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 →178 papers
面向多层遥测与 MITRE ATT&CK 导向关联的可扩展混合架构，用于威胁检测与狩猎
面向多层遥测与 MITRE ATT&CK 导向关联的可扩展混合架构，用于威胁检测与狩猎 摘要：企业数字环境的快速扩张，在云计算、混合架构、微服务以及通过 API 的集成推动下，深刻改变了信息安全格局。当代攻击面变得高度分布式且动态化，这使得仅基于特征签名的传统机制难以及早检测入侵。现代攻击往往遵循复杂的战术、技术与程序（TTPs）链条，并且常常分布在基础设施的多个层面，包括终端、网络、身份和云服务。在此背景下，孤立的检测方法——如基于静态规则的 SIEM 或缺乏上下文关联的 EDR 解决方案——显现出局限性。
Read paper →Research标题：基于多层相关性和统计学习的混合式检测与响应架构，用于企业环境中高级威胁的缓解
标题：基于多层相关性和统计学习的混合式检测与响应架构，用于企业环境中高级威胁的缓解 摘要：针对性入侵活动日益复杂化，包括人工操控的勒索软件攻击、零日漏洞利用以及隐蔽的横向移动，这给仅依赖签名或静态规则的传统检测架构带来了重大挑战。近期利用 CVE-2021-44228（Log4Shell）、CVE-2023-34362（MOVEit Transfer）等漏洞，以及 MITRE ATT&CK 中的 T1059（Command and Scripting Interpreter）和 T1021（Remote Services）等技术的事件表明，亟需具备自适应能力的多层机制。本文提出一种混合式架构，将基于规则的确定性关联（Sigma、Suricata、YARA）、统计行为分析以及攻击链形式化建模相结合，并以企业级 SOC 的实际运营为重点。我们的方法结合了用于表示安全事件的带权有向图数学模型，以及增量式贝叶斯评分机制，用于估计入侵后验概率 P(C|E1..n)。我们使用 Elastic Stack、Suricata、Wazuh、Volatility 及 Python 自定义模块实现了一个原型，并在包含 12 TB 真实日志和公开数据集（CIC-IDS2017、UNSW-NB15）的受控环境中对其进行了评估。结果表明，与仅基于规则的传统 SIEM 相比，该方案的误报率降低了 38.7%，横向移动检测率提高了 24.3%，平均检测时间（MTTD）从 47 分钟降至 18 分钟。我们还通过一个涉及使用 Cobalt Strike 和 Mimikatz 模拟勒索软件攻击的案例研究证明，多层相关性能够平均提前 11 分钟识别加密前模式。本文贡献包括：（i）自适应相关性的数学形式化，（ii）带复杂度分析的增量式告警优先级排序算法，以及（iii）基于操作指标的实证验证。该工作为 Blue Team 团队和下一代 SOC 架构提供了直接的实践意义。
Read paper →Crypto标题：面向高级威胁的弹性密码学架构：企业基础设施中 Crypto-Agile 控制的形式化、实现与运营评估
标题：面向高级威胁的弹性密码学架构：企业基础设施中 Crypto-Agile 控制的形式化、实现与运营评估 摘要：现代企业基础设施对密码学机制的日益依赖，使密码学演变为主要的数字信任机制。然而，近期涉及密码学库被利用的事件（例如 OpenSSL 中的 CVE-2022-0778）、针对协议的攻击（例如 TLS 中的降级攻击）以及勒索软件对密码学的操作性滥用（MITRE ATT&CK T1486），暴露了密码学理论与实际实现之间的差距。本文系统性地研究了在主动威胁环境下企业场景中密码资产的治理、检测与韧性问题。我们提出一种面向纵深防御的 crypto-agile 架构，集成密码资产自动发现、参数形式化验证、网络中密码学异常检测以及自动化事件响应。 我们的研究方法结合了安全属性（机密性、完整性、前向保密性）的形式化分析、基于 Suricata 和 Zeek 的流量探测、通过 OpenSSL 和 CFSSL 进行证书验证、借助 Volatility 的内存取证检查，以及通过 Sigma 和 Elastic Stack 的事件关联。