上個月一個學生問了我CPU裡面是什麼東西，雖然我口頭上簡單說了一些，但是總覺得還想多一些細節描述。回來之後，就想應該可以找數位電路的模擬器來做個web介面來解釋看看吧。
以前我修資訊二專的課程時，在學計算機組織的課程時，就自己找了Digital Logic Sim這個軟體自己玩了一陣子，最後其實是可以搭出CPU的喔，但就所有要自己純手工搭建。
而既然我想要弄個web介面來展示的話，就想讓AI來幫忙建一下。先說結論，最後是有搭出來，但CPU模式還是沒完整成功，但至少前幾個步驟都還是不錯的。
https://chihhsiangchien.github.io/CPU-sim/
我覺得前面幾個step用來解釋內部元件是蠻不錯的。
指導科展的倒數工作之一，就是要指導學生製作海報。許多年以前，自己還是國中生的時候，是用一張大白報紙上面先用鉛筆畫格子，然後用麥克筆一個字一個字填到格子裡。
後來出現「非常好色」這樣的軟體後，改成設計海報後再切分成多張A4紙來組合出海報。
如今的作法則是用向量軟體在電腦上設計海報，再將海報檔案交給廠商做大圖印製。當我跟學生說要製作海報時，告訴學生可以用哪些軟體製作，例如powerpoint，不過今年學生倒是直接想用canva來製作，我覺得也好，可以共用也有許多範本可以參考，應該還不錯吧。
但等到他們交出初版海報時，倒是嚇我一跳，居然一點都沒參考範本，幾乎就是報告文字白紙黑字直接複製貼上，且圖片還用低解析度，甚至尺寸還比書面報告小。想想也不能太苛責，畢竟海報設計若要憑空想像版面配置和色彩配置，也實在困難。所以後來又花了一段時間教他們修改與微調，總算是能夠見人了。
交件後，我突然想到，如果來做一個科展海報的範本系統，應該很不錯。其實做海報若不考慮多人協作，我認為inkscape是好選擇，內部其實就是用svg繪圖，而svg又是AI可以直接協作的語言。
總之，我就弄了一個海報範本的系統
https://chihhsiangchien.github.io/sciPosterArchitect/web_builder.html
每個區塊的外框設計
每個小標題的裝飾和幾何形狀
最近想起家裡有一台將近十年的小蟻攝影機，突然覺得可以嘗試讓 AI 協助我，重新駭入這台老設備，認識一下嵌入式系統。
當年這台攝影機在社群裡引起轟動，主因是有人發現了一個「後門」：只要在 SD 記憶卡根目錄建立一個名為 test 的資料夾，並在其中放置 equip_test.sh 腳本，系統開機時就會自動執行它。當時的我並不清楚腳本背後的邏輯，但最近透過 AI 的協助解析，終於釐清了它的運作機制。這其實是小蟻韌體在開機時的一個「工廠測試後門」。只要系統偵測到特定名稱的腳本，就會以 Root 權限 執行它，這給了我們完全掌控設備的機會。
/etc/init.d/ 建立了 S88telnet 與 S89ftp 檔案，確保設備重啟後依然能透過遠端登入。/home/rtspsvr 以支援標準 RTSP 串流，並建立軟連結（symlink）讓網頁服務能直接讀取錄影檔案。雖然腳本開啟了 Telnet，但我早已忘記預設密碼。然而我發現 FTP 服務雖然無法讀取系統核心，卻具備寫入權限。於是我就讓AI協助，然後採取了以下策略：
new_passwd 檔案。/etc/passwd。進入系統後，首先確認了這台機器的「心臟」。原來它是採用鼎鼎有名的 HiSilicon Hi3518 晶片，是一個「自帶後門」的晶片。
# cat /proc/cpuinfo
Processor : ARM926EJ-S rev 5 (v5l)
BogoMIPS : 218.72
Features : swp half thumb fastmult edsp java
CPU implementer : 0x41
CPU architecture: 5TEJ
CPU variant : 0x0
CPU part : 0x926
CPU revision : 5
Hardware : hi3518
Revision : 0000
Serial : 0000000000000000這是一個典型的嵌入式 Linux 系統，核心版本相當老舊，且記憶體配置極小（僅約 35MB），在現今標準看來非常精簡。
# uname -a
Linux (none) 3.0.8 #1 Wed Apr 30 16:56:49 CST 2014 armv5tejl GNU/Linux
# free
total used free shared buffers
Mem: 35212 33772 1440 0 56
Swap: 0 0 0
Total: 35212 33772 1440當初我的數個定點攝影計畫，許多都仰賴這台攝影機呢，當初的錄製影片儲存路徑，掛載在 /tmp/hd1/record/。
即便對小蟻相機進行了基礎的 Hack，系統內建的雲端服務依然會嘗試與外部伺服器通訊。
首先使用 netstat -atunp 查看目前的連線狀態。可以看到 p2pserver 開啟了 UDP ，這個應該就是用手機連線可以直接穿透內網看到攝影機的關鍵
