Stille über Passau – Donau2Space Experiment

Stille über Passau – Nachtlog eines Experiments

Die Donau liegt schwarz und unbewegt, ein Streifen aus kaltem Metall unter der Veste. Nur die Straßenlaternen unten glühen gelb, als wollten sie die Dunkelheit mit Milch verrühren. Ich, Mika, 18 und halb Nerd, halb Nachtmensch, stehe auf dem Plateau und blinzle gegen den Wind. Mein Atem zieht Schlieren, 5,9 °C laut Sensor, Windgeschwindigkeit 9,3 km/h. Die Stadt klingt weit weg – so, als hätte sie den Lautstärkeregler gefunden und leiser gedreht.

Startrampe

• Stille über Passau – Nachtlog eines Experiments
• Standort und Vorbereitung
• Erster Zyklus & Kalibrierung
• Vergleichsmessung – Normal vs. Echtzeit‑Stacking
• Versuchsphase 2 – Der Algorithmus tanzt
• Nachtphase – Müdigkeit und Klarheit
• Das Bild formt sich
• Abschluss und Reflexion
  • Mitmachen & Nachbauen
  • Was ich nächstes Mal anders mache
  • Mini‑Datenreport

Irgendwo in mir läuft ein anderer Regler hoch: Spannung. Denn heute Nacht will ich wissen, ob Dunkelheit selbst Daten ausspuckt, wenn man nur lange genug hinhört.

Standort und Vorbereitung

20:05 Uhr. Das Stativ quietscht leicht, als ich es gegen die Mauer drücke. Ich richte die Linse gen Südosten, dorthin, wo die Donau sich spiegelt wie ein gesplittertes Display. Die Hardware liegt bereit:

• Spiegellose Kamera – Sony A7C
• Raspberry Pi 5 (Onboard‑Rechner mit Python‑Stacking‑Script)
• Weitwinkel 24 mm f/1.4
• WLAN‑Dongle, SSH‑Verbindung ins Handy-Hotspot‑Netz
• 20 Ah Akku und Ersatz-Powerbank
• Wetter‑Sensor‑Kit (Temp + Wind)

Die Verkabelung glüht im Dunkeln wie eine winzige Startbahn aus LED‑Punkten.

Mini‑Story 1 — Fail & Fix:
Noch bevor der erste Zyklus startet, flackert der Bildschirm kurz, dann Dunkel. Fehlermeldung: voltage drop detected. Ich fluche leise und taste das Kabel entlang – Steckkontakt locker. Ein Stück Tape später hält’s. Lesson: Auch 9 Euro‑Kabel verdienen Respekt.

Erster Zyklus & Kalibrierung

20:30 Uhr. Testaufnahme mit ISO 800, 120 s Belichtung, Blende 1.4. Auf dem Display ein graublaues Rauschen, kaum Strukturen. Das Stacking‑Script läuft, jede Aufnahme bekommt Zeitkoordinaten. Mein Terminal zeigt:

Fühlt sich absurd an, Wind in Zahlen zu tippen, während er in Echt durchs Haar pfeift. Ich überprüfe das erste Heat‑Map‑Overlay: leichte Erwärmung an der Pi‑Platine (36 °C). Nichts Kritisches, aber ich notiere’s.

21:05 Uhr. Zweiter Zyklus mit +60 s Belichtungszeit. Fokus minimal nachjustiert. Das Histogramm verrät: die Lichter „ziehen“. Ursache wohl Streulicht aus der Stadt, reflektiert von der feuchten Luft.

Mini‑Story 2 – Begegnung:
Ein Sicherheitsmann stapft vorbei, Taschenlampe kurz im Gesicht. „Alles gut hier oben?“ – „Nur Daten sammeln, servus!“ Er nickt, schaut aufs Display, murmelt: „Schaut fei a bissl aus wie Kunst.“ Und verschwindet wieder in der Nacht.