我们开发了两个主要算法：（i）Crypto Asset Discovery and Risk Scoring（CADRS），用于资产清单与风险优先级排序；（ii）Crypto Misuse Anomaly Detection（CMAD），用于识别 TLS 会话中的异常模式以及密码原语的误用。 在包含 1,200 个资产和 18 TB TLS 流量的环境中进行的实验评估表明，识别不安全配置的平均时间减少了 63%，对易受降级攻击的 TLS 会话检测率达到 94.7%，误报率为 3.1%。所提架构在网络吞吐量上的平均开销低于 4.8%。基于真实勒索软件场景的案例研究表明，该系统能够在数据完全外泄之前识别恶意密码学模式。 我们得出结论：密码学形式化、运营遥测与响应自动化之间的集成，对于降低密码学攻击面至关重要。本文提供了一种可操作、可度量的企业密码学韧性方法，为安全团队、SOC 和基础设施架构师提供了运营指导。
Read paper →Crypto标题：面向关键基础设施的韧性密码架构：形式化建模、主动防御与针对高级威胁的实证评估
标题：面向关键基础设施的韧性密码架构：形式化建模、主动防御与针对高级威胁的实证评估 摘要：网络间谍活动、勒索软件以及混合型行动的日益复杂化，已经暴露出企业系统和关键基础设施在密码实现中的结构性脆弱性。涉及TLS配置错误被利用、私钥泄露、弱椭圆曲线被滥用以及针对OpenSSL等库的攻击（例如：CVE-2014-0160——Heartbleed）的事件表明，密码安全不仅取决于算法的数学鲁棒性，还取决于其实现、密钥管理和运行集成。本文提出一种基于三大支柱的韧性密码架构：(i) 依据MITRE ATT&CK对具备现实能力的对手进行形式化建模；(ii) 通过持续密码验证，对密钥轮换和验证进行自动化编排；(iii) 借助网络遥测和行为分析，对密码退化进行主动监测。我们开发了一个实验框架，集成HSM、带有自定义provider的OpenSSL 3.x、Suricata、Zeek以及基于YARA和Sigma的检测模块。 我们在一个包含120个分布式节点的受控环境中对该方案进行了评估，模拟了协议降级攻击（T1190）、通过加密通道的数据外泄（T1041）以及密码材料泄露（T1552）等攻击。结果显示，密码异常检测的平均时间（MTTD）降低了73%，并自动缓解了92%的无效或过期证书使用尝试。在ECDHE-RSA-AES256-GCM-SHA384的TLS负载下，平均性能开销仍低于4.8%。我们的贡献包括：(C1) 对运行时密码退化问题的数学形式化；(C2) 一种安全属性持续验证算法；(C3) 证明该架构有效性的定量实证证据。结果表明，运行时密码安全需要形式化理论、安全工程与基于遥测的主动防御之间的深度集成。
Read paper →Crypto标题：面向分布式基础设施的自适应且可验证的密码学架构：形式化、实现与在高级威胁模型下的实证评估
标题：面向分布式基础设施的自适应且可验证的密码学架构：形式化、实现与在高级威胁模型下的实证评估 摘要：在云服务、区块链网络和网络物理系统等分布式基础设施中，密码学的广泛采用，伴随着对实现缺陷、配置错误以及密码学组合缺陷的利用比例增长。近期与证书验证不当、AEAD 协议中 nonce 重用以及诸如 CVE-2022-0778（OpenSSL）等漏洞相关的事件，凸显了形式化安全与运行时安全之间的差距。本文提出一种自适应且可验证的密码学架构（ACAV），旨在缓解大规模分布式环境中的系统性故障。我们的方法整合了：(i) 基于时序逻辑的密码学性质形式化验证，(ii) 面向风险的自适应密钥轮换，以及 (iii) 具备异常检测能力的密码学使用持续监测。我们将该问题形式化为一个多目标优化问题，在满足时延和吞吐量约束的条件下最小化剩余风险 R(t)。我们基于 Kubernetes、OpenSSL 3.0 以及符合 FIPS 140-3 的 HSM 模块实现了一个原型，并在一个 64 节点集群上进行了评估。实验结果表明，在扩展的 Dolev-Yao 模型下，密钥被攻陷的估计风险降低了 47.3%，平均时延开销为 3.8%（±0.6%），对于具有 10,000 个并发连接的 TLS 1.3 负载而言，对吞吐量的影响低于 2.1%。与静态的周期性轮换策略相比，ACAV 将密码材料被不当重用的事件减少了 92%。我们得出结论，形式化验证、密码遥测与动态自适应之间的系统性集成，构成了一种可行且可扩展的策略，用于增强现代基础设施中的密码韧性。
