给软件开发者准备的优质简报，每日阅读 10分钟。
A new spam policy for “back button hijacking”
谷歌推出"后退按钮劫持"垃圾邮件专项政策
- 谷歌将"后退按钮劫持"明确列为"恶意行为"政策的违规项，指网站通过插入或替换欺骗性页面来干扰用户浏览器历史记录，导致用户无法正常使用后退按钮返回上一页
- 违规行为包括：用户点击后退按钮后被强制跳转至未访问的页面、被展示未经请求的推荐内容或广告、或被完全阻止正常浏览网页
- 谷歌表示此类行为破坏了用户对浏览器功能的合理预期，导致用户沮丧和被操控感，鉴于此类行为有所增加，故将其明确纳入监管
- 政策于2026年4月13日发布，2026年6月15日正式生效，为网站所有者预留两个月调整期
- 谷歌提醒后退按钮劫持可能源自第三方库或广告平台，建议网站所有者全面审查技术实现，移除或禁用相关代码
- 违规页面可能面临人工垃圾邮件处理或搜索排名自动降权，修复后可通Search Console提交重新审核申请
The dangers of California's legislation to censor 3D printing
加州A.B. 2047法案对3D打印的审查威胁
- A.B. 2047法案强制要求所有3D打印机安装打印阻止软件，并将用户禁用或绕过该系统定为轻罪，比华盛顿州和纽约州的类似立法更为严厉
- 该法案实质上将开源固件的使用定性为犯罪，剥夺用户对自身设备的基本控制权
- 制造商可借此效仿惠普对2D打印机的做法，将用户锁定在其生态系统中，强制购买其工具、配件和耗材，并可能通过停止更新使设备不合规来强制淘汰旧机型
- 该法案偏向大型制造商，显著提高行业进入门槛，同时使二手市场面临轻罪风险，大幅减少消费者选择
- 法案要求加州司法部建立技术标准、认证算法并维护被禁蓝图数据库，形成持续的官僚负担
- 打印阻止技术无法有效实现其预期目的（已违法的"幽灵枪"本就罕见），且其基础设施可轻易扩展至版权或政治言论审查，并通过云端扫描带来隐私监控风险
Google Broke Its Promise to Me. Now ICE Has My Data
谷歌背弃近十年隐私承诺：ICE通过行政传票获取用户数据
- Amandla Thomas-Johnson是一名持学生签证在美攻读博士的英国和特立尼达双重公民，曾任记者，因在康奈尔大学短暂参加（五分钟）亲巴勒斯坦抗议活动而遭特朗普政府针对，被迫躲藏三个月，联邦探员曾上门追查，一友人在坦帕机场被扣押审讯
- 2025年4月ICE向谷歌发出行政传票，同年5月谷歌直接将Thomas-Johnson的账户数据移交给国土安全部，未按其近十年承诺在响应法律程序前通知用户，导致用户丧失质疑传票的机会
- 电子前沿基金会（EFF）向加州和纽约州总检察长提交投诉，指控谷歌涉嫌欺诈性商业行为，要求调查其背弃通知用户承诺的行为
- 传票表面仅要求IP地址、物理地址、标识符及会话时间等订阅者信息，但整合后这些碎片数据可构建详细监控档案：IP日志推断位置、物理地址显示住处、会话时间暴露社交模式
- Thomas-Johnson虽已离开美国跨境前往加拿大并辗转到瑞士日内瓦，但仍担忧自己是否已被标记、是否会影响记者工作及未来赴加勒比海地区探亲的出行安全，对问责对象感到困惑
Tell HN: Fiverr left customer files public and searchable
Fiverr因Cloudinary配置错误导致客户敏感文件被Google索引
- Fiverr使用Cloudinary处理消息中的PDF和图片，本可使用签名URL或过期URL等安全机制，但选择了公开URL配置，导致数百份含个人身份信息的文件被Google收录，包括美国税表1040、出生证明、身份证件、护照、管理员密码、API密钥及渗透测试报告等
- 安全研究员已于40天前通过security@fiverr.com报告此漏洞，但Fiverr安全团队未作任何回应；公开披露后Fiverr发表声明否认是网络安全事件，声称用户是"为展示工作样本"主动分享内容
- 漏洞公开数小时后Cloudinary链接仍正常可访问，直至后来才被屏蔽返回404；技术分析指出修复仅需两行代码（将上传类型设为authenticated并启用sign_url），但由于多年积累的公开URL已成架构基础，全面修复将导致所有历史链接失效
- 事件引发业界广泛讨论，涉及软件工程师资质认证要求、公司经济处罚有效性以及ISO 27001等安全认证的实际价值；多篇报道指出Fiverr自身ISO 27001证书也被索引，讽刺意味十足
- 后续有用户发现Fiverr论坛的警告帖子被删除，且有用户验证未登录状态下仍可访问文件链接，Fiverr的回应被指缺乏可信度
Do you even need a database?
