原文链接： https://yq.aliyun.com/articles/116474 Tor开发者在官方博客上证实，Tor匿名网络遭到了中继去匿名攻击。Tor是在7月4日发现了一组被怀疑去匿名用户的中继节点，攻击者使用了修改过的Tor协议头发动流量确认攻击，攻击目标是访问或运行Tor隐蔽服务的用户。这组节点立即被移除出Tor网络，但它们是在1月30日加入到网络中的，所以在此期间访问隐蔽服务的用户都可能受到影响。Tor已经发布了新版本修复了攻击者使用的协议漏洞。Tor官方在声明中称，攻击者组合使用两种攻击方法：流量确认攻击和女巫攻击。攻击者通过在协议头中植入了可被中继节点读取的信号，如果访问隐蔽服务的用户连上攻击者控制的节点，他们发出的隐蔽服务请求消息会被泄露给连接回路上的所有节点。

原文链接： https://yq.aliyun.com/articles/112829 匿名网络 Tor 项目的开发者在邮件列表上透露他们正尝试用 Rust 重构系统。 Rust 是 Mozilla 主导开发的注重安全、速度和并发的系统级编程语言。开发者称，他们不想争论去不同语言的优越性，目标是将 Tor 迁移到一种内存安全的语言，而 Rust 是头号候选，他们随后开始测试用 Rust 构建 Tor。目前这一实验还处于早期阶段。Mozilla 目前正在用 Rust 开发 Firefox 的渲染引擎。 本文来自开源中国社区 [http://www.oschina.net]

原文链接： https://yq.aliyun.com/articles/114926 Tor匿名网络项目学习 Debian 的做法公布了 Tor 社会契约——解释他们是一群什么样的人，以及为什么要开发Tor。Tor社会契约： 1.我们通过创建和部署易用的匿名和隐私技术去促进人权。我们相信隐私、思想的自由交流，获取信息对自由社会至关重要。 2.公开而透明的研究和工具是我们成功的关键。 3.我们的工具可供自由的获取、使用、修改和传播。 4.我们通过宣传和教育普及Tor及相关技术。 5.关于Tor及相关技术的能力和限制我们坦诚相待。 6.我们绝不有意伤害用户。 文章转载自 开源中国社区[http://www.oschina.net]

原文链接： https://yq.aliyun.com/articles/113694 Tor匿名网络的一位长期贡献者宣布退出， 没有给出具体理由，只是表示“不再合适”参与Tor项目，他将永久性的关闭他运营的节点和中继。Lucky Green称他可能了运营Tor网络最早的5个节点中的一个，他将于8月31日关闭所有他管理的节点，其中包括Bridge Authority节点“Tonga”，销毁所有相关的加密密钥。Bridge Authority是Tor网络基础设施的一部分，旨在帮助用户绕过ISP级别的屏蔽，它们被整合在Tor代码中，一个Bridge Authority节点的下线意味着需要对Tor进行一次更新。 文章转载自 开源中国社区[http://www.oschina.net]

原文链接： https://yq.aliyun.com/articles/114803 Tor 浏览器是基于 Firefox ESR 版，也就是说 Firefox 是 Tor 浏览器的上游项目，上游项目的变化将会影响下游，如果下游需要的功能没有合并到上游或遭上游拒绝，那么有时候 Fork 将会不可避免。但 Mozilla 并不想要 Tor 浏览器 fork Firefox：Tor浏览器开发者 Arthur Edelstein去年递交建议请求加入关闭MathML的参数，称为了减少攻击面，Tor浏览器关闭了MathML，方法是加入一个关闭MathML的参数，现在他们希望上游的 Firefox 也能整合该参数。这么做将可以减轻Tor开发者未来的工作。Mozilla 开发者同意了这一要求。 文章转载自 开源中国社区[http://www.oschina.net]

一则公告于2017年5月25日在Reddit上发布。 它写道： “欢迎与我们一同前进，我们将从2017年7月1日起接受Zcash。” Alphabay是最受欢迎的在线“暗网黑市”之一。以前，它只允许他们的卖方接受比特币和另一种注重隐私的加密货币作为支付方式。 人们认为该网站主体在俄罗斯，并与俄罗斯黑手党有着联系。各种暗网地下市场不断出现又消失，但是Alphabay在所谓的“6月壁垒”中幸存下来，而其他大部分此类网站却都不能幸免，其中最着名的就是丝绸之路，他们尝试了很多，但自那以后，这些尝试最终都在他们头六个月的运营中被废除了。 Alphabay认识到比特币正在面临扩容问题，因此鼓励用户开始研究其他的加密货币。 Zcash价格持续上涨 Alphabay决定添加Zcash的部分原因是因为Zcash最近价格不断上涨，超过了250美元。 “由于Zcash的价格在过去几周飙升，我们认为这种加密货币具有很好的潜力，价格上涨显示出投资者社区对这一币种日益增长的兴趣。” 该声明补充说。 自摩根大通最近公布将Zcash技术的一部分加入他们基于以太坊的分布式账本平台“Quorum”后，Zcash的价格便不断上涨，这将为金融机构带来更为健全的匿名隐私功能。

lens shading分为两种luma shading(亮度阴影)和color shading(色彩偏差)。 luma shading产生的原因是镜头的通光量从中心到边角依次较少，导致图像看起来，中间亮度正常，四周偏暗。 采用网格矫正的方法： 1、获取矫正系数 拍一张均匀亮度的图像，将图像分成n*m个格子，每个格子的四个点都有一个校正系数，将n*m个校正系数存入表中。 2、计算待矫正像素点所在网格四个顶点的校正系数 根据待校正像素的坐标，计算该点落在哪一个网格中，求得网格的编号，再求得该网格四个顶点的编号，通过查表，求得网格四个顶点的校正值。 3、计算待矫正像素的校正值 通过双线性插值，由网格的四个顶点计算出待矫正像素的校正值。 4、矫正 将当前像素值乘以校正系数。

