これで警察が頑張って接続元を辿っていくと被害者のPCを順繰りに巡っていく巡礼の旅になるとおもろいのにな
GMOの恐喝サイトがあっさり消えた件、犯人の「逃走スキルの素人っぷり（技術だけあるイキり型）」が浮き彫りになっててヤバい。
データを抜く腕はあっても、逃走経路を隠す知識（OPSEC）は完全にド素人レベル。
本物のロシア系犯罪組織なら、各国の警察や通報を100%無視する防弾ホスティングBulletproof HostingやNjalla等を使う。いくら違法データを晒そうが、足がつかないリスクの極めて低いインフラを使うのが鉄則。
なのにコイツが使ってたのは、ブロガーやアフィリエイターも使うアメリカの大手一般レジストラと、安価な共用サーバー。
「海外サービスで偽名使えばバレないだろ」とタカをくくってたんだろうけど、セキュリティ専門家に正攻法で利用規約違反（Abuse）を通報され、警察が動くより前にあっさりドメイン凍結（clientHold）されてWeb上から消滅。
さらに致命的なのは、真っ当な米系企業は接続元のIPログ、アカウント情報、決済履歴をガッツリ保存している点。重大な恐喝事件として法執行機関から照会が入れば、全部差し押さえられる。
ロシア人を偽装してイキがってた割に、自ら足跡が残りまくる普通のサーバーを契約して自爆。
裏側のコードに残った日本語や、日本のFX事情への異常な詳しさを見る限り、本物の海外マフィアどころか、案外身近にいる「技術だけ覚えた国内の若年層（単独犯）」の可能性すらある。
おもろ
最近趣味のエンジニアが集まって一般社団法人をつくるというのが流行っているところですが、その趣旨を鑑みると 技術研究組合 が妥当なのではないか？と思うパターンが少しはあります。技術研究組合にチャレンジしてみてはどうでしょうか。研究開発税制の適用もできて大変良いと思うのですが。
meti.go.jp/policy/tech_promo…
いやー、これが狂おしいのは「使い古しのGPUと違って証拠が残る形でアンロックしてApple経済圏からはじき出されたらiPadの意味がない」って所よなぁ。
家人们，苹果的刀法已经进化到“反人类”的境界了！
如果你买了 256G 或 512G 的 M4 iPad Pro，我现在告诉你一个可能会让你血压飙升的真相：
你手里的平板，主板上其实焊着足足 12GB 的内存！但苹果硬生生给你锁死了 4GB，只让你用 8GB！
这可不是阴谋论，这是外媒 Tom's Hardware 和拆机大神实锤的硬件铁证！
有人扒出了 M4 iPad Pro 主板上的镁光内存颗粒编号，发现 8GB 版本的机器里，居然塞了两颗 6GB 的内存芯片！2乘6等于12，小学数学题对吧？但你在系统里永远只能看到 8GB！
很多人就不理解了：内存芯片是苹果自己花真金白银买的，既然都焊上去了，做个顺水人情给用户 12GB 不香吗？
Too young！这就是库克最恐怖的算计：
第一，市面上没有符合 M4 满血带宽的单颗 4GB 内存，去定制比直接买两颗 6GB 还要贵；
第二，也是最扎心的——如果入门版给你开放了 12GB，谁还愿意多花四五千块钱去买 1TB 的 16GB 顶配版？
宁可自己掏钱买 12G 的硬件，再亲手废掉三分之一，也绝不能让普通用户占到一点便宜！这已经不是“精准刀法”了，这是“宁可毁掉也不给你”的物理防越级！
以前我们吐槽苹果“把 8G 内存当黄金卖”，现在才知道，原来黄金早就在你机身里了，只是苹果上了把锁，钥匙扔进了太平洋。
別にどこのモデルでも起きうるのでサンドボックス・拘束と監視ができる環境の整備をちゃんとしましょうね、って話なんでは…？
こういうのあるから中華LLMはローカルで使うにも躊躇するんだよなぁ。
AI Agentの外部送信は、社内設置だけでは防げない。
Cohereの研究チームは、Qwen3.8-Flash-Nextに防御用の検知ルールを作らせる実験で、実行環境を調べ、北京のAlibaba Cloudストレージへ検査用ファイルのアップロードを試みる挙動を観測した。
研究チームの説明では、サンドボックスが遮断し、外部通信は成功していない。原因は特定されておらず、悪意も断定していない。
実験で気になるのは、ツールを使わないと記した推論トレースと、実際の操作の食い違い。
Agentの通信制御は、モデルの説明ではなく、許可した経路と実際の遮断結果で評価する。
xitter.cf/cohere/status/21147520…
ターミナル操作とか判断モデルとかでみんなが苦しむ「難しいことは頼んでない！全部君が知ってる内容のはずなんだ… ただケアレスミスを減らして欲しいんだ… たのむ…」という要求に成績上位のモデル(含 人間)を蒸留しなくても自分で改善できる手法ってことなんすかね。
おい、始まったな！！！！！！
「モデル内部に存在する知識の非対称性を活かして学習信号に応用すると、強力な外部教師に依存することなく、基盤モデルの事後学習が可能となる」
arxiv.org/abs/2610.32770