你真的需要数据库吗？
- 数据库本质上就是文件系统操作：SQLite是磁盘上的单个文件，PostgreSQL是目录中的一组文件加前端进程，真正的问题不是"要不要用文件"，而是"用数据库的文件还是自己的文件"
- 三种实用文件存储方案各有优势：线性扫描最简单（Go仅需约20行代码）但O(n)复杂度在大数据集时急剧下降；内存哈希表以O(1)达到约10万次/秒的吞吐量和亚毫秒延迟，是性能天花板；磁盘上的二进制搜索配合固定宽度索引（约58字节/条记录）以O(log n)保持约4万次/秒且数据量增长100倍时仅下降15%
- 基准测试结果揭示几个反直觉事实：Rust内存哈希表最快（16.9万次/秒）、Go二进制搜索意外超越SQLite约1.7倍、Bun凭借uWebSockets在HTTP服务性能上超过Go、线性扫描在100万条记录时实际不可用（Go仅23次/秒、Bun单次延迟超1秒）
- 大多数应用的规模被严重高估：在典型使用假设下（10次查询/小时/用户、峰值/均值比2:1），SQLite单服务器可支撑9000万日活用户、Bun内存哈希表可支撑3.8亿日活用户，大多数产品永远不会触及这些上限
- 真正需要数据库的场景是：当数据集无法全部加载到内存、需要按多个字段查询、需要多表关联（JOIN）、需要多进程并发写入、或需要跨实体的原子事务（ACID）时，早期应用使用JSONL文件后期可零成本迁移到任何数据库
Lean proved this program correct; then I found a bug
Lean形式化验证程序漏洞发现：1.05亿次模糊测试的启示
- lean-zip由10个AI代理自主构建并证明，是端到端验证的zlib实现，其核心定理保证了任何小于1GB的字节数组经压缩后均可精确还原
- 实验剥离lean-zip所有定理、文档和C FFI绑定，仅保留纯验证的原生Lean代码，通过16个并行模糊器执行了1.05亿次模糊测试，覆盖ZIP、gzip、DEFLATE、tar等6个攻击面
- 应用代码实现零堆缓冲区溢出、零use-after-free、零栈溢出、零未定义行为（UBSan clean）的完美安全记录，Claude评价其为"我分析过的内存安全代码库之一"
- Bug 1（堆缓冲区溢出）位于Lean 4运行时
lean_alloc_sarray，当capacity接近SIZE_MAX时整数溢出导致分配仅23字节的小缓冲区，而h.read尝试读取SIZE_MAX字节，156字节ZIP文件即可触发，影响所有Lean 4版本 - Bug 2（拒绝服务）位于lean-zip归档解析器
readExact，其将ZIP头部未验证的compressedSize直接传入h.read，伪造超大尺寸字段可导致内存耗尽而崩溃——该模块从未被验证 - 验证的边界：形式化验证的强度取决于所提问题的范围和对底层基础的信任程度，两个漏洞均位于验证边界之外（未验证的归档解析器和可信计算基础C++运行时）
Want to Write a Compiler? Just Read These Two Papers (2008)
想写编译器？只需读这两篇论文
- 现有编译器教材普遍涵盖范围过广、信息量过大，使读者难以找到实践切入点，这种复杂性催生了“编译器很难写”的误解
