Soft & Share 開源報報 061

Contents

這是 Soft & Share 為訂閱會員所推出的服務，小編週一到週五會每天整理一篇開源專案的摘要說明整理（中午 12 點前會發佈在 Soft & Share 網站 ) ，讓你可以利用中午休息時間快速掌握目前開源專案的焦點。( 之前出版的開源報報 )

學習資源

關於電腦運算 ( Computing ) 的 100 個想法

https://github.com/samsquire/ideas

收集了許多電腦資訊的許多可能性想法，例如

電子郵件元資料 ( Email Metadata )，電子郵件格式如果有支援 metadat 則可以

從一個介面訂閱和取消訂閱電子郵件新聞資訊
獲得產品何時發貨和何時發貨的通知
收到發票嗎? 它被新增到你的會計軟體
獲得跨平台的桌面和行動通知，適合你所在的裝置
建立複雜的規則來應對不同的情況
當有人回覆你的論壇或部落格發文時，你就會收到通知
收到你買了什麼，花了多少錢的通知
允許使用服務? 新增到你的私人鑰匙圈裡
收到客戶服務票據的回覆？它被新增到在你所有其他與公司的互動中你的個人供應商關係介面

這個專案裡面提出許多對於目前的資訊服務的一些想法，可以把它當作是一種想像力的練習，和創意的來源

我們用了 e-mail 這麼久，看到目前的功能都屬於理所當然，e-mail 還有其它的創新嗎? ( 這個思考練習我在站長成長週報 010 – 成為發現問題與定義問題的人才介紹的一本書發現問題思考法有提到 )

工具

Vimium – 駭客的瀏覽器

https://github.com/philc/vimium

Vimium 是一個 Chrome 擴充套件，本著 Vim 編輯器的精神，提供基於鍵盤的網頁瀏覽和控制。

一個針對命令列工具愛好者的終端框架、外掛和資源的精選列表

https://github.com/k4m4/terminals-are-sexy

收集了許多命令列工具的資訊，包含 Mac/Linux/Windows 平台

fontpreview – 字型檔預覽器

https://github.com/sdushantha/fontpreview

fontpreview 是一個命令列工具，可以讓你快速搜尋安裝在機器上的字型並預覽它們。使用 fzf 提供了模糊搜尋功能，用 imagemagick 生成預覽，然後使用 sxiv 顯示。這個工具是高度可客製化的，幾乎所有在這個工具的變數可以使用改變使用命令列 flags 或是你可以配置他們使用環境變數。

使用 UDP 和廣播位址來傳送檔案

https://github.com/gistrec/File-Broadcaster

這是一個 UDP 檔案發送和接收器，可以使用廣播位址來發送檔案

Contextualise – 管理你的知識

https://github.com/brettkromkamp/contextualise

Contextualise 是一個簡單而靈活的工具，特別適合組織資訊密集的專案和活動，包括非結構化和廣泛多樣化的資料和資訊資源-想想調查報導，個人和專業的研究專案，word building (書籍，電影或電腦遊戲)和許多種類的愛好。

這個專案使用了一種圖形資料庫是建立在 PostgreSQL 之上 – TopicDB

支援相關主題關聯

還可以看 3D 圖形檔

BlenderGIS – 讓 Blender 連接地理資訊的外掛

https://github.com/domlysz/BlenderGIS

直接在 Blender 中顯示類似 OpenStreetMap 的網路地圖服務

可從 SRTM 獲得地形地貌資料

Voila – 將 Jupyter notebooks 轉換成獨立的 Web 應用程式

https://github.com/voila-dashboards/voila

與通常使用 html 轉換的 notebook 不同，每個連接 voil tornado 應用程式的使用者都會獲得一個專用的 Jupyter 核心，可以執行對 Jupyter 互動 widget 更改的 callback 。

Web 應用程式開發

使用 Google Map 地方/地址自動完成的 React Hook

https://github.com/wellyshen/use-places-autocomplete

這個 React Hook 使用 Google Maps Places API

資料科學

基於微群集( Microcluster )的邊緣資訊流異常檢測器

https://github.com/bhatiasiddharth/MIDAS

在無數的系統中，圖形異常檢測是發現可疑行為的關鍵問題，比如入侵檢測、虛假評級和金融欺詐。這是一個研究得很好的問題，大多數提出的方法都集中在靜態圖上。然而，許多真實世界的圖形本質上是動態的，基於靜態連線的方法可能會忽略圖形的時間特徵和異常。

在研究動態圖的方法中，大多數都是將邊聚( edges aggregated )成圖形快照。然而，為了儘量減少惡意行為的影響並儘快開始恢復，我們需要即時或接近即時地檢測異常情況，也就是說，一旦接收到一個傳入的邊緣是否異常，就要立即識別它。此外，由於頂點的數量可以增加，因為我們處理的邊緣資訊流，我們需要一個演算法，使用恆定的圖記憶體大小。此外，許多應用程式中的欺詐或異常事件發生在微群集( microclusters )或突然出現的邊緣可疑的群組中，例如網路流量資料中的分散式拒絕服務攻擊( denial of service )和鎖步( lockstep )行為。

在這項工作中，我們提出了 MIDAS (基於微簇的邊緣資訊流異常檢測器的簡稱) ，它利用固定的時間和記憶體來檢測邊緣資訊流中的微群集( microcluster )異常或突然出現的可疑相似邊緣組。此外，通過使用一個原則性的假設檢驗框架，MIDAS 提供了假陽性機率的理論界，這是以前的方法所不能提供的。而且，我們的精確度比最先進的方法快了644倍，達到了48% 。

請參考論文 – MIDAS:Microcluster-Based Detector of Anomalies in Edge Streams