Read paper →IR标题：面向混合环境的事件响应数据驱动架构：基于 MITRE ATT&CK 的形式化、自动化与编排
标题：面向混合环境的事件响应数据驱动架构：基于 MITRE ATT&CK 的形式化、自动化与编排 摘要：事件响应（Incident Response, IR）已成为现代网络安全的关键组成部分，原因在于定向攻击、勒索软件即服务（ransomware-as-a-service）以及国家行为体主导行动的指数级增长。近期报告显示，即便采用先进的 EDR 和 SIEM，复杂企业环境中对手的平均驻留时间（dwell time）仍超过 16 天。本文提出一种面向混合环境（本地部署和云）的 IR 数据驱动架构，集成威胁的形式化建模、基于 MITRE ATT&CK 的关联、多层检测以及与 SOAR 的自动化。我们将响应过程形式化为一个多目标优化问题，在满足取证精确性和业务连续性约束的前提下，最小化遏制时间和运营影响。 我们的方法结合了结构化日志摄取（Sysmon、CloudTrail、Zeek）、基于签名的检测（Suricata、YARA）、基于图的行为分析以及通过参数化 playbooks 实现的自动化编排。我们实现了两种主要算法：（i）一种基于条件于已观测到的 TTPs 的贝叶斯评分的自适应事件优先级排序机制；（ii）一种用于重建攻击链的时间相关引擎，复杂度为 $O(n \log n)$。我们在一个受控环境中对该方案进行了评估，该环境包含 120 个端点、15 台服务器以及 AWS 负载，模拟了 42 个真实场景（包括 T1059、T1027、T1486）。与传统 SIEM 基线相比，我们获得了 MTTR 平均降低 37.4% 以及上下文化检测率提高 28.6%，标准差低于 4.1%。 结果表明，威胁建模、丰富遥测与编排式自动化之间的形式化集成可显著减少人工工作量，并提高运营决策的一致性。我们得出结论，所提出的方法为在资源受限且威胁高度多变条件下运行的 CSIRT 和 SOC 团队建立了一个可复用的框架。
Read paper →IR面向证据的 Incident Response（IR）架构：基于多层相关性和响应循环数学形式化
面向证据的 Incident Response（IR）架构：基于多层相关性和响应循环数学形式化 摘要：在勒索软件、APT 侦察活动、关键漏洞大规模利用（例如 CVE-2021-44228 – Log4Shell）呈指数级增长的背景下，Incident Response（IR）已成为当代网络安全的战略支柱之一。尽管 NIST SP 800-61 和 MITRE ATT&CK 等框架已趋于成熟，IR 的实际运作仍然面临多源相关性、告警优先级排序以及在高时间压力下证据保全等方面的缺口。本文提出一种面向证据的 IR 架构，基于多层相关性（网络、终端、身份和易失性内存），并将其形式化为一个关于时间事件图的优化问题。我们的方法整合了自动化采集（Suricata、Zeek、Sysmon）、基于规则的检测（Sigma、YARA）、内存分析（Volatility 3）、结合威胁情报（MISP）的增强，以及通过与 MITRE ATT&CK 的显式映射进行的行为建模。 我们定义了一个形式化模型，其中事件 E = {e_1, e_2, ..., e_n} 被表示为有向时间图 G=(V, A, T) 中的顶点，边表示因果或上下文关系。我们提出了两种算法：（1）加权时间相关性（CTP），其复杂度为 O(n log n)；以及（2）贝叶斯事件优先级排序（PBI），使用增量更新来估计被攻陷的后验概率 P(C|E)。在包含 12.4 TB 真实日志和公共数据集（CIC-IDS2017 和 DARPA TC）的受控实验中，我们将平均分诊时间（MTTT）降低了 37%，真正率（TPR）提高了 22%，同时将 FPR 维持在 4.8% 以下。 评估结果表明，多层取证的形式化集成可显著降低与 ATT&CK 技术 T1059（Command and Scripting Interpreter）、T1027（Obfuscated Files）和 T1003（Credential Dumping）相关的误报。一个涉及 LockBit 3.0 勒索软件的案例研究表明，在不到 45 分钟内完成遏制具有明确的操作效益。我们得出结论：数学形式化结合面向证据的自动化构成了 SOC 和 CSIRT 团队在操作成熟度方面的重要进步，有助于缩短 dwell time 并提升组织韧性。
