104 郾城的骄傲啊！（感谢大家，首订破千加更！）

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。

宁为先是拿起了手机。

果不其然，开启了静默模式的手机又快炸了。

二十多个未接电话，微信里的消息更多。

鲁师兄、孔院长、陆主任、李导员、实验室的余师兄、跟几位教授、还有寝室里的三个兄弟，跟几个平日里关系不错的同学，都打来了电话。

除了寝室里的兄弟，其他人宁为一一回了过去，表示自己没事，顺便道了声谢。

光是回电话就用了半小时。

跟孔院长聊得时间最长，大佬的言下之意宁为也听懂了，下次需要学术交流，江大的教授也是很多的，没事少跟鲁师兄联系，会被带坏……

然后又跟鲁师兄就一些问题探讨了两句。

跟其他人报了个平安。

然后便开始看微信，果不其然，班级群、寝室群、联谊寝室群，群群炸锅。

寝室群里的画风依然是熟悉的群魔乱舞。

“宁为对不起，当时爸爸不在，不然绝对一拳挥过去，让他知道302寝室的铁拳有多猛！”

“宁为有事儿没？有事没事都吱一声啊！”

“宁为不管网上闹得多凶，你都要记得爸爸们对你的爱不会变的，我们永远支持你！”

联谊寝室群里的女生们也在关心的打听他的情况。

至于班级群，更是群情激愤，就差没组织一票人来郾城把那个纪子珩永远留在这里了。

宁为连忙冒头，每个群里都水了几条消息。

大概就是自己做题做晕了头，手机保持静默，没看到大家的消息，他其实没什么事情，甚至根本没注意到网络上的风暴……

见到正主儿回复，群里顿时更活跃了。

宁为又花了十分钟，在群里跟大家插诨打科一番，然后打开电脑上网。

在网络上宁为开始以第三视角了解整件事情的始末。

是的，虽然这件事在网上的热度依然不停疯涨着，他甚至还是当事人之一，但从头到尾，他都没有参与其中，还得重新了解。

好在微博敏感的注意到了这个热点，直接拉了个专题，相关的微博内容跟讨论都被加了进去。

这节省了宁为不少时间，从燕北大学官微发声，到江大开始声援，从田导的发言，到鲁师兄发布的录音，再到好多友校帮他说话，还有许多可爱的同学们跟师兄师姐们自发组织上微博的应援……

不感动，那是假的，从头到尾心里都是暖洋洋的感觉。

他还看到一个大概还是初中的小女生，在相关话题下很高调的宣布脱粉她的爱豆，从今天开始好好学习……

最后他还刷到了纪子珩最新的一条视频声明……，嗯，这个有点无趣了。

但不管怎么样，这一刻他觉得自己留在国内的决定简直太英明了。

如果是在国外，遇到这种破事，真的有这么多人自发的为他说话吗？

宁为也想说点什么。

却突然发现他还没微博号，好在申请挺方便，然后实名注册。

成功后，看着话题的内容他一时间也不知道该说些什么好，虽然满怀感激，但这一刻思路却卡壳了。

空有学霸的大脑此时竟然想不出应景的文字，苦恼。

此时电话突然亮起，跟着响了起来。

来自京城的号码，宁为想了想，接了起来。

“喂，请问您是江大数学与统计学院的宁为同学吗？”

“哦，我是，请问您是哪位？”

“哦，宁为大神您好，我姓潘，是新浪微博的工作人员，我们在后台看到您刚刚申请了微博，请问需要我们帮您做一个官方的实名认证吗？经过认证之后，就能在您的微博上显示出您官方认证的身份，也能避免有人冒充您的身份混淆视听。”

“麻烦吗？”

“不麻烦的，最多耽误五分钟，我引导您提交一些资料就行。”

“那行吧。”

……

十分钟后，宁为看着认证过后的微博，终于想好了措辞。

“我是宁为，刚看到整件事情，感谢大家的信任与支持。想说点什么，又不知道说什么好！那就给大家拜个早年吧！祝大家新的一年快乐能单调递增，烦恼是高阶无穷，好运连续且可导，理想一定洛必达！”

没去试图解释什么。

因为宁为发现根本没有必要，所有基于逻辑跟理性的判断，大家已经都帮他说了，再去解释自己没说那些话，有些画蛇添足了。

而且纪子珩那条最新声明已经论述了事情的前因后果，他在说一遍也没了什么意义。

就这样，挺好的！

做完这些，他便关了微博，长出了口气，开始下载今天实验室最新上传的实验数据，继续做各种记录跟比对，心情放松之下突然来了灵感，开始将所有异常数据归类，然后按照今天灵感爆棚时想到的一种数学方法进行堆栈。

很快，宁为似乎从这些纷杂的数据中找到了规律。

终于他在无数纷杂的数据中找到了一个个异常值，再次归类，宁为发现所有这些找出的异常数据在一定情况下，满足正态分布特点。

这次终于有眉目了。

对比数据的特点，宁为终于发现所有发生错误的数据同时指向算法回归部分的一个问题。

湍流算法在读取异常数据流的时候需要经过多层判定，并对初筛出的疑似爬虫或恶意连接信号做出一个预标记，并导入自己的数据库，进行下阶段的数据比对。

比如最浅层的对不合规浏览器头，或者包含了爬虫信息的浏览器头的判定，以及对某类p一定时间内访问次数的判定等……

而在数以亿次的处理正常连接请求之后，记录下当数据对流时产生的数据特征，再跟数据库内异常数据进行比对，尝试放入，再比对，发出验证码，再比对，这一过程中，最后反馈给算法的是数据流的异常特征码，对符合异常特征码的信号进行标记，而不是标记具体的p。

问题就出在这里，在某次次递归过程中，极少数正常的请求在比对并自动记录特征码的过程中，反馈时出了异常，这就导致同一类特性的数据全部被系统错误判定。

这个时候就体现出文档做得足够细致带来的好处了。

找到了实验室测试误判率无法降低的原因所在，修改了思路，然后只需要查阅文档，很快便精准的找到了需要修改的部分。