Research / Paper Files
Paper Files
Paper Files 是一种持续进行 cybersecurity 学习的个人实践，它将科学方法作为学习工具。每篇文章都不是为了学术发表而写，而是作为一种有意为之的练习，用来磨快斧头——深化对特定主题的知识，以严谨的方式组织想法，并观察对某些主题的理解如何随时间发展。它相当于一本训练日志的知识版：每一条记录所学内容、分析方式以及得出的结论。
我强烈建议安全专业人员采用这种方法。选择一个你想精通的主题，研究一手资料（RFC、论文、官方文档），按照引言、方法、分析和结论来组织文本，并像是在向同事解释一样写作。写作本身会迫使你思路清晰，并暴露出被动阅读无法揭示的理解空白。把本网站上的文章作为格式和深度的示例，并建立你自己的收藏——随着时间推移，你会拥有一个个人的精炼知识库，这是任何课程或认证都无法取代的。
DAI & ADAI · 2026
DAI: A Domain-Specific LLM with Model-Excluded Authority, Capability-Disjoint Verification, and Recomputable Receipts
DAI (Decripte Artificial Intelligence) is a proprietary domain-specific LLM within a governed autonomous defensive architecture. It is an instance of the proposed ADAI category defined in the companion framework paper. T…
Read paper →ADAI · ENAutonomous Defensive AI: An Envelope-and-Evidence Framework for Governed LLMs Acting on Production Infrastructure
ADAI (Autonomous Defensive Artificial Intelligence) is a proposed category of governed autonomous cyber defense. The framework specifies defended perimeters, bounded effects, declared rollback and capability-disjoint ver…
Read paper →10 papers
面向2026年的 Secrets 安全研究：从生成、存储、分发到检测、轮换与失效控制的全生命周期防护框架
Secrets 是现代软件供应链、云原生平台、AI 工作流与企业身份体系中的高价值资产，其泄露往往直接导致横向移动、供应链污染、云环境接管与长期隐蔽驻留。到 2026 年，攻击面已从传统代码仓库与配置文件扩展到 CI/CD 管道、IaC 模板、容器镜像层、日志与可观测性平台、SaaS 集成、LLM 代理工具链以及机器间身份令牌。本文围绕 secrets 的全生命周期——生成、传输、存储、使用、轮换、吊销与审计——提出一个面向 2026 威胁环境的系统化防护框架。论文首先总结 secrets 的类型学与典型失效模式，随后建立包含外部攻击者、内部威胁、供应链对手与自动化爬取器的威胁模型，并将 secrets 暴露过程形式化为可度量的风险函数。基于此，本文提出“分层最小暴露”方法，将静态扫描、运行时检测、身份绑定、短时凭证、集中托管、证明式访问控制与事件驱动轮换整合为可操作的工程体系。实现部分给出适用于 Git、GitHub Actions、Kubernetes、Vault、cloud-native 环境与 eBPF 可观测栈的具体部署模式。实验评估基于公开数据集、真实工具链与合成企业环境，对比了基线检测、上下文感知扫描与多引擎联动方案在精确率、召回率、误报率、平均检测时间与吊销时延方面的差异。案例研究展示一次由仓库历史中的高权限云密钥引发的攻击链，并说明如何借助轮换、审计与最小权限原则将影响面压缩至可控范围。本文最后讨论了生成式 AI 带来的 secrets 外泄新型路径、后量子密码迁移的凭证治理影响，以及 2026 年之后 secrets 防护在治理、度量与自动化方面的研究方向。
