KeyFrame內部研究專用

Full Disclosure, Full Colour: Story of This Years BBV Badge by Abhinav Pandagale | BBV, DEF CON 33

Bug Bounty Village·6月5日週五·21 min英文

三句話摘要

在黑客馬拉松會議中,設計製造具有CTF遊戲和多層UV印刷效果的互動式硬體徽章的全過程與工藝挑戰。 看似簡單的硬體徽章設計實際需透過六層複合工藝與大規模返工迭代才能完成,環氧樹脂帶來的美觀升級卻教會了團隊製程設計中預留容錯空間的重要性。 三明svensk結構設計:PCB層承載所有電路與背面LED陣列,丙烯酸層刻有駭客標誌,以螺栓間隔件分層固定,實現立體3D視覺效果,且保留開源重新編程能力供使用者自訂。

重點整理

重點
  • 1

    三明svensk結構設計:PCB層承載所有電路與背面LED陣列,丙烯酸層刻有駭客標誌,以螺栓間隔件分層固定,實現立體3D視覺效果,且保留開源重新編程能力供使用者自訂。

  • 2

    UV印刷工藝的進化:自2013年開發的技術相比傳統PCB板印刷更靈活快速,今年機器可在2英尺×3英尺床面單批次印刷60-70個徽章用時30分鐘,並新增透明保護層強化環境耐久性,但初期出現塗層剝落缺陷。

  • 3

    CTF競賽整合:四個底部按鈕對應四個二進位標誌位,輸入正確標誌解鎖對應LED燈,短按可預覽解鎖效果,大幅提升徽章的教育性與互動價值。

  • 4

    環氧樹脂防護的代價:採用環氧樹脂塗層(2:1混合比、15分鐘內應用、24小時完全固化)增強保護與外觀,但固化過程收縮會拉扯UV層導致剝落,進而造成LED脫焊失效,最終必須透過返工流程重新組裝焊接。

實用技巧與重點

乾貨
  • 徽章規格:41個SMD元件、4個按鈕開關、雙面PCB、8MHz ATmega16A微控制器
  • UV印刷機規格:床面尺寸2英尺×3英尺、單批60-70個徽章、30分鐘完成時間
  • 環氧樹脂混合配方:2:1比例(環氧樹脂:硬化劑)、15分鐘內塗抹、2小時初步固化、24小時完全固化(可用烤箱加速)
  • PCB塗層結構(由下至上):黑色PCB基底 → UV底漆層 → 白色UV層(色彩基底)→ 藍/綠色藝術圖層 → 清漆保護層 → 環氧樹脂頂層(共6層)
  • 版本區分:藍色版本贈送版、綠色版本預購版,電路與功能完全相同
  • 返工操作流程:背面加熱 → 熱風槍吹邊 → 拆焊開關 → 分離丙烯酸與PCB → 重新焊接LED → 重新塗層測試 → 最終程式設計與組裝

結論

結論

看似簡單的硬體徽章設計實際需透過六層複合工藝與大規模返工迭代才能完成,環氧樹脂帶來的美觀升級卻教會了團隊製程設計中預留容錯空間的重要性。

完整解析

詳細

Hackerware團隊花費九年時間打造Bug Bounty Village的會議徽章計畫,已擴展至19個國家。今年的設計靈感源自對《駭客任務》下雨效果的想像,團隊決定採用丙烯酸與PCB的三明治結構實現立體3D視覺——PCB層承載所有電路組件與背面LED陣列,刻有駭客標誌的丙烯酸層透過螺栓間隔件與PCB固定。徽章集成41個微型SMD元件與4個按鈕開關,由ATmega16A微控制器驅動,且保留開源友善的重新編程能力。

製造工藝的核心是UV印刷技術,講者於2013年率先開發這套方案。相比傳統PCB板,UV印刷提供更高的色彩準確度與生產靈活性。機器床面尺寸為2英尺×3英尺,單批次可處理60-70個徽章,耗時約30分鐘。今年新增透明保護層以增強環境耐久性。整個塗層過程分六層進行:先噴UV底漆作為色彩基底,再堆疊白色UV層提供著色層次,隨後印製藍色或綠色的藝術圖層作為實際視覺,再上清漆保護,最後加上環氧樹脂提供光澤與硬度。

徽章創新融入CTF(Capture the Flag)競賽元素。四個底部按鈕對應四個二進位標誌位,使用者需輸入正確的標誌組合才能逐個解鎖底部的LED燈。短按徽章可窺見全部LED解鎖後的效果。這個設計大幅提升了徽章的教育性與互動趣味。同時推出兩個版本:藍色版由贊助商全額支持免費贈送、綠色版開放預購以支持村莊運營。

然而生產過程暴露出新問題。完成五層塗層後,講者決定加入環氧樹脂頂層以強化保護效果與視覺美感。環氧樹脂採用2:1的混合比例(環氧樹脂配硬化劑),混合後必須在15分鐘內塗抹完成,2小時後初步固化,24小時才能完全硬化。讓講者措手不及的是,環氧樹脂在固化時會收縮,這個收縮動作向下拉扯UV印刷層,導致多個地方出現剝落與氣泡。最糟的是某些徽章的LED因此脫焊失效,功能受損。

面對這個困境,團隊別無選擇地啟動了大規模返工流程。做法是將徽章背面加熱至軟化狀態,用熱風槍吹掉邊緣,逐一拆焊按鈕開關,將丙烯酸與PCB層分離。隨後的工作更加繁瑣:重新手工焊接所有LED元件、焊接按鈕開關、進行UV層電路測試、再進行環氧樹脂塗層、最終才進行丙烯酸組裝與程式設計。整個返工流程耗時超過三週,幾乎每塊PCB都對應一張工作檯。返工過程中更有許多LED因加熱被損毀,整個過程堪稱「前進三步、後退五步」。

儘管生產過程艱辛,最終成品展現了六層複合塗層的精美效果——表面極為光滑、觸感硬化、色彩鮮明。這次挑戰也帶來了新的工藝啟發:講者發現環氧樹脂可作為熱熔膠的替代品,用於反向安裝LED以改進背面發光效果,這或許成為未來改進的方向。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。