​远程过程调用（RPC）是 Apache TVM 中非常重要和有用的功能，它允许我们在真实硬件上运行已编译好的神经网络（NN）模型，无需手动操作远程设备，输出结果会通过网络自动返回。通过省去一些人工操作，比如将输入数据转储到文件、将导出的神经网络模型拷贝到远程设备、设置设备用户环境、将输出结果拷贝回主机开发环境，RPC...

​在远程设备上设置 RPC 服务器；在本地设置目标设备的交叉编译配置；通过 RPC API 上传并远程运行内核程序。可右键另存为下载。

Frida可以正常注入程序，但使用Java.use会导致闪退。通过编译frida-bridge或使用ZygiskFrida可以绕过检测。分析请求和响应体发现，签名字段通过HmacSha1实现，数据加密后再验证签名。clientKey_和clientIv_动态生成，需要使用frida和Python提取。

Apache TVM是一个深度的深度学习编译框架，适用于 CPU、GPU 和各种机器学习加速芯片。更多 TVM 中文文档可访问 →远程过程调用（RPC）是 Apache TVM 的一个非常重要且有用的功能，它允许我们在实际硬件上运行编译后的神经网络（NN）模型，而无需触及远程设备，输出结果将通过网络自动传回。通过消除手动工作，如将输入数据转储到文件、将导出的 NN...

安全研究员发现Windows RPC协议存在CVE-2025-49760漏洞，攻击者可劫持服务并窃取机器账户凭据，导致Active Directory完全沦陷。微软已发布补丁，建议监控可疑接口注册。

作者吴义分享了一个项目中的bug排查经历，因测试延误遇到java.lang.ClassCastException异常。经过排查，发现问题源于BeanUtils.copyProperties的浅拷贝导致反序列化错误，最终通过手动赋值解决，并反思了使用BeanUtils的风险。

本文探讨了JSON-RPC 2.0协议在AI时代的应用及优势，因其简洁、轻量和跨语言特性，适用于Web API、微服务和物联网等场景。该协议与AI系统需求高度契合，成为MCP和A2A等新兴协议的基础通信选择。

StreamJsonRpc是微软开发的开源库，支持在.NET平台上实现JSON-RPC 2.0规范的远程过程调用。它通过流实现高效通信，支持双向交互、强类型、异步模型和跨平台兼容，适用于微服务、AI应用和实时数据推送等场景。开发者可自定义序列化和错误处理，确保线程安全和安全性。

StreamJsonRpc 是微软开源库，支持在 .NET 平台上实现 JSON-RPC 2.0 的远程过程调用。它通过流实现高效通信，支持双向交互、强类型、异步模型和跨平台兼容，适用于微服务、AI 应用和实时数据推送等场景。

该项目组开发了一款通用RPC代码生成器，支持多种RPC接入层和自定义插件，提升开发效率。现提供Jinja2模板引擎接口，支持protobuf特性，用户可添加Proto路径和文件，注册服务及自定义配置，执行生成。代码生成器分为Mako和Jinja2版本，具备灵活性和扩展性，支持多层级模板渲染。

某应用启动时出现空指针异常，因配置数据未加载完成。解决方案是调整JSF服务的发布顺序，确保数据初始化在服务发布之前。建议使用延迟发布或手动发布方式，以确保服务正常上线。