Read paper →Secrets面向 2026 年企业环境的 Secrets 全生命周期安全：泄露、治理、检测与响应的系统化研究
在 2026 年的企业安全实践中，“Secrets”已成为比传统漏洞更高频、更具破坏性的失陷入口。API 密钥、云访问令牌、服务账户凭据、签名证书、Webhook Token、OAuth 客户端密钥、AI 平台访问令牌以及短期临时凭据，构成了现代数字基础设施的隐性控制面。一旦泄露，攻击者往往无需利用复杂漏洞即可直接获得横向移动、数据外传、供应链投毒和持久化访问能力。与经典漏洞管理不同，Secrets 风险具有强烈的时效性、上下文依赖性和扩散性：一个令牌可能跨仓库、CI/CD、制品库、IaC 模板、日志系统和聊天协作平台传播，并在数小时内被自动化武器化。本文系统研究 Secrets 在 2026 年企业环境中的攻击面、威胁模型、检测与响应方法，并提出一个覆盖“生成—分发—使用—轮换—撤销—审计”的全生命周期治理框架。研究以云原生基础设施、DevSecOps 流水线、AI 辅助开发环境和多云身份体系为背景，结合真实工具链（如 Gitleaks、TruffleHog、git-secrets、AWS IAM Access Analyzer、Microsoft Defender for Cloud、eBPF 运行时监测等）构建可落地的检测与度量体系。我们形式化定义 Secrets 风险为时间敏感、路径敏感和可传播的复合风险，并提出以“暴露半衰期”为核心指标的量化模型。进一步地，本文通过仿真与实证方式评估不同检测策略、最小权限设计、短期凭据机制与自动轮换策略的防护收益。结果表明，单纯依赖代码扫描远不足以应对现代 Secrets 风险，而将预提交、CI 扫描、云侧审计、运行时检测和自动化响应联动，可显著缩短暴露窗口并降低持久化概率。本文最后给出一个企业级实施蓝图与两类典型案例分析，为 2026 年及以后组织化 Secrets 防护提供可操作的参考框架。
Read paper →Secrets标题：云原生环境中秘密管理与泄露检测的形式化与操作化架构：一种基于遥测、静态分析与威胁狩猎的集成方法
标题：云原生环境中秘密管理与泄露检测的形式化与操作化架构：一种基于遥测、静态分析与威胁狩猎的集成方法 摘要：敏感秘密的非授权暴露——包括 API 密钥、凭证、OAuth 令牌、私钥证书以及加密秘密——是云原生和 DevSecOps 环境中导致失陷的主要原因之一。近期涉及 AWS 密钥、GitHub 令牌及硬编码凭证泄露的事件表明，随着微服务、CI/CD 和基础设施即代码的采用，与秘密管理不当相关的攻击面呈比例增长。本文提出一种用于秘密泄露预防、检测与响应的集成架构，结合静态代码分析、运行时监控、流量检查、与 MITRE ATT&CK 的关联分析，以及一个基于熵和时间暴露的形式化风险模型。我们的方法包括：(i) 用于量化已暴露秘密风险的数学模型；(ii) 基于启发式规则与轻量级监督学习的检测算法；以及 (iii) 与 GitLeaks、TruffleHog、HashiCorp Vault、Suricata、Sigma 和 SIEM 等工具的操作集成。我们实现了一个功能性原型，并在 12 个具有已知泄露历史的开源仓库以及一个包含 48 个微服务的 Kubernetes 环境中进行了测试。结果显示，平均检测时间（MTTD）降低了 87%，凭证的平均时间暴露减少了 72%，误报率低于 4.8%。我们还证明了秘密泄露与 MITRE ATT&CK 中的 T1552（Unsecured Credentials）和 T1078（Valid Accounts）技术之间存在直接关联。该研究为进攻性与防御性安全团队提供了实践性贡献，包括操作流程、客观指标以及用于系统性风险缓解的技术建议。本研究为希望从技术与操作视角提升其秘密管理（Secret Management）成熟度的组织建立了一个可复制的框架。
Read paper →Secrets标题：多云和 DevSecOps 环境中秘密泄露管理、检测与响应的形式化与操作架构
