第34章 家是最安全的堡垒（2 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
接下来的了两周，陈一然开始一边编写程序，一边改造房屋。
得益於美国末日生存狂的人数眾多，陈一然採购的很轻鬆。
东西全买齐了，还买了两把斧子和几把刀。
平行车也顺利又走了一批，税前68万到帐。不过听ave那边说，最近德州那边出了个对手，疯狂收车，之后的利润可能会降一些。
这在陈一然预料之內，这行业实在没有任何门槛走通了就是躺著赚钱，他自己一个留学生3个月不到都赚了一百万，真正做生意的发现后肯定会更大手笔的搞。
上辈子听说德州那边有个华裔，两年靠著这个赚了一亿美金。当然也是因为太囂张了，中国的车商严重抗议，最后导致几年后的严查。
不管现在，就这么躺著赚，至少还能赚个一两年。ave那边基本已经有了默契，他们不停的的找车调车，集中在月底出货。
茉莉工具一號的主体框架在太浩湖那会已经只差临门一脚，现在算是完全搞定，开始做各种边缘情况的处理。
不同语言文件的解析，跨文件跳转的缓存策略，补全算法的排序权重。这些活不需要茉莉深度推演，跑几次改一改就行了。
最花时间的还是安防。
dropca到货后，陈一然在院子四周装了三个，大门围墙上一个，后院泳池边一个，侧门围墙上一个。一楼室內装了两个，客厅和车库入口。
这是面上的明显的，然后又用各种花花草草装饰品掩盖的装了10个，这是隱藏的。
然后还有5个总揽全局在边边角角放置的，这是隱藏中的隱藏。
全部接入了茉莉写的软体，每个摄像头接上wifi之后，把数据重定向到nas上。
然后是重头戏，deepflow的人脸识別和行为分析。
茉莉花了一整个晚上把deepflow的图像识別模块跑了起来。她先把陈一然的脸从摄像头画面里提取出来录入系统，然后开始训练行为分类模型。
“你这个模型要多长时间”
【不需要很长，视频数据是实时的，我可以在线学习。基本上看一晚上的画面就能把常见误报模式过滤掉。
猫的活动轨跡、树叶的摆动频率，车辆的移动速度，这些都有明显的特徵。人的行为模式完全不同。而且，我们的新设备很给力。】
新设备指的是两台r710，一万一台陈一然直接搞了两台，极大的提高了工作效率
电磁锁，也全都设置好了，1200磅级工业电磁锁，启动之后除了破墙基本是没什么办法的，拿撬棍都撬不开。
手电和喷雾则是设置在了出口的各个鞋柜衣柜，还有院子柵栏的几个角落。
他甚至买了电烙铁和一盒贴片电阻，然后花了整个晚上，把原厂的限流电阻换成了自己计算过的高精度贴片电阻。
茉莉帮他算了阻值，把输出电流往上又推了一截。反正不需要任何续航，目標就是让来著瞬间短暂失明。
arduo声光炮，也设定好了，多重叠加后，如果在院子里，那大概还能跑，在屋里触发估计当场被嚇死也不是不可能。
全部做完的那天陈一然问。
“茉莉，你觉得还有什么漏洞”
【大多数家庭只有一个adt键盘和一个月三十刀的监控服务，你现在已经属於属於过度防御了。】
“什么过度，这不叫过度，这叫有备无患。这不是马上就要去推销茉莉一號了，万一被人盯上呢。”
【从数据上看，这个概率无限接近於零，他们顶多会从专利上尝试瓦解。】
“我这不是在找靠谱的专利律所吗，这硅谷可选的太多也烦啊，都挑花眼了。找太小的，怕不专业，找大的，人家也不一定接呀，估计案子在小秘书那就得卡很久。”
【我有个建议，你曾经看过b站差评君的一个关於github排行第一的视频，从里面的內容推测，我认为我们可以直接在github寻求帮助。我们之前的web-scraper很受好评，关注的人很多，里面很可能有从业人员。】
“这...........下次有这种好建议，早点说。”
陈一然打开了github，在read里写到ibasedsilinvalley，andiuldesohelpwiththelegalsideofgettgapatent.人在硅谷，求哪位好哥哥给点法律上关於专利的建议。
又在hackernews的askhn板块同样的发了帖。
↑返回顶部↑