🚨 DeFi 又爆雷！ 1inch 重要 liquidity provider & Resolver @trustedvolumes 在以太坊上遭 exploit，損失高達 $5.87M！ 被盜資產包含： • 1,291.16 WETH • 1,268,771 USDC • 206k+ USDT • 16.94 WBTC 漏洞出自其 custom RFQ swap proxy 合約（疑似與去年 1inch Fusion V1 同攻擊者）。 ⚠️ 使用 1inch Fusion 的朋友們，請立刻 revoke TrustedVolumes resolver 的 approval！Blockaid & CertiK 已發警報，攻擊者正狂換 ETH。 安全第一，定期檢查授權才安全 🛡️ #DeFi# #1inch# #Exploit# #CryptoSecurity#

🚨家電量販店で初🚨 ついにヤマダデンキLABI池袋本店で『docomo Certified（ドコモ認定リユース品）』取扱開始‼️ ✅ドコモの厳格な検査をクリアした高品質 ✅バッテリー残量80%以上 ✅安心の30日保証付

今週のナイトスクープ1本目は… 「伝説のJavaリングを復活させて」 茨城県の男子大学生（１８）から。私はJavaというコンピューターに関しての技術が好きで、趣味が高じて中学生の頃にOracle Certified Java Programmer、GoldというJava最高難度の資格を取った。そして、様々なJavaに関するグッズを収集する中で、Javaリングなる大変興味深いものを発見し、即メルカリで購入。Javaリングは１９９８年に開かれた技術サミットで配布されたもので、指輪の中に小型のコンピューターが入っている。当時は来場者のプロフィールやコーヒーの好みを指輪に記録しておき、来場者管理やコーヒーマシンで利用したそうだ。私はこれを何とか動かしたいと思い、当時の機材を海外から買い揃えＰＣと繋いでみたのだが、上手く作動しない。指輪の内部構造を調べたところ、どうやら「Lithium Backup」なる部品が入っているようだ。名前から推測するにおそらくバッテリーのことで、３０年もすれば切れていて当たり前。原因はこれにあると考え、交換を試みた。しかし、それが入っているであろう部分は台座に強く接着されているようで、およそ私の技術では開けられない。「超小型・指輪型コンピューター」の復活に力を貸して欲しい、というもの。

📻 #ニッポン放送# ポッドキャスト 『Anime English Club with Sally Amaki』 エピソード52が配信されました🔥📣 ㅤ 🎧 🎥 ㅤ 今回の作品は、「ちいかわ 〜なんか小さくてかわいいやつ〜」 🌱 ㅤ 取り上げるセリフは･･･ 💭 明日か、草むしりの合格発表…自分のことじゃないのに、ドキドキする
受かりますように…
(ハチワレ) It’s Tomorrow, huh？
The release of the weeding certification results…
I’m not the one who took the exam, But I’m still on tenterhooks.
I wish for a successful result… 一緒に英語を勉強しましょう✨😺 ㅤ #天城サリー# #SallyAEC# @aec1242 #ナナニジ#

#フェチフェス　# 真・乳首マグネット売ります 平泉栞奈本人の乳首を実際に型取り ひとつひとつ手作業で製作 形状・起伏・シワまで忠実に再現し、色味も本人立ち会いのもとで塗装した、プレミアムな乳首をご堪能ください ※皮膚安全性認証（Certified Skin Safe）を取得したシリコーンを使用しています

⚡ 数十億件の集計を、クエリの先頭に1行足すだけで最大100倍速く。しかも統計的に厳密な信頼区間付き——Elasticsearch ES|QLの近似クエリです。 タイトル: Approximate queries in Elasticsearch ES|QL: 100x faster on billions of records, with built-in confidence intervals URL: 📝 概要 Elasticsearch 9.4は、ES|QLに近似クエリ実行を導入します。既存クエリの先頭にSET approximation = true;を付けるだけで、自動的なサンプリングと外挿が有効になり、クエリの書き換えは不要です。 ❓ 解決する課題 数十億ドキュメントの厳密な集計は、計算コストが行数に比例して増えるため高コストでした。これが大規模インデックスでのインタラクティブな探索やリアルタイムダッシュボードの妨げになっていました。 💡 方法論と提案手法 ・サンプリングはLucene層で行われ、サンプル分のドキュメントだけを読むため、I/Oと計算の節約はサンプリング率に比例します ・サンプル上で実行した結果を、データセット全体を表すよう自動でスケールします ・信頼区間はサンプルのサブパーティションへのブートストラップ法で厳密に計算します ・各結果に「certifiedフラグ」が付き、形式的な統計保証が成り立つかを示します 🎯 ユースケース エージェントが数十億件をサブ秒で走査して候補を絞り、必要な箇所だけ厳密クエリへズームインする、といった使い方ができます。ダッシュボードの高速描画や巨大ログのパターン検出にも有効です。 📊 実験結果 ・ClickBenchで信頼区間付き平均23倍、個別クエリのピークは約100倍、区間計算なしでは最大約300倍 ・サンプリングコストは一定なので、データが大きいほど高速化率も大きくなります ・対応集計はCOUNT/SUM/AVG/MEDIAN/PERCENTILE/STD_DEVなど。rowsとconfidence_levelで精度と速度を調整できます #Elasticsearch# #DataAnalytics#