标题：多云和 DevSecOps 环境中秘密泄露管理、检测与响应的形式化与操作架构 摘要：对“秘密”——加密密钥、API 令牌、凭据、证书、Kubernetes secrets 以及嵌入代码中的敏感材料——的不当暴露，已成为当前安全事件中初始入侵的主要原因之一。最新报告显示，超过 80% 的泄露事件涉及凭据滥用（VERIZON，2023），而实证研究表明，Git 仓库中公开暴露的秘密数量达数百万（MELARA et al., 2019）。本文提出一种面向多云环境和 DevSecOps 流水线中秘密泄露管理、检测与响应的形式化与操作架构。我们的方法将问题形式化建模为一个秘密资产暴露的动态系统，结合混合检测算法（结构化正则表达式、熵分析、监督式机器学习和上下文启发式规则），并与 GitGuardian、TruffleHog、Gitleaks、HashiCorp Vault、AWS Secrets Manager、Suricata 和 Sigma 等工具集成，同时引入自动化轮换与吊销机制。我们在包含 120 万条公开和私有提交、87,341 个真实秘密以及 120,000 个合成样本的数据集上对该方案进行了实验评估，获得了 97.3% 的精确率、94.8% 的召回率，并与人工流程相比将平均遏制时间（MTTC）降低了 63%。我们还证明，与基于 OPA 的策略和即时（Just-in-Time）控制的集成，可减少与 MITRE ATT&CK TTPs 相关的攻击面，例如 T1552（Unsecured Credentials）和 T1078（Valid Accounts）。该研究还包括一个涉及 AWS IAM 密钥外泄的真实事件响应案例，详细描述了攻击链、取证指标和根除过程。我们得出结论：有效的秘密管理需要一种系统性方法，将数学形式化、安全工程、持续监控和响应自动化相结合，并为攻防安全团队提供实践指导。
Read paper →Secrets标题：云原生生态系统中用于密钥管理、检测与自动化轮换的形式化且可扩展架构
标题：云原生生态系统中用于密钥管理、检测与自动化轮换的形式化且可扩展架构 摘要：数字密钥——包括密码学密钥、API token、服务凭据和证书——构成了现代分布式系统信任的基础。密钥泄露一贯位列安全事件的主要成因之一，带来重大的财务和运营影响。本文提出一种面向云原生环境的形式化且可扩展的密钥管理、检测与自动化轮换架构，集成静态分析、行为监测以及派生与分隔的密码机制。我们的方法结合了：(i) 基于时序自动机的密钥生命周期形式化模型，(ii) 融合自适应熵与监督学习的混合泄露检测算法，以及 (iii) 一个兼顾可用性与原子性保证的一致性轮换协议。我们在 Kubernetes 上实现了一个可运行原型，并与 HashiCorp Vault、SPIFFE/SPIRE 和 GitHub Advanced Security 集成。我们在包含 1240 万个代码工件和 31 亿条审计事件的数据集上评估了该方案，并将其与市场工具（TruffleHog、GitLeaks、AWS Secrets Manager）进行了比较。结果表明，平均撤销时间（MTTR-S）降低了 47.3%，凭据残余暴露减少了 62.8%，误报率为 3.9%，低于仅基于正则表达式的方法（12.7%）。在生产负载下，运行开销保持在 4.6% CPU 以内。我们的研究结果表明，对密钥生命周期进行形式化建模，并通过密码学基础上的自动化实现其轮换，是提升关键基础设施韧性的重大进展。本文的核心贡献在于将形式化模型、系统工程与大规模实证评估统一起来，为缓解分布式环境中与密钥相关的系统性风险提供了一个严谨的框架。
Read paper →Secrets标题：云原生环境中的秘密管理运营工程：形式化建模、自动化检测与泄露响应
标题：云原生环境中的秘密管理运营工程：形式化建模、自动化检测与泄露响应 摘要：秘密的暴露——加密密钥、API token、服务凭据、证书以及应用程序秘密——已成为现代企业环境中最普遍的入侵向量之一，尤其是在 cloud-native 和 DevSecOps 架构中。近期事件表明，秘密泄露会导致完整的入侵链条，涉及横向移动、数据外泄和 ransomware。本文从运营视角研究秘密管理、检测与泄露响应问题，提出一种集成架构，将敏感资产的形式化建模、CI/CD 流水线中的自动化扫描、运行时行为检测以及自动化密码轮换相结合。 