加密使用XChaCha20-Poly1305,公私钥身份验证和签名使用椭圆曲线25519,DH密钥交换使用x25519,密码哈希使用BLAKE3,密码哈希生成使用Argon2。如果需要,这些机制可以被更强大的机制替换。
Veilid通过加密写入本地存储的文件,并为开发人员提供了加密表存储API。用于加密设备数据的密钥可以受到密码保护。
Bowden说:“该系统意味着没有IP地址、没有跟踪、没有数据收集和没有追踪-这是人们将你的互联网使用货币化的最大方式。”
Bowden继续说:“亿万富翁们图将这些连接货币化,很多人都上当了。我们必须确保这是可用的。”希望应用程序将包括Veilid并使用它进行通信,以便用户可以在不了解所有上述技术细节的情况下从网络中受益:它应该对他们来说只是起作用的。
为了展示该系统的功能,团队构建了一个基于Veilid的安全即时通讯应用程序,类似于Signal,名为VeilidChat,使用了Flutter框架。还需要更多的应用程序。
如果Veilid大规模推广,可能会对监控资本主义经济造成重大冲击。尽管此前尝试过,但结果好坏参半,不过“死牛教”以高效完成任务而闻名。
好文章,需要你的鼓励
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
南洋理工大学研究团队开发出Puffin统一模型,首次将AI的图像理解和生成能力融合。通过创新的"用相机思考"方法,将相机参数转换为摄影术语,让AI像摄影师一样理解空间关系。基于400万样本数据集训练,模型在相机角度理解和可控图像生成上均超越专业化模型,并支持空间想象、摄影指导等多元应用,为空间智能AI发展开辟新路径。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
KAIST研究团队开发出MPO多模态提示优化框架,首次实现同时优化文字和视觉提示,让AI能够像人类一样接收多种信息类型。该技术在10个数据集上平均性能提升6.8%,同时节省42%评估成本,为医疗影像、自动驾驶、药物研发等领域提供了新的AI交互方式,标志着从纯文字交流向多模态交流的重大突破。