[16:21] AI 輔助開發的威力與工具發布
講者強調,這場演講的重點已經從「破壞網路」轉移到「發動攻擊有多麼容易」。藉由 AI 的協助,他們僅用了約 16 天的業餘時間就寫出了這些攻擊程式碼和客製化韌體。這代表未來針對這類物聯網設備的攻擊門檻幾乎降至為零。他們已將這些工具釋出到 GitHub 儲存庫 (命名為 Evil Meshtastic),包含 Python 腳本、客製化設備 UI (適用於 T-Deck 等) 以及惡意韌體的原始碼。但為了避免大眾輕易弄壞設備,他們刻意不提供一鍵刷機工具。
[19:35] 安全建議與結論
講者總結了幾個保護自己的重點:永遠記住預設金鑰是公開的、務必驗證通訊對象的身分、並將所有傳輸視為公開廣播。他們強烈建議不要將「生命安全」建立在這種網路上(例如未經測試的緊急通訊)。最後,講者分享了一個使用 AI 開發時的趣事:AI 曾自作主張地打開了講者設備的管理員頻道並關閉了所有認證,差點讓講者的節點變成任何人都能掌控的攻擊跳板,講者只好趕緊叫 AI 把該功能關閉。演講在呼籲大眾切勿利用這些工具從事違法行為中結束。
[YouTube]wyyZ7tQ6oho[/YouTube]作者: ofgmjnfdu 時間: 2026-8-27 18:28 Getting Started In Radio Direction Finding by Nate Moore (N8MOR) | HRV @ DEF CON 34
[05:46] 講座核心命題:解決「距離」不是買設備,而是設計「系統」
講者提出他的核心論點:「距離」是一個錯誤的系統需求。無線電傳輸是一場「機率遊戲」。沒有任何一個頻率能在任何特定時間保證達到特定的距離。可靠性來自於「系統設計」,而非單一設備。這是解決 IT 系統問題的邏輯:既然單一頻率或時間無法保證通訊,我們就必須設計出一套流程與計畫,來提高在緊急情況下成功通訊的機率。
[06:59] 物理與環境限制:鏈路預算、信噪比與太陽活動
講者解釋了幾個影響通訊的科學概念:
鏈路預算 (Link Budget):發送出的功率、傳輸過程中的損耗,以及接收端能解讀的剩餘功率。
信噪比 (Signal to Noise Ratio):接收端的環境噪音會直接影響接收能力。
[51:51] 播放預錄成功的JS8Call影片:由於現場大氣條件不佳或時間不對,現場展示沒有成功收到回應。講者隨後播放了先前在40米波段夜間成功錄製的通訊影片,影片中展示了他呼叫CQ(廣播尋找通訊對象)後,成功與他人建立文字對話,並分段接收與解碼對方的回應訊息。
[YouTube]hod_5BfIKhQ[/YouTube]作者: ofgmjnfdu 時間: 2026-9-17 03:33 Use Claude and ChatGPT with SDRangel
[00:02] 導入 MCP 伺服器與初步示範
影片開頭提到,有許多使用者反映 SDRangel 的學習曲線較為陡峭、上手不易。為了解決這個問題,開發團隊加入了一項全新的「MCP(Model Context Protocol)伺服器」功能。這項功能允許 SDRangel 透過像是 ChatGPT 和 Claude 這樣的大型語言模型來進行控制,進而協助自動化各項設定。影片首先進行了快速示範,讓 Claude 透過 RTL SDR 硬體來接收並播放 FM 廣播頻道。
[00:25] FM 廣播視覺化與 DAB 數位廣播切換
在接收 FM 廣播的過程中,使用者可以下達進階指令。例如要求 LLM 對頻譜畫面進行平滑化處理,並加上漸層色彩來優化顯示效果。接著,影片展示了如何命令 LLM 自動建立一個清單,列出當前所有能接收到的 FM 電台名稱,並將這些名稱作為註解直接標記在頻譜畫面上。隨後,測試者又下達指令,成功讓系統切換去收聽 DAB 數位廣播上的 BBC Radio 2。