我们的方法论基于三个支柱：(i) 将秘密生命周期形式化建模为一个动态系统 S = (K, U, P, T)，其中 K 表示秘密集合，U 表示授权用户/进程，P 表示策略，T 表示状态转换；(ii) 采用混合检测机制，将静态规则（regex、Shannon 熵）与监督学习模型相结合，用于制品分类；(iii) 构建自动化响应框架，集成 HashiCorp Vault、Kubernetes、Suricata 和 Sigma，用于撤销与持续监控。我们在一个受控环境中对该方案进行了评估，包含 1,200 个 Git 仓库和 3.8 TB 的运行日志，并与 TruffleHog、GitLeaks 和 detect-secrets 等工具进行比较。 结果表明，相较于人工基线，平均检测时间（MTTD）降低了 82%，平均修复时间（MTTR）降低了 67%。采用所提出的混合模型后，误报率从 14.2% 降至 4.8%。此外，自动化轮换将平均暴露窗口从 19.4 天缩短至 3.1 小时。我们得出结论：这种集成且形式化的方法能够显著提升秘密管理的运营成熟度，并为进攻性与防御性安全团队带来可衡量的收益。
Read paper →Secrets云原生基础设施中用于机密治理、检测与自动化轮换的形式化架构
TITLE: 云原生基础设施中用于机密治理、检测与自动化轮换的形式化架构 ABSTRACT: 计算机机密（secrets）的不当管理仍然是云原生基础设施遭受安全入侵的主要原因之一。访问令牌、加密密钥、数据库凭证以及数字签名工件经常在公共代码仓库、持续集成流水线和应用日志中被暴露。到2025年，随着基于 Kubernetes 的架构、DevSecOps 实践、CNAPP（Cloud-Native Application Protection Platform）平台的成熟，以及与开发流程集成的大规模语言模型（LLMs）的广泛使用，与机密相关的攻击面显著扩大。本文提出一种用于机密治理、检测和自动化轮换的形式化架构，其基础是数学建模与时序性质验证。我们将机密的生命周期形式化为由定时自动机（timed automata）建模的动态系统，并通过线性时序逻辑（Linear Temporal Logic）表达机密性与一致性保证。我们引入一种混合检测机制，将带有 Miller–Madow 校正的 Shannon 熵、结构化模式以及基于梯度提升（gradient boosting）的监督学习相结合。我们形式化定义了暴露窗口（exposure window），并将累计风险建模为瞬时利用率的积分。此外，我们提出一种具有原子性与可审计性保证的自适应轮换协议，并将其集成到 Kubernetes 环境及符合 NIST 指南、支持后量子密码学实践的机密管理器中。我们在 12,457 个公共代码仓库以及一个包含 10,000 个 pods 的集群中对该方案进行了实证评估，获得了 0.978 的精确率、0.95 的召回率，并将平均暴露窗口缩短了 89%。我们证明了结果具有统计显著性，并讨论了其对多云环境安全治理以及缓解 MITRE ATT&CK 中与凭证暴露相关技术的影响。我们得出结论：将数学形式化、自动化检测与自适应轮换相结合，是降低云原生基础设施中与机密相关系统性风险的一种有效且可验证的方法。
Read paper →Secrets标题：云原生环境中可密码学验证的秘密编排：形式化模型、分布式架构与大规模实证评估
标题：云原生环境中可密码学验证的秘密编排：形式化模型、分布式架构与大规模实证评估 摘要：基于微服务、容器和 CI/CD 流水线的云原生架构的日益采用，已将秘密管理提升为分布式系统安全的核心问题。凭据、API 令牌和加密密钥的反复泄露表明，仅以安全存储为中心的传统方法，已不足以在高度短暂的环境中保证机密性和及时撤销。本文提出一个基于标记迁移系统的秘密生命周期形式化模型，定义了时间暴露和累积风险的定量度量。我们在与 MITRE ATT&CK 框架以及现代云安全实践相兼容的威胁模型下，形式化了机密性、完整性、短暂性和可撤销性属性。我们引入 VSMO（Verifiable Secrets Management and Orchestration）架构，该架构集成了 HSM 中的密码学安全生成、基于 TPM 2.0 的远程证明、通过 SPIFFE/SPIRE 的工作负载身份、与 Envoy 的 mTLS 通信、持续异常检测以及由机器学习驱动的自适应撤销。我们在一个 Kubernetes v1.29 集群上对该系统进行了评估，该集群包含 512 个节点和 38,000 个活跃 pod，并将其与三个广泛使用的基线方案进行比较。结果表明，时间暴露平均减少 72.4%，秘密的非授权重用减少 63.1%，同时每次发放带来的额外延迟保持在 5 ms 以下。我们还证明，在合理的检测率假设下，暴露期望值与持续监控能力成反比。本文通过将形式化严谨性、可验证架构和大规模实证验证相结合，为云原生环境中的可密码学验证秘密编排提供了理论基础和实践证据，使其达到 2025 年的技术前沿。