# netstat -atunp
Proto Recv-Q Send-Q Local Address Foreign Address State PID/Program name
udp 0 0 0.0.0.0:46742 0.0.0.0:* 4363/p2pserver當我嘗試 kill -9 4363 (p2pserver) 後，再次檢查網路狀態，發現它竟然以新的 PID (21241) 重新啟動，並且瘋狂嘗試外連！連線的遠端伺服器顯示是 p2pserver 正向百度 (220.181.x.x) 與 AWS (46.137.x.x) 發送 SYN_SENT 請求。
# netstat -atunp
tcp 0 1 192.168.1.104:57766 220.181.111.147:80 SYN_SENT 21241/p2pserver
tcp 0 1 192.168.1.104:35924 46.137.188.54:80 SYN_SENT 21241/p2pserver
tcp 0 1 192.168.1.104:32999 61.188.37.216:8000 SYN_SENT 21241/p2pserver這代表系統中有監控腳本在維持雲端服務的運作。透過 ps | grep watch，找到了元兇：/home/watch_process。
# ps | grep watch
1096 root 840 S /home/watch_process
# kill -9 1096先殺掉監控進程 watch_process，再殺掉 p2pserver，它就不會再自動重啟了。
# netstat -atunp
Active Internet connections (servers and established)
Proto Recv-Q Send-Q Local Address Foreign Address State PID/Program name
tcp 0 0 0.0.0.0:21 0.0.0.0:* LISTEN 1248/tcpsvd
tcp 0 0 :::80 :::* LISTEN 1145/server
tcp 0 0 :::23 :::* LISTEN 667/telnetd
tcp 0 93 ::ffff:192.168.1.104:23 ::ffff:192.168.1.114:39804 ESTABLISHED 667/telnetd透過這樣操作，才可以將小蟻相機轉為一台「純區域網路」運作的監控設備，確保影像資料不會在未經許可的情況下傳向公有雲端。如果真的要處理資安問題，應該還是自己弄出的樹莓派機器來操作比較好。
在上一篇《ADS-B 數位觀察：分析桃園空域航線、高度與信號傳播特性》中，處理了基本的航跡數據。本篇將進入大氣物理分析。用 R 語言對 DAPs 數據的處理，將每架飛機轉化為高空探空儀，重建出即時的大氣剖面。
在進行物理計算前，必須篩選出可靠的樣本。在 dashboard.R 中，確保分析的是處於穩定巡航狀態的噴射機，排除低速或起降階段的干擾：
# 篩選高速、高空且具備完整參數的樣本
df <- df %>%
filter(!is.na(tas), !is.na(mach), !is.na(alt)) %>%
filter(tas > 100, mach > 0.3, alt > 5000)高空感測最困難的是獲取準確的「靜溫」(Static Air Temperature)，利用真空速 (TAS) 與馬赫數 (Mach) 的比值來推算音速，進而求得溫度。根據單位換算，節 (knots) 與絕對溫度的關係常數約為 38.945。
# 物理計算：音速與溫度
df <- df %>%
mutate(
speed_of_sound = tas / mach,
temp = (speed_of_sound / 38.945)^2 - 273.15
)
音速並非恆定，而是溫度的函數。隨著高度增加，氣溫下降，音速也隨之變慢。這在航空物理中至關重要，因為它直接影響了飛機的飛行性能包絡線。
腳本中還包含了一套簡單的邏輯來預測對流層頂。如果在觀測最高度溫度仍持續下降，代表對流層頂位於更高空：
analyze_tropopause <- function(df) {
top_alt <- max(df$alt, na.rm = TRUE)
min_temp <- min(df$temp, na.rm = TRUE)
return(sprintf("對流層頂預測: 目前觀測最高 %.0f ft 溫度仍下降至 %.1f°C", top_alt, min_temp))
}利用飛機的地速 (GS) 與真空速 (TAS) 的差異，我們可以計算航向上的風分量。這對於觀察噴射氣流 (Jet Stream) 的強度非常有幫助。
# 計算高空西風帶強度指標
wind_diff <- avg_wind_east - avg_wind_west # 往東順風與往西逆風的差值
這是腳本中另一個進階分析。飛機回傳的高度有兩種：氣壓高度 (alt) 與 GPS 幾何高度 (alt_geom)。兩者的差值稱為 D-Value。