Read paper →IR标题：基于 ATT&CK 的事件响应（IR）证据驱动架构与形式化建模：多层遥测集成、自动化编排与可扩展取证分析
标题：基于 ATT&CK 的事件响应（IR）证据驱动架构与形式化建模：多层遥测集成、自动化编排与可扩展取证分析 摘要：勒索软件活动、国家支持的间谍行动以及供应链攻击——如 SolarWinds（CVE-2020-10148）、ProxyLogon（CVE-2021-26855）和 Log4Shell（CVE-2021-44228）——的日益复杂，暴露了传统事件响应（Incident Response, IR）流程中的结构性局限。尽管 NIST SP 800-61r2 和 MITRE ATT&CK 等框架已被广泛采用，许多组织仍在使用静态 playbook、不同遥测层之间的关联性较弱，并且缺乏对决策过程的数学形式化。本文提出一种面向证据的 IR 架构，集成多模态采集（网络、终端、身份和内存）、将响应周期建模为不确定性下的优化问题，以及基于 SOAR 的自动化编排。 我们的方法结合了：(i) 将检测与遏制建模为加权有向时序图的形式化模型；(ii) 基于贝叶斯评分的优先级排序算法，以降低 Mean Time to Detect (MTTD) 和 Mean Time to Respond (MTTR)；以及 (iii) 与 Suricata、Zeek、Wazuh、Elastic SIEM、Sigma、YARA 和 Volatility 等真实工具的实际集成。我们在一个受控实验室环境中评估了该提议，进行了 420 次对抗场景执行，场景映射至 MITRE ATT&CK 战术（TA0001–TA0009），包括 T1059（Command and Scripting Interpreter）、T1003（Credential Dumping）和 T1486（Data Encrypted for Impact）等技术。 结果表明，与仅依赖静态关联的传统 SIEM 管道相比，MTTR 平均降低 37.4%（从 9 小时 12 分降至 5 小时 45 分），早期检测率提高 22.8%，误报减少 31%。在分布式环境中，该架构可扩展至每秒 25,000 个事件，平均延迟低于 480 ms。 我们得出结论：将 IR 过程进行数学形式化，结合适当的运行时仪表化和基于证据的自动化，可带来可衡量的效率与准确性提升。本文为中大型 SOC 提供了理论与操作层面的贡献，并提出了一个可在企业和政府环境中复现的模型。
Read paper →IR标题：IR-GraphSec：一种面向图和威胁情报的正式且可扩展的事件响应框架
标题：IR-GraphSec：一种面向图和威胁情报的正式且可扩展的事件响应框架 摘要：入侵活动日益复杂，其特征包括隐蔽的横向移动、凭证滥用以及多阶段持久化，这给事件响应（Incident Response – IR）团队带来了重大挑战。传统方法高度依赖静态 playbook 和人工日志分析，在分布式和大规模环境中存在局限性。本文提出 IR-GraphSec，一种基于时序图建模和持续威胁情报增强的、用于事件响应编排的正式且可扩展的框架。我们将安全事件建模为有向时序图 G = (V, E, τ)，其中顶点表示实体（主机、用户、进程、工件），边表示所观察到的交互。我们引入了按风险加权的中心性度量以及一种复杂度为 O(|E|\log|V|) 的遏制优先级排序算法。 我们在 Apache Kafka、Neo4j 和 Apache Flink 上实现了一个分布式原型系统。我们使用真实数据集（DARPA Transparent Computing、包含 23 亿事件的匿名企业日志）以及基于 MITRE ATT&CK 的合成场景对系统进行了评估。与基于规则相关性的方案（传统 SIEM）和确定性 playbook 相比，IR-GraphSec 将平均遏制时间（MTTC）降低了 37.4%，将误报减少了 28.1%，并通过 AUC-ROC 平均提升 0.19 改善了关键资产优先级排序。 我们的结果表明，将事件响应形式化为时序图上的优化问题，并结合上下文化威胁情报（STIX/TAXII），能够实现更快速、更准确且更具适应性的响应。本文的贡献包括：(i) 将 IR 问题形式化为多目标优化的模型；(ii) 基于风险中心性的优先级排序算法；以及 (iii) 在大规模环境中的广泛实证评估。
