حتماً شنیدید که بعضی از پرینترهای کاغذی، مخصوصاً لیزری‌ها، یه‌جور نشونه نامرئی از خودشون روی هر برگه چاپ‌شده جا می‌ذارن. مثلاً ترکیبی از نقاط ریز زرد که با چشم دیده نمی‌شن، اما می‌تونن به‌راحتی نشون بدن سند از کدوم دستگاه پرینت شده. به این تکنیک می‌گن Machine Identification Code یا همون Yellow Dot Tracking که سال‌هاست نهادهای امنیتی برای ردیابی اسناد چاپی ازش استفاده می‌کنن.

حالا با همه‌گیر شدن پرینترهای سه‌بعدی، ماجرا پیچیده‌تر شده. چاپ سه‌بعدی دیگه فقط برای ساخت قطعات دکوری یا اسباب‌بازی نیست. خیلی‌ها، از جمله گروه‌های مجرمانه، ازش برای ساختن اسلحه‌های غیرقابل‌ردیابی استفاده می‌کنن, سلاح‌هایی که شماره‌سریال ندارن و عملاً از همه سیستم‌های ثبت و کنترل اسلحه عبور می‌کنن. به اینا می‌گن Ghost Guns. ولی حالا محقق‌ها راهی پیدا کردن که حتی این اسلحه‌های ظاهراً نامرئی رو هم بشه تا حدی ردگیری کرد.

داستان از این قراره که تیمی از دانشگاه فلوریدا و مؤسسه ملی استاندارد و فناوری آمریکا (NIST) روشی توسعه دادن که می‌تونه با تحلیل سطح قطعات چاپ‌شده، به‌نوعی اثر انگشت پرینتر رو از روی خودش شناسایی کنه. این‌بار، برعکس پرینترهای کاغذی که یه نشونه‌گذاری دیجیتال داخلی دارن، داستان روی رد فیزیکی‌ای تمرکز داره که پرینتر ـ‌ ناخواسته ـ‌ روی سطح قطعه به جا می‌ذاره. همون چیزایی که بهش می‌گن toolmarks یا رد ابزار.

وقتی یه قطعه با پرینتر سه‌بعدی ساخته می‌شه، به جز خطوط لایه‌لایه‌ی معمولی، یه‌سری الگوهای ریزتر و پیچیده‌تر هم روی سطح شکل می‌گیرن. اینا تحت‌تأثیر کلی چیز مختلفه: لرزش موتور، کیفیت نازل، میکروآسیب‌های مکانیکی، استهلاک، تنظیمات چاپ و حتی نوع حرکات محورها. این ترکیب پیچیده باعث می‌شه هر دستگاه عملاً یه امضای منحصر‌به‌فرد روی قطعه بذاره، شبیه همون کاری که گلوله توی علم بالستیک انجام می‌ده؛ یعنی از روی شیارهای روی پوکه می‌فهمن که از کدوم اسلحه شلیک شده. حالا همین منطق، توی مقیاس میکرومتری، روی قطعه پلاستیکی چاپ‌شده هم داره جواب می‌ده.

توی این تحقیق، محقق‌ها با ترکیبی از تصویربرداری میکروسکوپی دقیق و الگوریتم‌های بینایی ماشین و یادگیری عمیق (CNN-based) تونستن از همین toolmarkها برای تشخیص پرینتر استفاده کنن. طبق چیزی که منتشر کردن، مدلشون تونسته با حدود ۹۲٪ دقت تشخیص بده که یه قطعه خاص با کدوم پرینتر ساخته شده. و نکته جالب‌تر اینکه حتی تغییراتی مثل عوض‌کردن فیلامنت، جابه‌جا کردن قطعه روی بستر یا تنظیمات slicer هم باعث نشده مدلشون از دقت بیفته. به‌جز در مواردی مثل تعویض کامل نازل یا خرابی مکانیکی که خب طبیعیه اثر ابزار عوض بشه، ولی حتی اون موقع هم پرینتر بعد یه مدت دوباره یه الگوی پایدار جدید تولید می‌کنه که می‌شه باز شناسایی‌ش کرد.