首先看看最终效果图 有点类似于扁平化的风格，但立体的感觉却更加明显，虽然看起来不难做，但实际操作的时候却会发现不少的问题，这里不仅涉及到了构图，也涉及到了有关色彩灰度与色彩明暗的问题，而且网络上这类设计的教程并未出现多少，废话不多说，接下来就是主题部分 首先用最通俗最明了的东西来告诉你什么是色彩明度与色彩灰度 是不是很明了，如果再看不明白建议去看看ps的新手教程 1.创建画布, 2.设置参考线与网格，这里是为了设置世界坐标轴 3.制作世界坐标轴 使用钢笔工具连接对角的点 4.再将其拷贝一层后逆时针60度 5.将最初设置的网格去除，开始绘制字母 6.这里需要思考字母结构与立方体的结构,已经如何去搭配，主要的的思路是在一条直线的会在一个面内，使用不同灰度来制作内部的结构,亮度提升后制作顶部 7.然后同样的方法来制作剩下的字 完结撒花，dwt，当然就是我了，看完后相信大家对此类设计都有了一定的了解 后面会继续更新更多的教程，谢谢观赏~~

原文链接： http://www.cnblogs.com/dowhatilove/p/6914672.html 今天在网易上看了一个关于暗网的视频，思想上很有感悟！ 1.美国政府对其公民的网络监控使其感觉在网络上没有了自由，然后首先是军方为了报复其隐私性，参与了Tor的早期研发，在Tor出来后，一些国家机密文件传输等会在Tor上传播，但事情有两面性，慢慢地在Tor上会有毒品交易，色情、暗杀等交易（即暗网） 我觉得人们为了信息安全去真的隐藏了自己的身份后，各种犯罪活动也油然而生，比如比特币的交易; 2.出现了暗网国家要对其进行抓捕和控制就太难了，于是就有人提出来 按照情况进行实名制，比如金融交易就需要进行实名制，但一些不太重要的比如邮件和家人的聊天等就可以匿名来保护隐私； 3.看了点数论与密码学的知识，感觉不反感，对于能反映智商的东西，我异常地喜欢，，，，， 4.晚上听了级数的课，觉得其思想还是没有特别理解！ 转载于:https://www.cnblogs.com/dowhatilove/p/6914672.html

更新时间： 2018.6.2 增加了通过 tf.image 进行数据增强的内容，非常重要，可以直接跳到第四节。 之前做的一些任务都是从.csv文件里面读取数据来处理，这些元素都已经是处理好的值了，所以很方便。但是更多时候，我们是要从硬盘上的图片直接来做处理，所以，这里需要用到一些基本的图像处理有关的函数了。OpenCV肯定是可以使用的，但是tensorflow本身也提供了一些好用的函数。 因为通过Tensorflow完成图像有关的任务太多了，所以了解一点Tensorflow中自带的图像处理有关的函数是很有必要的。 Tensorflow中内置的图像处理的函数肯定没有OpenCV那么多那么强大啦，但是仅仅是作为简单的预处理的话，完全是够用了。 主要使用的模块就是tf.image，所以首先要是先把官方文档列出来：Module: tf.image，然后接下来就是按照图片处理的顺序来分别讲解各个函数的使用。 本节的完整测试代码，可以在我的GitHub：LearningTensorFlow/12.ImageProcess/上找到。 一.图像的编解码 Ⅰ.概览 下面是tensorflow自带编解码部分的函数，这里一起列出来，但是并不会全部都详细讲，因为使用方式大同小异，在例子中只是详细讲其中一个，其他的都可以类比或者看文档写出来，实在是很简单，就不需要多花笔墨。 decode_gif(…): Decode the first frame of a GIF-encoded image to a uint8 tensor. decode_jpeg(…): Decode a JPEG-encoded image to a uint8 tensor. decode_png(…): Decode a PNG-encoded image to a uint8 or uint16 tensor. decode_image(…): Convenience function for decode_gif, decode_jpeg, and decode_png. encode_jpeg(…): JPEG-encode an image. encode_png(…): PNG-encode an image. 在这一步，要是只是想把某个或者某些个文件读到ndarray中去，推荐更加高效的做法，就是使用matplot.image中的imread（）方法，或者opencv中的方法，都是很简单无脑的。 比如在这里，我文件夹下面有个叫做“1.jpg”的文件，那么就可以用比较简单的方法得到： 二.数据转化和形状变换 这一步的目的是什么呢？首先，很多图像像素默认是int类型的，在tensorflow里面，float类型的数据更加适合处理，然后形状来说，我们知道，对于图片来说，一个网络的输入尺寸是固定的，而训练的时候图片的尺寸确不一定是固定的，所以有必要用各种方式把图片尺寸转换为固定的适合网络输入的格式。 Ⅰ.数据类型转化 convert_image_dtype(image,dtype,saturate=False,name=None)