Read paper →Containers标题：CONTAINERSHIELD：一种基于多层遥测的容器环境威胁检测与缓解的形式化与实证框架
标题：CONTAINERSHIELD：一种基于多层遥测的容器环境威胁检测与缓解的形式化与实证框架 摘要：在 Docker 和 Kubernetes 等平台推动下，容器的大规模采用改变了分布式系统架构，但也引入了一个复杂且高度动态的攻击面。镜像中的漏洞、namespace 和内核 capabilities 配置不当，以及逃逸和横向移动攻击，均已被系统性利用，近期的 CVE（例如 CVE-2019-5736、CVE-2022-0492）即为明证。本文提出 CONTAINERSHIELD，一种用于容器环境威胁检测与缓解的形式化与实证框架，基于多层遥测（内核、运行时和编排器）的相关分析。我们将环境形式化建模为带标记迁移系统，并定义以隔离、完整性和 capabilities 约束为表述的安全性质。我们开发了两个核心算法：（i）一种基于可变阶 Markov 链对行为进行概率建模的检测机制；以及（ii）一个策略验证模块，用于施加 Linux capabilities 和 seccomp 配置文件的动态约束。我们在 Kubernetes 1.28 上结合 eBPF 实现了该系统，并在一个包含 48 个节点（768 vCPU）的集群上进行了评估。利用真实负载和 27 个映射到 MITRE ATT&CK for Containers 的攻击场景，我们实现了 96.4%（±1.8%）的检测率、2.1% 的误报率，以及 3.7% 的平均 CPU 开销。与默认配置下的 Falco 和 Aqua Security 等工具相比，我们的方法将误报率降低了 38%，并将平均检测时间提升了 24%。我们证明，威胁建模与实时遥测之间的形式化集成可为运行安全提供更稳健的保障。CONTAINERSHIELD 为容器安全的严格系统化作出了贡献，为云原生环境中的保护提供了一条可扩展且可验证的路径。
Read paper →Containers标题：基于 Docker 和 Kubernetes 的容器环境威胁检测与响应形式化架构与操作方法
标题：基于 Docker 和 Kubernetes 的容器环境威胁检测与响应形式化架构与操作方法 摘要：容器的大规模采用改变了现代基础设施的攻击面，尤其是在基于 Docker 和 Kubernetes 的环境中。尽管容器通过 Linux 内核的 namespaces 和 cgroups 提供轻量级隔离，但近期多起事件——包括与 CVE-2019-5736（runc）相关的容器逃逸，以及利用暴露的 Kubernetes API 发起的加密劫持活动——表明，这些环境的安全性仍然缺乏充分理解和 عملی化。本文提出一种用于容器环境威胁检测与响应的形式化架构和操作方法，融合威胁的形式化建模、基于 eBPF 的仪器化、面向 MITRE ATT&CK 的行为分析以及自动化响应。 我们的方法结合三个层面：(i) 将容器系统形式化建模为由实体和流构成的有向图；(ii) 基于规则（Sigma/YARA）与统计学习异常检测的混合检测；以及 (iii) 通过 Kubernetes Admission Controllers 和 OPA/Gatekeeper 策略实现自动化响应编排。我们在一个拥有 48 个节点的 Kubernetes 集群上评估了该方法，运行 1,200 个 pod，并在合成负载以及基于已记录 TTPs（T1610、T1611、T1525）复现的真实攻击下进行测试。结果表明，平均检测率为 96.4%，误报率为 3.1%，平均检测延迟为 420 ms，CPU 开销低于 4.8%。 我们的贡献包括：(C1) 容器安全问题的数学形式化；(C2) 一个可复现的操作流水线，集成了广泛采用的工具（Falco、Suricata、Trivy、kube-bench、Volatility）；以及 (C3) 在现实规模下关于有效性和性能的定量实证证据。我们证明，内核仪器化、编排器遥测与威胁情报之间的协调集成，可显著降低平均检测时间（MTTD）和平均响应时间（MTTR），并为攻防安全团队建立实用指南。
