Warning: 非程序员请自动忽略本文

开发一个电报机器人、部署一个论坛或翻墙的梯子对程序员来说通常不是什么难事，但如果该应用或论坛是“敏感”的， 完全匿名化的部署就是一个难题 。比方要部署2049bbs这样一个论坛，有三样东西难免会跟自己的实名身份挂钩：服务器、域名、数据库。2049bbs的站长或许有过人胆量和借壳下蛋的独门绝技来保护自己免受中共追踪，但这种做法无疑是把自己的性命和隐私交到了海外的跨国公司手中，并不是真正的匿名部署。

要素一：主机

首先来说 服务器（又名 主机 ）。论坛或web应用都是动态的，而动态网站必须要有自己的主机。相比之下，作为静态页面的博客类敏感网站门槛低得多，去wordpress注册一个免费博客（如iYouPort）或github pages那种静态页面网站（比如端点星，达摩俱乐部，以及在下的中国时间线）就可以了。虽然github等代码托管平台可以利用github action或者travis-ci.org之类服务自动化很多工作，但是这种静态页面即便是玩出花来，功能跟动态网站或web应用没有可比性。

其实对于非敏感网站而言主机根本就不是个事儿，每个月花一杯咖啡的钱就能租到一台云主机，甚至直接用自己的家用电脑都可以。但之所以 反制中共舆论战 的事业没能在广大程序员中遍地开花，缺乏对赵弹免疫的真匿名主机可能是最大的瓶颈，连编程随想也坦言自己之所以用公共博客平台就是因为不用花钱，而一旦刷卡花钱就不是真匿名了。

好消息，好消息，江南皮革厂的老板离婚了，现清仓一批 美国云端大厂heroku提供的免费云主机，编程语言 Node.js, Ruby, Java, PHP, Python, Go, Scala, Clojure任你选择，提供免费的二级域名和https https://<your-web-application>.herokuapp.com，全部免费，样样免费，24小时在线的真匿名动态应用不再是梦，连编程随想都可以更上一层楼了。

要素二：域名

如果没有 域名 ，就只能用类似http://206.189.252.32:8085/的纯IP地址去访问论坛。纯IP地址一来很难记住，二来暴露自己主机的IP大大增加了攻击面，比如中共黑客部队可以用DDOS瘫痪你的应用或网站、利用某些0day漏洞入侵你的主机，同时IP地址还暴露你的主机提供商，为黑客挖掘你的真实身份提供重要线索，如果你用自己家电脑作主机那就更是直接暴露身份了。

上述威胁是可以通过购买域名来解决，比如2049bbs的主机就藏在Cloudflare背后。2049bbs.xyz这样的一级域名必须得花钱买，虽然域名商提供收费服务保护你的隐私，但不是真匿名就始终不安全，万一中共御用黑客某天获取了域名商的交易记录，那你的真实身份就暴露了。所以要想轻松愉快的开展反对中共的网络人民战争，必须得「真匿名部署」，而「真匿名部署」就不得不放弃一级域名，选择免费的二级域名，比如这样的。

https://<your-web-application>.herokuapp.com
https://<your-github-username>.github.io
https://<your-gitlab-username>.gitlab.io

挂在github, gitlab, heroku 等云端大厂下的二级域名也没什么不好，除了稍微长一点，该有的保护都自带了，不必担心受到黑客攻击。

要素三：数据库

同样，对非敏感网站而言，数据库根本就不是个事儿，直接在主机建一个本地数据库就行了。但heroku的免费计划是不提供数据库的，要开启数据库功能得提供信用卡信息。当然heroku已经能满足类似staticman这样不需要数据库的应用了，但数据库对论坛或更复杂的应用而言还是必须的。

数据库的问题没有前面两个要素那么严重。因为web应用或论坛的数据库访问都是在后台，黑客只有攻入你的heroku主机才能看到你的数据库在哪儿。如果你认为heroku主机足够安全，直接用花钱租的主机或者跟实名挂钩的Google Cloud来做后台数据库也问题不大，前提是你信任Google或主机商不会出卖你。不过万一中共在主机商或Google内部有内鬼，你还是会暴露。

