Amethyst社交应用v0.94.2版本发布:修复Tor隐私泄露问题
Amethyst是一款基于Nostr协议的分布式社交网络客户端应用,它允许用户在不依赖中心化服务器的情况下进行社交互动。作为一款注重隐私保护的社交应用,Amethyst提供了多种隐私保护功能,其中Tor网络支持是其核心特性之一。
近日,Amethyst发布了v0.94.2版本,主要修复了两个关键的Tor网络隐私泄露问题。这些问题是在v0.94.0版本迁移两个API时意外引入的,可能会影响用户的隐私保护。
Tor网络泄露问题分析
在v0.94.0版本的API迁移过程中,开发团队重构了部分网络通信代码,这无意中导致了两个隐私泄露问题:
-
中继API绕过Tor设置问题:新实现的中继API存在一个缺陷,导致它会忽略用户的Tor偏好设置,即使Tor功能被禁用,应用仍然可能通过Tor网络进行中继通信。
-
Coil3迁移导致的缓存问题:在迁移到Coil3图像加载库时,团队实现了一个一次性缓存机制来存储Tor偏好设置。这个设计缺陷导致应用无法反映用户后续对Tor设置的更改,特别是在图像加载场景中。
这些问题被发现后,开发团队迅速响应,在v0.94.2版本中进行了修复。特别值得一提的是,这些问题是由社区成员nostr:npub17lmqmq680446scdgvv58snglr3h2phe00thqfe0twa3l8q5mzmusj6c60g通过Tor审计发现的,体现了开源社区协作的优势。
技术实现细节
对于中继API的问题,修复主要涉及确保所有中继通信都正确遵循用户的Tor设置。开发团队重构了网络请求处理逻辑,确保Tor设置检查发生在请求发起的最早阶段。
关于Coil3图像加载的问题,团队移除了不必要的一次性缓存机制,改为动态检查Tor设置。这样,用户在应用运行时更改Tor偏好后,图像加载行为会立即反映这一变化。
版本兼容性与发布
v0.94.2版本提供了多种架构的APK包和AAB包,包括:
- ARM64-v8a
- ARMEABI-v7a
- x86
- x86_64
- 通用版本
这些包分别针对F-Droid和Google Play商店进行了优化,确保不同设备和分发渠道的用户都能获得最佳体验。
用户建议
对于注重隐私保护的用户,特别是那些依赖Tor网络进行匿名通信的用户,建议尽快升级到v0.94.2版本。这个版本修复了可能导致用户真实IP地址泄露的关键问题,进一步增强了应用的隐私保护能力。
同时,用户应该定期检查应用的隐私设置,确保它们符合自己的隐私需求。Amethyst作为一款开源社交应用,其隐私保护功能的可靠性很大程度上依赖于社区的监督和贡献,用户也可以通过参与社区讨论来帮助改进应用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00