刷算力脚本

㈠ 如果将比特币、山寨币网络里的挖矿机都拿来跑 BOINC，能为 BOINC 网络提高多少算力

这个问题有意思～
但是挖矿的人你觉得他还会来支援计算吗？
挖矿机貌似都有GPU加速那些，对计算肯定帮助很大～
曾经对比过单CPU，和GPU+CPU运算同个项目，GPU的刷刷就完成了，但是发热厉害……

㈡ 显卡是不是可以刷BIOS提升挖矿的算力

用RadeonBIOSEditor来刷。可以提高核心电压核心频率显存频率等。不过刷了后可能不稳定万一刷不好的话可能造就砖卡。一般不追求极致性能的还是别刷了3850还是不错的

㈢ 怎么判断手机是否被挖矿

其实不难，我们日常使用手机的时候都会有一些后台应用，这些应用往往在重启后就会被“杀死”。但是如果手机被黑客入侵后，在重启后，手机会再度进入高负荷状态，往往系统运行内存会被迅速使用殆尽，所以如果手机出现无端卡顿、发热、死机，那就有可能是被挖。

可能用手机“挖矿”还没挖到加密货币，黑客就把信息都给窃取了。人们不仅会遇到手机卡顿、发热甚至死机等问题，还有可能遭遇其他的资金损失。

而且，值得警惕的是，有些手机挖矿APP打着“挖矿”的名义，却让用户投入资金并不断发展下线。

㈣ 显卡是不是可以刷BIOS提升挖矿的算力

是有这种操作，所谓刷BIOS只是适用于部分显卡，不是所有显卡。有一些显卡，制造商出升级型显卡，比如hd5750和hd6750就是提升了GPU频率，少量增加了就处理器，但核心GPU是一样的，这时候可以通过刷BIOS将5750刷成伪6750提高一点性能。这种技术类似于超频。但成功率不是100%。

㈤ 588显卡挖ETH为什么才16mh算力

全新588显卡需要超频提高算力，AMD显卡都是刷修改好参数的BIOS来达到超频的目的

㈥ 请问现在市面上出现的算力猫收款码怎么申请资金安全吗

算力猫是杭州一家公司做的，他们没有支付牌照，通过对接第三方有支付牌照的一个叫乐刷的支付公司做的，所以资金是安全，是受央行监管的。
申请可以关注他们的vw公众算力猫里面应该有教程，也可以咨询他们客服，都有人在线帮你解决问题的

㈦ 为什么python不可加密

可以加密。 python 代码加密甚至可以做到比用汇编手写混淆，用 c 手写混淆更加难以解密。具体做法略复杂仅简单说个过程。

第一级别是源码级别的混淆，用 ast 和 astor ，再自己手写一个混淆器，三五百行的脚本直接混淆到几万行，整个文件面目全非，基本可以做到就算直接放脚本给你拿去逆，除非你再写出来一个逆向前面的混淆算法的脚本来逆（在熟悉 python 的情况下需要花几天，且不说需要了解程序构造原理），手动去调试脚本几乎达到不可行的地步（话费时间再乘以 2 ）

第二级别是个性化定制 pyinstaller ， pyinstaller 会打包所有需要的库，将脚本也包含进打包的 exe ，但是， pyinstaller 有一个 stub ，相当于一个启动器，需要由这个启动器来解密脚本和导入模块，外面有直接导出脚本的工具，但是那是针对 pyinstaller 自带的启动器做的，完全可以自己修改这个启动器再编译，这样逆向者就必须手动调试找到 main 模块。配合第一级别加密，呵呵，中国就算是最顶尖的逆向专家也要花个一两周，来破解我们的程序逻辑了，就我所知，实际上国内对于 py 程序的逆向研究不多。

第三级别是再上一层，将 py 翻译为 c 再直接编译 c 为 dll ，配合第一阶段先混淆再转 c 再编译，在第一步混淆之后，会产生非常多垃圾（中间层）函数，这些中间层函数在 c 这里会和 py 解释器互相调用，脚本和二进制之间交叉运行，本身混淆之后的源码就极难复原，再混合这一层，想逆向，难。

第四级别是利用 py 的动态特性，绝大多数逆向者都是 c ，汇编出身，对于程序的第一直觉就是，程序就是一条一条的指令，后一条指令必然在这一条指令后面，然而， py 的动态特性可以让代码逻辑根本就不在程序里面，这一点不想多讲，涉及到我一个项目里的深度加密。

第五级别，数学做墙。了解过比特币原理的知道要想用挖比特币就得提供大量算力去帮网络计算 hash ，这个成为 pow ，那么既然已经采用 py 了估计已经不考虑太多 cpu 利用率了，那就可以采用 pow （还有其他的手段）确保程序运行时拥有大量算力，如果程序被单步调试，呵呵，一秒钟你也跑不出来几个 hash 直接拉黑这个 ip （这个说法可能比较难理解，因为我第四层的加密没有说明，不过意思就是拒绝执行就对了）

㈧ 给人工智能提供算力的芯片有哪些类型

给人工智能提供算力的芯片类型有gpu、fpga和ASIC等。

GPU，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器，与CU类似，只不过GPU是专为执行复杂的数学和几何计算而设计的，这些计算是图形渲染所必需的。

FPGA能完成任何数字器件的功能的芯片，甚至是高性能CPU都可以用FPGA来实现。 Intel在2015年以161亿美元收购了FPGA龙 Alter头，其目的之一也是看中FPGA的专用计算能力在未来人工智能领域的发展。

ASIC是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。严格意义上来讲，ASIC是一种专用芯片，与传统的通用芯片有一定的差异。是为了某种特定的需求而专门定制的芯片。谷歌最近曝光的专用于人工智能深度学习计算的TPU其实也是一款ASIC。

(8)刷算力脚本扩展阅读：

芯片又叫集成电路，按照功能不同可分为很多种，有负责电源电压输出控制的，有负责音频视频处理的，还有负责复杂运算处理的。算法必须借助芯片才能够运行，而由于各个芯片在不同场景的计算能力不同，算法的处理速度、能耗也就不同在人工智能市场高速发展的今天，人们都在寻找更能让深度学习算法更快速、更低能耗执行的芯片。