Read paper →SecretsSecretGraph：一种用于云原生生态系统中机密管理、检测与自适应轮换的形式化、可扩展且可验证的架构
TITLE: SecretGraph：一种用于云原生生态系统中机密管理、检测与自适应轮换的形式化、可扩展且可验证的架构 ABSTRACT: 数字机密（secrets）的管理已成为云原生基础设施中的主要风险向量之一，这类基础设施通常具有弹性扩展、工作负载的短暂性、持续集成以及通过 API 的高度暴露等特征。根据近期行业报告，凭证泄露仍然是安全漏洞的主要成因之一，同时 DevSecOps 流水线和公共制品的激增进一步扩大了攻击面。在本文中，我们将机密暴露问题形式化为动态有向图上的加权暴露时间最小化任务，其中顶点表示计算身份，边表示由凭证介导的依赖关系。我们定义了定量指标，包括机密平均暴露时间（Mean Secret Exposure Time, MSET），并证明在存在结构性依赖的情况下，最优轮换策略通过从具有优先约束和任意权重的经典调度问题进行归约可证明为 NP-困难。我们提出了 SecretGraph 架构，该架构集成了混合检测（静态分析、动态监控与上下文检查）、依赖图的增量式构建、基于中介中心性（betweenness centrality）的优先级排序，以及通过加密密钥库 API 实现的自适应轮换编排。我们使用 Go 和 Rust 实现了一个原型系统，并将其与 Kubernetes、SPIFFE/SPIRE 以及 HashiCorp Vault 集成，在包含多达 10.000 个活跃机密和 120 万次提交分析的环境中进行评估。与固定轮换策略相比，我们观察到 MSET 降低了 78,4%，同时平均 CPU 开销保持在 7% 以下。我们进一步讨论了其对 MITRE ATT&CK 技术映射的影响、与 NIST 推荐的后量子密码学的集成，以及以指标驱动的安全治理。我们得出结论：对机密依赖关系进行显式结构化建模能够在形式化保证的前提下显著缩短可被利用的时间窗口，并在大规模环境中具有可行的操作性。
Read paper →Secrets一种用于云原生基础设施中机密管理、检测与自动轮换的形式化且可扩展架构
TITLE: 一种用于云原生基础设施中机密管理、检测与自动轮换的形式化且可扩展架构 ABSTRACT: 机密管理是云原生基础设施安全的核心支柱之一，在此类环境中，短生命周期的微服务、DevSecOps 流水线以及动态编排显著扩大了攻击面。在真实安全事件中，凭证泄露仍然是最常被利用的攻击向量之一，尤其是通过使用合法账户以及从代码仓库中提取机密信息。本文提出一种用于机密管理、检测与自动轮换的形式化且可扩展架构，该架构建立在严格的数学建模之上，并与 Zero Trust、软件供应链安全以及至 2025 年云原生环境保护的当代指导原则保持一致。我们将机密生命周期形式化为一个带时间约束的状态转换系统，定义了机密性的、原子性和最终一致性的定量性质。我们提出一种混合检测算法，将基于 Shannon 熵的过滤与上下文监督分类相结合，并为假阳性与假阴性概率提供形式化界限。此外，我们还引入一种自动轮换协议，在 crash-stop 类型部分故障模型下提供保证，其设计受到分布式时间排序机制的启发。该实现使用 Go 与 Rust 编写，并与 Kubernetes、HashiCorp Vault 以及通过 eBPF 实现的可观测性机制集成，在包含 1,200 个微服务和 85,000 个活跃机密的大规模环境中进行了评估。结果表明，平均精确率为 96.1%，召回率为 94.3%，平均检测时间减少了 78.4%。我们讨论了其局限性、对生成式 AI 环境的影响，以及与语言模型和代码自动化相关的新兴风险。我们得出结论：数学形式化、上下文检测与原子化轮换的结合，为在云原生生态系统中系统性缓解机密泄露提供了一种稳健且可验证的方法。
Read paper →