- Jack Crenshaw 于 1988 年推出的系列教程《Let's Build a Compiler!》是最佳入门资源，采用 Turbo Pascal 风格的单遍编译设计，将解析与代码生成交织在一起，内容适合初学者；该教程有 Pascal、C 和 Forth 版本
- Crenshaw 教程的主要局限是完全省略了程序的内部表示（抽象语法树），在 Python、Ruby、Erlang、Haskell、Lisp 等高级语言中创建和操作树形数据结构则非常容易，这也是 Lisp、Erlang、Haskell 等语言的设计初衷
- Sarkar、Waddell 和 Dybvig 合著的论文《A Nanopass Framework for Compiler Education》提出核心观点：编译器本质上是程序内部表示的一系列转换
- 该框架倡导将编译器分解为数十甚至数百个阶段，每个阶段尽可能简单独立，不合并转换操作，并提供定义各阶段输入输出的规范方案，代码采用动态类型的 Scheme 编写
- 在完成一两 个编译器的实践后，《龙书》等传统经典著作可能变得不再必要
AI-Assisted Cognition Endangers Human Development
AI辅助认知正在危及人类发展
- AI基础模型存在"归纳偏置"，即便经过后训练仍保留预训练阶段的认知偏向，导致整个人类群体层面的认知范围收窄，类似于全人类都在向同一小群人请教问题，思想和解决方案的多样性面临丧失风险
- AI模型无法及时反映新的地缘政治现实——以2026年初美国入侵格陵兰为例，主流基础模型（包括GPT-5.3-codex、Gemini 3 Pro、GLM-5等）仍将此事件标记为"假设""虚假新闻"或"不可能"，导致依赖AI进行头脑风暴的用户被拖向过时的认知模式
- 作者提出"动态辩证基底"概念，将其定义为所有本地和全球辩证过程与结论的总和，认为人类通过现有概念的定性融合创造新概念，是人类知识和想法演化的基础框架
- 这种AI偏向可能已导致人类错失伟大的科学发现或文化转变，但由于无法进行对照实验，AI偏向影响的具体范围和深度仍属未知，短期内难以量化评估
- 应对策略包括：与其他人类讨论交流（最有效方式）、使用搜索引擎查找信息源而非直接获取AI答案、尝试使用不同基础模型的AI、以及探索不同AI人格设定来拓宽概念范围
Cal.com is going closed source
Cal.com 转向闭源：AI安全威胁如何推动这一决定
- Cal.com 在开源五年后宣布转向闭源，将保护客户数据置于开源理念之上，称这是一个艰难但必要的决定
- AI正在根本性改变安全格局：过去发现漏洞需要经验丰富的黑客投入大量时间，如今AI可以系统性地扫描开源代码库发现漏洞，开源代码的透明性如同向攻击者提供"保险库的蓝图"
- 多家AI安全初创公司正在产品化漏洞扫描能力，各平台发现的漏洞各不相同，使建立统一可靠的安全性评估标准变得困难，迫使Cal.com在保持开源与保护客户数据之间做出选择
- Cal.diy作为开源替代方案发布，采用MIT许可证开放给社区，供开发者、爱好者和任何想要探索实验的人使用，但与生产代码库存在显著差异，包括身份认证和数据处理等核心系统的重大重写
- AI在数小时内发现了BSD内核中存留27年的漏洞并生成了可工作的利用程序，表明先进AI模型正在以前所未有的速度识别和利用安全漏洞
- Cal.com 表示仍深度关心开源，希望有一天能回归开源，但目前必须将客户安全放在首位