اما خب، به نظرم اینا همه توی شرایط آزمایشگاهی انجام شده و به نظر من پیاده‌سازیش توی دنیای واقعی، اون‌قدرا هم راحت نیست. توی واقعیت، با حجم بزرگی از متغیرها سروکار داریم که می‌تونن این الگوهای سطحی رو به‌هم بریزن یا عملاً پاکش کنن. مثلاً تنوع شدید فیلامنت‌ها (از PLA ساده گرفته تا کامپوزیت‌های پرکربن)، تغییر قطر نازل یا جنسش، تنظیمات متنوع slicer مثل ارتفاع لایه، سرعت چاپ، دمای اکسترودر، jerk و acceleration، همه اینا می‌تونن نتیجه چاپ رو زیر و رو کنن.

از اون طرف، خیلی از کاربرهای حرفه‌ای قطعاتشون رو بعد چاپ، پولیش می‌کنن، با استون صاف می‌کنن، با هوا یا مشعل حرارتی گرم می‌کنن، یا حتی از هموارسازهای شیمیای(chemical smoothing) استفاده می‌کنن که می‌تونه کل اون الگوی سطحی رو از بین ببره. و بدتر اینکه اگه کسی بخواد عمداً از شناسایی فرار کنه، خیلی راحت می‌تونه تنظیمات چاپ رو هر بار یه‌جور بزنه یا حتی چند تا پرینتر مختلف برای یه قطعه استفاده کنه تا الگوریتم‌ها گیج بشن.

در نتیجه، با اینکه این تحقیق از نظر علمی خیلی جالبه و قطعاً قدم مهمیه توی forensic چاپ سه‌بعدی، ولی واقع‌بینانه‌اش اینه که هنوز راه زیادی مونده تا به ابزار قابل‌اتکا توی پرونده‌های واقعی تبدیل بشه. فعلاً بیشتر از اینکه نقش مدرک قضایی داشته باشه، نقش یه سرنخ فنی قوی رو بازی می‌کنه, چیزی که می‌تونه مسیر تحقیقات رو مشخص کنه ولی به‌تنهایی برای اثبات جرم کافی نیست. به نظرم کاربرد اصلی‌ش توی این فاز، بیشتر بازدارندگیه؛ اینکه مجرم بدونه حتی قطعه چاپ‌شده‌اش ممکنه اثر انگشت داشته باشه، شاید باعث شه یه‌بار بیشتر به ریسک کارش فکر کنه.

🔗source

📡openpcb

شرکت ژاپنی Kioxia از بزرگترین حافظه ذخیره سازی جهان با ظرفیت 245 ترابایت رونمایی کرده که هر چیپ حافظه اون 8 ترابایت ظرفیت داره و از ترکیب 32 عدد از اونها به ظرفیت 245 ترابایت رسیده.

این SSD از تکنولوژی QLC برای سلولهای حافظه استفاده میکنه و به جای سرعت، برای حجم بالا بهینه شده در نتیجه سرعت نوشتن ترتیبی اون 3 گیگابایت بر ثانیه و سرعت نوشتن تصادفی اون هم 50 هزار IOPS هست که چند برابر از حافظه های معمول کمتره. ولی سرعت خوندن ترتیبی بالا یعنی 12 گیگابایت بر ثانیه و سرعت خوندن تصادفی 1.3 میلیون IOPS داره.

این حافظه در استاندارد E.3L عرضه میشه ولی قیمت اون هنوز اعلام نشده.

🔎 tomshardware

📍 @TechTube

چند سال پیش واتساپ بالاخره اپ مخصوصی برای ویندوز منتشر کرد که از رابط Native ویندوز استفاده میکرد و برخلاف گذشته، صرفا یک میانبر به نسخه وب نبود که باعث میشد سرعت بالاتر و مصرف رم پایینتری داشته باشه.

حالا واتساپ در نسخه بتای جدیدش دوباره به گذشته برگشته و شرکت به این بزرگی با این تعداد نیرو، در نسخه جدید ویندوزش از همون نسخه وب استفاده میکنه تا نیازی نباشه برای هر سیستم عامل کد جدایی رو بنویسه و نگهداری کنه. بنابراین باز هم عملا به یک میانبر برای نسخه وب تبدیل شده که باعث افزایش مصرف رم و کاهش سرعت اون میشه.

🔎 windowslatest

📍 @TechTube

در اپدیت جدید 11.13.3 تلگرام، امکان دسته بندی گیفتها در پروفایل فراهم شده و کاربران میتونن کالکشنهای مدنظرشون رو بسازن و گیفتهایی که دارن رو در اونها قرار بدن. هر کاربر میتونه تا 9 کالکشن رو در پروفایلش قرار بده. نمونه ای از اونهارو میتونین در بخش گیفتهای اینجا ببینید.

📍 @TechTube