那么，终极方案就是： 好消息，好消息，江南……

直接搜索关键词 free database host 就能找到一堆提供免费数据库的主机商，对于一般的论坛而已肯定是够用了，像2049或品葱的数据库也就几十M。

总结

有了不跟信用卡挂钩的免费主机、免费二级域名、免费数据库，你就做到了「真匿名」，即便中共攻破了所有的服务器和提供商，最多也就是破坏你的应用或网站而已，绝对没办法查到你的真实身份。只要你严格的通过Tor实施「真匿名部署」，中共要查到你的真实身份得先攻陷CIA才行。中共御用黑客真能攻陷CIA的网络的话，先抓一堆党政军内的CIA线人和间谍，再要称霸全世界，轮得到抓你或者编程随想这种小咖吗？

「真匿名部署」动态应用，希望掀起一股风暴，让Telegram机器人、反共论坛、以及各种创意的动态服务遍地开花，让我们从中共手中抢回更多本来属于公民的信息权和言论自由。

https://t.me/chinatimeline_bot

看到合适的新闻，丢个链接过来，就行了。

欢迎测试、反馈

Telegram Bot就比填表更方便了

http://www.gleamviz.org/simulator/

好象是利用现成的传染病模型和全球的交通路线数据来模拟传染病的传播趋势。

有兴趣的可以利用《柳叶刀》中疾控的论文估计出来的武汉肺炎的参数模拟一下。

至少可以获得武汉封城前的感染人数估计，而且是全球的。

如果有一个可以工作的原型或基线最好。

我打算用来作为自动化提交新闻事件的接口。目前的提交接口是staticman的官方接口，太拥堵，要提交几次才能成功一次，两次提交间隔至少5分钟。另外我自己试着部署了一下staticman，虽然还没有成功，但是我知道staticman的后台要记录IP的，虽然推荐大家用Tor，不过貌似很多人对Tor的体验各种嫌弃，偏偏不用。

图1 中国疾控中心2020年1月29日论文修正后的确诊病例

图2 官方向社会公开的确诊病例数据

1月13日，疾控中心掌握确诊病例349，官方告诉社会累计确诊41例，当天中国以外出现第一例确诊（泰国）。

https://chinatimeline.github.io/wuhan-coronavirus/

把最新公布的武汉肺炎疫情统计数据用对数坐标画出来有点意思：

1. 确诊人数和死亡人数在对数坐标下几乎平行
2. 疫情目前处于爆炸式增长阶段，爆炸式增长即指数增长，在Y轴对数坐标下则是直线，直线斜率代表传染指数。
3. 从1月17号到现在公布的统计数据显示的传播指数恒定，说明疫情传播条件没有改变。
4. 对数坐标下，数据没有按指数增长的部分，只可能是数据被篡改了。
5. 疫情的传播条件从12月8日开始到现在并没有显著改变，因此传播指数应该保持恒定，那么实际感染人数应该是从12月8日开始按照1月17-1月25日之间的传播指数增长，在此假设下粗略估算目前感染人数应该在 $10^5$ 即位于十万数量级。

https://chinatimeline.github.io/wuhan-coronavirus/

目前武汉肺炎爆发事件是重大新闻事件，无论是维基百科还是主流媒体都对这件事的覆盖较为全面。

如果大家有兴趣，可以去这里作一个自己的记录，梳理一下经过，补充一些主流媒体漏掉的，或者主要散落在社交媒体的零碎信息。

https://www.ticksel.com/

We don't track your visitors with cookies

In order to collect data, we don't invade the privacy of your visitors by installing cookies* . Instead, we combine visitor's location with browser signature to achieve this with similar precision. We also respect Do Not Track (“DNT”) settings in browsers.

As a result, our tracking code is privacy-friendly, polite, non-aggressive, and ignored by Ad blockers or similar tools people use to protect themselves.

• Visitors may receive _cfduid cookie from our DNS provider Cloudflare.

