Hide My Email 是苹果随 iOS 15 一同推出的 iCloud+ 专属功能,其核心作用正如其名——用户可以为每一个注册的服务生成一个独立的替代邮箱地址,并可随时关闭该地址。这一机制不仅能防止广告商获取用户的主邮箱,还能帮助用户更好地管理收件箱,可谓一举两得。
然而,尽管该功能已推出整整五年,其实际进展却相当有限。以下是关于苹果如何进一步完善 Hide My Email 的几点建议。
独立入口或集成至 Passwords 应用
长期以来,苹果倾向于让某些功能在后台静默运行,而非将其显著呈现给用户。iCloud Keychain 便是如此,直到 iOS 18 才终于获得了专属应用。
Hide My Email 同样面临类似处境。目前,用户只有在应用通过键盘提供生成新邮箱的选项时,才能顺畅使用该功能。这在 Safari、系统原生应用以及部分第三方应用中体验尚可,但并非所有场景都支持;在 macOS 上,这一功能的可用范围更是极为有限。
尽管将 Hide My Email 单独做成一个应用不一定合理,但将其整合进 Passwords 应用或许是个不错的方向。无论如何,让这一功能更易于访问、便于在不原生支持键盘集成的场景中创建邮箱别名,都是有意义的改进。
支持 Chrome 扩展中的邮箱生成
苹果的 iCloud Passwords 扩展在 Chrome 上已运行多年,且功能持续完善——先后加入了 Passkey 支持、iCloud 双重验证码,以及与 Messages 应用的自动填充联动。
如果该 Chrome 扩展也能支持在任意邮箱输入框中生成新的 Hide My Email 地址,就像在 Safari 中那样,体验将大幅提升。考虑到用户本就需要为 iCloud+ 付费才能使用该服务,苹果没有理由不将其扩展至 Chrome 及其他基于 Chromium 的浏览器。
支持自定义域名
最后一点更偏向个性化需求——如果 Hide My Email 能够支持自定义域名,那将是一个颇具吸引力的功能。目前,所有通过该功能生成的地址均以 @icloud.com 结尾。
苹果已允许用户在 iCloud Mail 中使用自有域名,因此从技术层面来看,苹果完全可以为用户自有域名创建别名并与 Hide My Email 打通。这样一来,虽然隐私保护属性可能有所弱化,但用户依然可以按需随时屏蔽特定发件人,同时还能使用自己偏好的域名,兼顾灵活性与个性化需求。
Q&A
Q1:Hide My Email 是什么功能,需要什么条件才能使用?
A:Hide My Email 是苹果在 iOS 15 中推出的 iCloud+ 专属功能,允许用户为每个注册的服务生成独立的替代邮箱地址,并可随时关闭该地址,从而保护主邮箱隐私。使用该功能需要订阅 iCloud+ 付费服务。
Q2:Hide My Email 目前在哪些场景下无法正常使用?
A:Hide My Email 目前主要通过键盘集成的方式触发,在 Safari 和系统原生应用中体验较好,但在部分第三方应用中不可用;在 macOS 上可用范围更为有限。此外,在 Chrome 等非苹果浏览器中,该功能目前也无法通过扩展生成新的邮箱别名。
Q3:Hide My Email 支持自定义域名吗?
A:目前不支持。所有通过 Hide My Email 生成的地址均以 @icloud.com 结尾。不过,由于苹果已允许用户在 iCloud Mail 中使用自有域名,理论上苹果具备为自定义域名提供别名支持的技术基础,未来有望通过功能更新实现这一需求。
好文章,需要你的鼓励
购买笔记本电脑时,用户现在需要了解Copilot+ PC、NPU和本地AI处理等新概念。搭载专用神经处理单元(NPU)的Copilot+ PC能提供至少40 TOPS的AI算力,支持实时字幕翻译、视频通话优化、AI图像编辑等功能,同时提升续航表现。戴尔最新产品线涵盖多种选择:Dell 14 Plus适合学生和通勤族,Dell 16 Plus适合多任务办公用户,XPS 14面向轻度创作者,XPS 16则以31小时超长续航和3.6磅轻薄机身成为内容创作者的旗舰之选。
香港科技大学与华为联合提出LISA训练方法,通过让副网络对齐"似然分数",将ControlNet等图像生成模型的训练收敛速度提升逾2.78倍,同时改善图像质量与条件控制精度。
圣安德鲁斯大学博士Henry Legg在《自然》杂志发表同行评审论文,对微软拓扑间隙协议(TGP)框架提出质疑,认为该框架在推断Majorana粒子量子态存在方面存在缺陷,且实验数据分析结论可能有误。微软此前宣称将于2029年实现可扩展量子计算机,并推出Majorana 2芯片。对此,微软坚持立场,表示已发表正式反驳并获《自然》收录,对研发路线图充满信心。
上交大与爱丁堡大学提出InfoKV,将信息熵与注意力权重结合用于KV缓存压缩,让大模型在仅保留12.5%缓存的条件下实现接近甚至超越完整缓存的长推理性能。