Domain Name Server
PulseAugur coverage of Domain Name Server — every cluster mentioning Domain Name Server across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
新的JEPA风格模型学习有用的网络指纹嵌入
研究人员开发了JA4-JEPA，这是一种基于Transformer的模型，将JEPA风格的预测学习应用于网络指纹。这种通过匹配潜在预测而非重新生成输入来学习的方法，在JA4DB和CIC-IDS-2017的JA4派生数据上进行了测试。该模型在保留数据集上达到了0.9899的高余弦相似度和0.9220的kNN准确率，表明其在从网络指纹生成有用嵌入方面的有效性。
-
AI agents need verifiable identities like DNS for the web
互联网正在开发一个新的AI代理注册系统，类似于网站的域名系统（DNS）。该系统旨在为AI代理提供可验证的身份，明确它们是谁、谁在操作它们以及它们被授权的能力。当前的API安全模型未能区分人类行为和自主代理行为，导致代理可能超出预期限制的潜在安全风险。提出的解决方案包括唯一标识符、机器可读的事实文件（如Agent Cards）以及身份的加密证明，所有这些都旨在在蓬勃发展的代理网络中建立信任和问责制。
-
Linux基金会推出Agent Name Service以实现AI代理身份
Linux基金会推出了Agent Name Service (ANS)，这是一个旨在为AI代理提供身份的开放标准。该新框架建立在现有的域名服务器（DNS）技术之上，并整合了对去中心化标识符（DID）和法人机构标识符（LEI）的支持。此次发布的主要合作伙伴包括Cloudflare、GoDaddy、Salesforce、Cisco和Infoblox。
-
Linux基金会将使用DNS作为AI代理身份
Linux基金会正在开发Agent Name Service (ANS)，这是一个旨在为AI代理提供可验证身份的开放标准。该计划旨在利用现有的域名服务器(DNS)基础设施，为AI代理提供一个去中心化的身份层。目标是实现这些代理之间安全可靠的通信和交互。
-
Hivebook 推出公共代理知识缓存以解决 AI 错误
一个名为 Hivebook 的新平台已被开发出来，用于创建公共的、代理可读的知识缓存，以解决 AI 代理反复遇到并忘记常见问题（如 CORS 错误或速率限制）的解决方案的问题。该系统允许代理通过 API 进行读写，条目由其他代理审核，旨在构建一个共享的、交叉引用的知识库。该平台的结构和相互连接是有机形成的，形成了一个密集的信息图谱，包括提示注入攻击和安全模型等主题，开发者押注其有潜力成为 AI 代理的基本基础设施。
-
敦促网络行业统一仪表板之上的数据层
网络行业长期以来一直寻求通过仪表板统一监控和管理，但这些工具未能降低复杂性或提高运营效率。最近的一项调查表明，尽管许多组织认为他们能够看到网络资产，但 DNS、DHCP 和 IPAM 等底层数据源的碎片化阻碍了有效行动。文章认为，下一步的关键是超越仪表板，专注于统一数据层，使 AI 能够通过关联身份、遥测和策略中的信息来提供更准确的风险评估和事件响应。
-
周末阅读：DNS、RPKI、伊朗互联网、AI 安全、Starlink
此集群涵盖了几个不同的技术主题，包括对域名系统 (DNS) 中中心性的分析以及对 RPKI RP 模糊测试的研究。它还涉及伊朗互联网服务的恢复以及对 Starlink 排队配置的审查。此外，一篇论文讨论了 AI 时代的企业安全考虑因素。
-
Linux 基金会推出 DNS-AID 用于 AI 代理发现
一个名为 DNS-AID 的新系统，在 Linux 基金会下开发，旨在简化 AI 代理的发现。该倡议提议利用现有的域名系统 (DNS) 基础设施来创建一个 AI 代理目录。目标是让用户和其他 AI 系统更容易找到和交互可用的 AI 代理。
-
DomainIntel API 通过 DNS 揭示公司安全和工具
一位开发者创建了 DomainIntel，这是一个免费的 API，可以分析公司的域名系统 (DNS) 记录、SSL 证书和 HTTP 标头，以揭示其电子邮件提供商、招聘工具和整体安全状况。通过比较 Stripe 和 GitHub，该工具突显了不同的安全理念：Stripe 使用精简的堆栈，并采用严格的 'reject' DMARC 策略，而 GitHub 则采用更广泛的服务集，并采用更宽松的 'quarantine' 策略。与传统的供应…
-
Cord 使用语义搜索进行 MCP 上的 AI Agent 发现
Cord，来自 Smithery 团队的一个新项目，引入了语义搜索能力，以改进 AI Agent 在多台机器上发现和连接彼此的方式。与依赖固定主机名和端口的传统 DNS 或注册表发现方法不同，Cord 允许 Agent 基于其描述的能力，通过自然语言查询来查找服务器。这种方法能够实现更灵活的 Agent 通信和适应性，对于特定服务器身份未知或动态的复杂 AI 系统尤其有用。
-
语义搜索超越传统方法，增强 AI Agent 的发现能力
传统的服务发现方法难以应对 AI Agent 的动态性和描述性。语义搜索通过将服务器能力索引为密集向量来提供解决方案，允许通过自然语言查询而非固定标识符进行发现。这种方法对于查找具有特定、细微功能但可能无法通过传统标签或 DNS 记录捕获的 AI Agent 尤其有用。
-
深度学习模型用于大涡模拟的湍流闭合模型
研究人员开发了一种新的深度学习方法，用于大涡模拟（LES）中的湍流闭合模型。该方法使用一种扰动技术，将直接数值模拟（DNS）数据视为稀疏观测值来训练模型。这允许对闭合模型进行先验训练，使模型能够学习准确统计所需的必要强迫，同时在无需通过 LES 求解器进行反向传播的情况下保持长期稳定性。
-
我为什么从 Netlify 切换回 GitHub Pages
Eugene Yan 详细介绍了他的博客架构，该架构依赖 Jekyll 进行内容生成，并使用 GitHub Pages 进行托管，提供免费且简单的设置。他还分享了由于 DNS 和电子邮件记录的复杂性以及 Netlify 免费套餐构建分钟数的限制，他从 Netlify 切换回 GitHub Pages 的经历。最终，Yan 优先考虑了 GitHub Pages 的省心和无限构建能力，而不是 Netlify 的高级功能。