缘由

之前对端点星的可fork性提出质疑后，TerminusBot发布了一个裸版的模板，我觉得缺乏一些常见功能，比如评论区、社交分享插件、bootstrap模式的首页、简单流量分析等很多大平台提供的功能，尤其是要确保没有第三方跟踪代码的前提下，实现这些小功能还是很麻烦的。

所以创建了一个github组 DIYMySite

https://github.com/diymysite

邀请大家一起做一个适合中文博客的模板，让小白也能一步步的搭建自己的博客，并且最最关键的是，这个博客模板是绝对没有跟踪代码的，可以用uBlock Origin这个浏览器插件查看。

目前这个模板的代码仓库在这里

https://github.com/diymysite/rich-jekyll-template

演示网站在这里

https://diymysite.github.io/rich-jekyll-template/

这个网站的功能会不断改善、添加，并且邀请成员发布如何建站或添加新功能的博文。

动机：这个有什么好处？

复制一下我在如何识别第三方广告跟踪代码及 & social impact 项目的倡议的发言

作为一个social impact项目的开发者，我说两句。

既有想法、又能把一个项目从头做到尾，还懂得推广和制造影响力的人，少！

我们这种半灌水用第三方插件很方便啊，Google一下谁提供功能，注册第三方模块的网站，copy & paste 第三方网站自动生成的代码到制定的位置就OK了，5分钟搞定。自己DIY的话花几个小时搞懂各种东西，东找西找，调试。

我建议 @小二 发起一个 github的组，专门建立和维护一个基于github pages的模板仓库，把平时常用的功能都提交进去，免得其他人重复造轮子。我不知道达摩俱乐部花了多少时间，反正光是因为你说第三方js安全性的问题，我就为了这么一个社交分享按钮跟流量统计功能来来回回花了好几天的时间重复造轮子。

要让更多的人发展social impact, 开发者和用户体验都十分重要，一般人看到一个网站使用起来很麻烦或者不稳定的话，99%的人就直接关了窗口看别的东西去了。开发者也是一样，绝大部分开发者折腾一下搞不出什么东西的话，热情就消退了。而这些折腾绝大部分都是重复造轮子。

站长要推广social impact项目的话，要注意社会分工，你们这类资深互联网程序员首先要为普通爱好者提供基础代码和基础设施，维护这么一个基础模板，可以大大减少大家重复造轮子的时间，让绝大部分有心人能够一上来就享受到成就感，而不是在一个自己不熟悉的领域重复造轮子带来的挫折感，绝大部分人可能就退却了。你们这类互联网高手应该作为大公司的基础平台研发部门，专门帮助不同背景的爱好者解决这些基础问题，尤其是解决网络安全、建立简单网站、提高普通用户体验这三个环节。

你们提供基础设施，比如论坛、staticman或RSS自建服务器之类，我们这种有想法但不太懂互联网的人用这些设施做项目，搞出一两个明星项目之后，就会有更多人效仿。但关键还是要有方便的基础设施，开一个项目的难度最好跟普通人去wordpress开个博客差不多，这样才会发扬光大。

前段时间大家在分享论文，我也分享一个已经被广泛报道过的研究项目 Policy Change Index 政策变化指数

官方网站 https://policychangeindex.org/

PCI-China

其中PCI-China去年已经被科技媒体广泛报道过了，这个项目是George Mason University的Mercatus Center两名经济学家Julian TszKin Chan和机器学习专家Weifeng Zhong合作的项目，受NVIDA资助。该项目用机器学习阅读中共的官方喉舌[人民日报]自1946年创建以来的所有报纸文字，并且用机器学习技术去检测该报纸在设置政策优先级的方式上的变化，从而生成单一的政策变化指数。目前，该指数以季度为最小单位，每季度更新一次，将来会升级到按月为颗粒度，每月更新一次。具体见发布页面

https://policychangeindex.org/overview-PCI-China.html

我个人认为PCI-China政策变化指数整体上很make sense，且在时间上比我自己阅读新闻获得的感受要早6-12个月，所以应该是很值得长期跟踪。

PCI-Crackdown

相比PCI-China，一个更新但更有意思的是PCI-Crackdown，同样是以人民日报为数据，通过跟8964镇压前后几个月的内容进行对比，用来预测当前香港发生64式镇压的可能性。个人认为其结果高度符合自己对媒体环境的感受。尤其是两个高峰期：8月13日左右外媒拍到深圳体育场军队集结和特朗普喊话不要镇压，10月下旬禁蒙面法之后发生暴力升级等等，以及10月1日前后和12月下旬第一阶段贸易协议临近的缓和期。非常符合直观感受。