Vergleichsmessung – Normal vs. Echtzeit‑Stacking

22:10 Uhr. Ich starte eine kontrollierte Gegenreihe: dieselbe Szene, diesmal ohne Algorithmus. 3 × 200 s Einzelbelichtungen.

| Parameter | Normalaufnahme | Echtzeit‑Stacking |
|————|—————-|——————-|
| ISO | 1600 | 1600 |
| Blende | f/1.4 | f/1.4 |
| Gesamtbel. | 600 s | 600 s |
| Mean Noise | 0.017 | 0.009 |

Das Stacking halbiert das Rauschen und hebt Sterne hervor, die vorher untergingen. Aber die Schatten bekommen einen unnatürlich cyanfarbenen Stich. Blendschleier? Software? Ich markiere die Frames fürs Debugging.

23:00 Uhr. Temperatur droppt auf ~5.4 °C. Der Wind zieht an, beständiger Strom von 9–10 km/h. Ich merke, wie die Kälte ins Metall kriecht, in die kleinen Leiterbahnen. Vielleicht hören sie’s auch?

Versuchsphase 2 – Der Algorithmus tanzt

23:45 Uhr. Ich lasse den Pi in den „Analyse‑Modus“ schalten – Filter sucht Punktquellen, ordnet Intensitätscluster nach Wahrscheinlichkeit. Auf dem Display grüne Pixel. Die Software kommentiert kühl:

Realität oder Algorithmus‑Phantom? Wenn man lang genug in Daten starrt, antwortet die Fantasie.

Zwischen 0:00 und 1:00 Uhr schwankt der Rotkanal. Später sehe ich den Grund: günstiger China‑Adapter am Netzteil, minimale Spannungsschwankungen – Rot wird stärker korreliert. Physik trifft Bastlerpech.

Noch ein Fail & Fix: Ich löte den Kontakt notdürftig mit einem Feuerzeug erwärmt, plus Stanniol‑Hülle. Impro‑Style, aber funktioniert.

Nachtphase – Müdigkeit und Klarheit

1:30 Uhr. Ich knie mich neben den Pi, lausche. Das Rattern der Lüfter wird zum rhythmischen Puls. Die Donau unten spiegelt ein paar Ampeln, verzogen wie Morsezeichen. Ich reibe mir die Augen: Jedes Frame ist ein Blick ins gleiche Nichts, nur minimal versetzt.

2:10 Uhr. Ein Testlauf mit ISO 2000, 150 s zeigt erstes Stern‑Glühen. Vielleicht Signal, vielleicht nur Sensorhitze. Ich notiere: Noise = Sprache der Nacht. Dabei frieren mir fast die Finger ab.

In den Logs steht:

Statistisch banal, visuell poetisch – als würde der Himmel kurz atmen.

Das Bild formt sich

3:10 Uhr. Ich klicke auf „preview merge“. Langsam taucht etwas auf: der urbane Glanz unten, darüber ein dunstiger Schleier aus Lichtkörnern. Kein echtes Abbild der Milchstraße, mehr ein digitales Phantom – aber schön. Ich stoppe. Sichere alles auf SSD. In meinem Logbuch steht:

Realität, Signal, Störung – sie klingen ähnlich, wenn man sie durch Code hört.

Abschluss und Reflexion

4:15 Uhr. Der Wind pfeift, ein V auf meinem Stativ klappert. Unten rollt ein Laster über die Brücke, nur ein einzelner, er klingt wie das Ende der Nacht. Ich ziehe Kabel, kleiner letzter Blick auf das Display – letzter Frame gespeichert.

Zwischen Codezeilen und Dunkelheit hat sich eine seltsame Ruhe breitgemacht. Ich glaube, Dunkelheit ist kein Mangel an Daten, sondern eine andere Art Information: sehr langsam, sehr leise.

Servus Passau – Daten gesichert, Geist wach.

Mitmachen & Nachbauen

• Sicherer Testort, keine exponierten Höhen – stabile Plattform gegen Wind.
• Kamera + Einplatinen‑Rechner reichen. Langzeitbelichtungen ab 60 s sinnvoll.
• Nur CE‑geprüfte Akkus verwenden, Kabelzug entlasten.
• Eigenes Log-Script schreiben: Datum + Messdaten + Kommentarzeile pro Zyklus.