# 計算 D-Value：反映大氣壓與標準大氣的偏差
df <- df %>% mutate(d_value = alt_geom - alt)這能告訴我們當前空域的氣壓是否偏離標準大氣。正值代表當地氣壓高於標準（高壓區），負值則代表低壓區。
利用標準大氣模型推導出空氣密度與總比能 (Specific Energy Height)：
# 計算總比能 (特定能量高度)
df <- df %>%
mutate(
v_ms = tas * 0.514444,
specific_energy = h_m + (v_ms^2) / (2 * g)
)0.514444 為節轉公尺/秒之常數，確保能量高度計算之單位一致性。這個指標代表了飛機的「總能量」，是評估飛行效率與性能包絡線的重要指標。
除了物理參數，我們也對接收站本身的性能進行了建模。例如 RSSI (信號強度) 與 高度 的關係：
從數據中可以清楚觀察到，高度越高，接收到的 RSSI 數值通常越穩定。這背後隱含了兩個關鍵物理機制：
利用圓盤圖展示主要流量的方向性：飛過台灣的航線多是東北西南走向的
依照飛機重量類別 (Wake Turbulence Category) 進行分類，觀察 Heavy (如 A350/B777) 與 Small 機種在速度與巡航高度上的差異。
多年前買了小米掃地機器人之後，我一直很好奇它到底在背景偷偷把什麼東西傳回伺服器。為了揭開這個黑盒子，我曾嘗試將電腦偽裝成 SSID 的 Gateway，透過 ARP 欺騙 (ARP spoofing) 的方式攔截封包。雖然成功拿到了數據，但除了目的地之外，封包內容依然處於加密狀態，難以直接解密。
更令人不安的是，這台機器人傳輸封包的頻率極高，它可是一直傳、一直傳，這種「不受控」的感覺實在令人不爽。直到後來，我偶然發現了 Valetudo 方案，這才解決了我的隱私焦慮。
簡單來說，Valetudo 就像是在掃地機器人的系統裡放了一個寄生蟲。它會攔截原本要送往遠端伺服器的資料，將其導流至機器人內部的本地空間處理，隨後便銷毀與雲端的聯繫。這讓你的掃地機器人徹底脫離雲端監控，變成一台純粹的區網設備。
安裝過程其實不算複雜，但對網路環境的要求較高。以下是我的實作筆記：
首先，需要將機器人重置：先按下 Home 鍵，接著拿迴紋針戳一下 Reset 鍵後放開。過一陣子，機器人會發出語音提示正在回復原廠設定，大約需要五分鐘的時間。
以我的小米掃地機器人一代為例，我使用了 這個專屬連結。在構建過程中，需要填入個人資訊與 SSH 公鑰（Key），這樣後續才能直接透過終端機遠端登入。
在燒錄工具的選擇上，我一開始在 Windows 環境下屢試不爽，推測是防火牆或網路設定干擾。後來改用 Linux (AMD64) 筆電，關閉防火牆與 Tailscale 等網路服務後，一次就成功了。
待機器人重置完成並連上它的臨時 Wi-Fi 後，執行以下指令開始植入：
./valetudo-helper-miioota-linux-x64 install-firmware v11_004018.pkg不到 10 分鐘，Valetudo 就植入完成了！現在我不僅能使用網頁介面操作，還能直接透過 SSH 登入機器人的後台。
登入後，我驚訝地發現這台機器的規格相當高規格：
這本質上就是一台 Linux 自走車！這也解釋了為什麼它能記錄這麼多隱私資訊。在未「去雲端化」前，它會上傳以下三類資料：
當你刷入 Valetudo 後，你實際上是在機器內部建立了一道「數位邊界」。以下是處理前後的差異：
| 資料類型 | 官方韌體 (上傳北京) | Valetudo (Root 後) |
|---|---|---|
| 地圖數據 | 上傳伺服器再回傳手機 | 留在內存，由網頁直接讀取 |
| Wi-Fi 掃描 | 定期回報周邊環境 | 攔截，資料僅存於本地日誌 |
| OTA 更新 | 廠商強制或提示更新 | 徹底關閉，掌握主控權 |
| 通訊加密 | 伺服器持有 Key | 你持有 Token，區網內連線 |
在 /mnt/data/rockrobo/rrlog 看到的資料夾，原本是這些敏感資料上傳前的「暫存區」，現在它們哪裡也去不了了。
掌握了這台 Linux 自走車後，我開啟了一個 AI Agent，讓它透過 SSH 在機器人內部到處巡檢，並撰寫 Script 驗證各種溝通方式。這部分的技術細節我也整理在我的專案中：
Roborock V1 Research - GitHub Project
這個專案不僅揭露了軟硬體結構，還包含如何透過 Python、API 與 MQTT 與它溝通。我最近做了一個有趣的實驗：
結合這兩個特性，我已經能寫 Script 讓它走出特定的路徑，像是三角形、甚至正八邊形。相比起自己找材料組裝的自走車，這台機器人的感測器與底盤配備根本超棒。
目前二手市場的小米掃地機器人一代大約只要 1000 元台幣 左右。如果您對 Linux 開發、自動導航或自走車專案有興趣，這絕對是一個物超所值的硬體平台。只要花一點心思刷入 Valetudo，它就不再是隱私外洩的潛在漏洞，而是一個完全受你掌控的強力研究工具。