https://policychangeindex.org/overview-PCI-Crackdown.html

PS： PCI所用的互动图插件跟我的时间线用的绘图插件都是一样的 Plotly。

Papers在官网上列出

• Chan, Julian TszKin and Weifeng Zhong. 2019. “The ‘Value’ of Propaganda: Machine Predictions of Rare Events Based on Text Data,” Yale Journal of International Affairs (forthcoming).
• Chan, Julian TszKin and Weifeng Zhong. 2019. “Predicting Authoritarian Crackdowns: A Machine Learning Approach,” Mercatus Working Paper (forthcoming).
• Chan, Julian TszKin and Weifeng Zhong. 2019. “Reading China: Predicting Policy Change with Machine Learning.” AEI Economics Working Paper No. 2018-11 (latest version available here).
• Chan, Julian TszKin and Weifeng Zhong. 2018. “Policy Change Index: A Simulated Example.” Quantitative Notes, No. 2018-3.

@达摩俱乐部

https://chinatimeline.github.io/

• 更新了数据仓库 https://github.com/chinatimeline/data/
• 基于安全性考虑，删除了所有的第三方javascript，包括评论区功能的disqus。
• 添加了匿名留言版功能 https://chinatimeline.github.io/submit/
• 更新了首页
• 添加了纯文字版时间线模板 https://chinatimeline.github.io/hongkong/
• 新挖了4个坑：香港，六四，文革，台湾民主化 等大家2020年去填。
• 无需注册即可提交新闻事件

最后，我确立了一报还一报的更新原则，只在有他人提交了新的有效新闻事件之后，再自己主动添加新闻事件并更新数据，如果公众没有人提交新闻事件，时间线将不更新。

按照站长在这里提供的搭建个人博客的方法 https://github.com/Terminus2049/NewBlogTools

fork了Terminus2049.github.io项目，准备搭建一个博客，但发现要配置的东西太繁琐了，吐血三升，根本不适合小白搭建个人博客好吧。

麻烦站长搞个干净的博客模板和教程吧。

大家好，我是中国大事件时间线项目的发起者。2019年6月发布的文革2.0时间线引起了很多关注和转发。过去几个月发生了许多大事，包括刚刚发生的复旦大学修改章程事件，都是过去几年对言论自由尺度大幅收紧的延续。但因为工作太忙一直没能对时间线进行更新，向大家抱歉。

为了更即时的更新，我邀请大家一起来为时间线添加内容。以前需要参与者会使用github，所以很多非程序员背景的朋友无法参与编辑。所以我新注册了HackMD这个能方便多人合作的文本编辑工具，参与者无需任何使用github的技巧，只需要按照现有的数据格式添加新事件即可。

这是大事件时间线项目的hackmd主页 https://hackmd.io/@chinatimeline

其中，文革2.0的中英文数据都已经添加进去：

• 中文： https://hackmd.io/@chinatimeline/CCP_Ideology_Events
• 英文：https://hackmd.io/@chinatimeline/CCP_Ideology_Events_en

其中，到发文为止，中文内容最近一次更新是2019年8月29日，有兴趣的志愿者可以从那个日期前后开始补充内容。另外，英文的翻译还远远不够，前50条之后的内容都还是机器翻译有大量错误。希望有更多志愿者参与搜集新闻事件和翻译工作。

打开方式：比方说打开中文数据之后，点击右上方铅笔图标的按钮即跳转到编辑页面，https://hackmd.io/nbvrGGepTGiC0M_uuD3I2w?edit 数据会自动保存各个历史版本，所以大家不用担心人为破坏删除，我会手动对比查看每个版本的数据确保数据的完整性。

具体的数据格式说明： https://github.com/chinatimeline/data/blob/master/README.md

参与编辑需要注册一个HackMD账户，推荐使用匿名邮箱或临时邮箱来注册：

• 推荐使用Protonmail, Tutanota, OpenMailbox等支持匿名和加密的邮件服务
• 如果仅仅是注册可用10分钟临时邮箱 https://bccto.me/

（Credit: 达摩俱乐部提供的安全小技巧）

希望能同各位有志之士一起记录正在发生的历史，帮助世界上更多人看清这个时代。

首发于Matters

中国大事件时间线，用可视化的数据展现中共互联网引导与管制全景图。 https://chinatimeline.github.io/

截图 https://i.imgur.com/KZpw5By.png

欢迎参与提交事件数据 https://github.com/chinatimeline/data 讨论 https://github.com/chinatimeline/chinatimeline.github.io/issues