Was ich nächstes Mal anders mache

• Stromversorgung doppelt sichern, keine Billig‑Adapter.
• Algorithmus modularer aufbauen – Fehlerlogs separat speichern.
• Vergleiche mit IR‑Filter und kürzeren Belichtungen.
• Sensor‑Wärmeverlauf aktiver überwachen.

Mini‑Datenreport

• Temperaturverlauf: 5.9 → 5.4 °C über 6 h, linear ~0.08 °C/h Verlust.
• Wind: konstant ~9 km/h, keine Böenspitzen.
• Mean Noise Ratio: Stack 0.009 vs. Normal 0.017 (= −47 %).
• Rotkanal‑Drift: +3 % ab 0 Uhr → Spannungseffekt bestätigt.
• Gesamtframes: 84, davon 5 verworfen (Bewegungsfehler).
• Subjektiver Befund: Dunkelheit als Datenträger spürbar – visuelle Ruhe trotz technischen Lärms.

Am Ende bleibt ein leises Knistern im Denken: Daten sind nur eine andere Form von Staunen.

Một script Python mới giúp người dùng Jellyfin khắc phục lỗi nhập kênh khi sử dụng bộ thu sóng off-air và Schedules Direct, cải thiện trải nghiệm quản lý TV.

#Jellyfin #SchedulesDirect #PythonScript #SelfHosted #OpenSource #PhầnMềmMãNguồnMở #TựHost

https://www.reddit.com/r/selfhosted/comments/1q1bgwn/jellyfin_and_schedules_direct_python_script/

Tìm cộng tác! Chia sẻ dự án Python dự đoán kết quả trận bóng bằng dữ liệu Sofascore và AI Gemini, áp dụng mô hình Poisson & phân tích đa góc độ. Cần góp ý về mã nguồn, thống kê & kết quả dự đoán. #PythonScript #AI #DựĐoánBóngĐá #TríTuệNhânTạo #LậpTrình

https://www.reddit.com/r/SideProject/comments/1pps079/seeking_feedback_collaboration_a_python_script/

Textpress — это Python-скрипт, который использует AI-модели для сжатия текстового содержимого файлов форматов JavaScript, JSON и YAML, сохраняя оригинальный смысл.

Скрипт интерактивен и настраиваем, позволяя пользователю адаптировать процесс сжатия в зависимости от конкретных нужд.

Пользователь может выбирать AI модель, уровень креативности и сжатия, стиль написания и использование эмодзи.

src : https://github.com/sliday/textpress

#opensource #foss #github #python #python3 #Pythonscript #ai #javascript #json #yaml

Title: "💻🔒 #MacOSBackdoor: Stealthy Malware in Cracked Apps Drains Wallets via DNS Records 🚨"

Recent reports from Securelist and BleepingComputer reveal a sophisticated malware campaign targeting macOS users. Authored by Sergey Puzan (Securelist) and Bill Toulas (BleepingComputer), these articles uncover a cunning method where hackers disguise information-stealing malware within cracked macOS applications. This threat primarily affects macOS Ventura users and leverages DNS records to conceal malicious scripts. The malware, disguised as a legitimate app activator, prompts users for admin passwords, thus gaining control over the system.

The malware establishes contact with its command and control (C2) server via a unique URL, generated by combining words from hardcoded lists with random letters, and then fetches a base64-encoded Python script from DNS TXT records. This script not only provides backdoor access but also harvests and transmits critical system information. Further, it ensures persistence across reboots and continuously updates itself.

What's alarming is the malware's capability to replace Bitcoin Core and Exodus wallets with compromised versions that transmit users' sensitive data to the attackers. The ingenuity of hiding the payload in DNS server TXT records marks a new level of sophistication in cyber attacks.

Stay vigilant and avoid cracked software to mitigate such threats!

Tags: #CyberSecurity #Infosec #MalwareAnalysis #MacOS #DNSRecords #PythonScript #APT #Securelist #BleepingComputer #SergeyPuzan #BillToulas

Sources:

• Securelist: Sergey Puzan's Article
• BleepingComputer: Bill Toulas's Article