Read paper →Containers标题：一种基于多层遥测的容器环境入侵检测与遏制的形式化基础架构
标题：一种基于多层遥测的容器环境入侵检测与遏制的形式化基础架构 摘要：容器作为云原生环境中主要的打包与部署单元被大规模采用后，引入了与传统虚拟机显著不同的攻击面。基础镜像中的漏洞、命名空间配置不当、cgroups 隔离失效，以及对 runc 等运行时的利用（例如 CVE-2019-5736）已被对手积极利用。本文提出一种面向容器环境中入侵检测与遏制的形式化基础架构，基于多层遥测（内核、运行时和编排器）的关联分析。我们的方法融合了概率行为建模、进程依赖图分析以及自适应隔离策略。 我们将容器化系统形式化建模为一个有向标记图 G = (V, E, λ)，其中顶点表示执行实体，边编码可观测交互。我们定义了基于隔离不变量和信息流的安全性质，并提出两种核心算法：（i）基于多变量统计偏离与自适应阈值的检测；以及（ii）通过动态重配置访问控制与网络策略实现的自动遏制机制。 我们在 Kubernetes 1.29 上实现了一个功能原型，使用 eBPF 进行内核级仪表化，并采用 Open Policy Agent (OPA) 进行强制执行。我们在一个包含 48 个节点的集群上对系统进行了评估（Intel Xeon Gold，256 GB RAM），其中运行 1,200 个容器，并构造了 17 个具有代表性的攻击场景（MITRE ATT&CK for Containers）。结果显示，系统的平均检测率达到 96.8%（±1.7%），误报率为 2.3%，CPU 开销低于 4.9%。与仅基于签名或静态策略的解决方案相比，我们的方法将平均遏制时间缩短了 63%。 结果表明，将多层遥测与形式化建模及自动化遏制相结合，为大规模容器化环境安全带来了显著进展。
Read paper →Containers标题：云原生环境中容器安全的自适应监测形式化建模与架构
标题：云原生环境中容器安全的自适应监测形式化建模与架构 摘要：Docker 和 Kubernetes 等容器及编排器的大规模采用改变了软件工程和关键基础设施的运维方式，但也引入了更大且动态变化的攻击面。诸如 CVE-2019-5736（runc）和 CVE-2022-0492（cgroups）之类的漏洞表明，当基于 namespace 的隔离以及 Linux 内核机制配置不当，或被初始已获得容器访问权限的对手利用时，其脆弱性十分明显。本文提出一种在容器环境中用于自适应监测与威胁遏制的形式化基础架构，结合攻击面数学建模、基于系统调用图的行为检测以及缓解策略的动态应用。我们定义了与 MITRE ATT&CK for Containers 对齐的威胁模型，并形式化了强隔离、运行时完整性以及工作负载之间非干扰等安全属性。我们开发了两种主要算法：（i）一种合法行为画像的增量推断机制，复杂度为 O(n log n)；（ii）一种基于贝叶斯评分风险分析的自适应遏制模块。我们使用 eBPF、Falco 以及自定义 admission controllers，在 Kubernetes 中实现了一个集成原型。我们在一个包含 120 个节点和 3,500 个 pod 的集群上对该方案进行了评估，使用真实工作负载并注入映射到 MITRE ATT&CK 技术 T1610、T1611 和 T1525 的受控攻击。结果表明，该方法的检测率达到 96.4%，平均误报率为 2.1%，CPU 开销低于 4.8%，每个受监测事件的平均额外延迟为 3.7 ms。我们得出结论：所提出的方法在保持实际可行性和可扩展性的同时，显著提升了云原生环境中的运行安全水平。
Read paper →Cloud基于增强遥测和零信任形式化建模的多云环境横向移动检测与缓解的可加密验证架构
TITLE: 基于增强遥测和零信任形式化建模的多云环境横向移动检测与缓解的可加密验证架构 ABSTRACT: 多云和混合环境的广泛采用显著扩大了组织的攻击面，引入了复杂的横向移动、身份滥用以及错误配置利用向量。近期涉及特权凭据泄露、管理 API 被利用以及联合身份服务被滥用的事件表明，传统监测与控制方法存在结构性局限。本文提出一种面向多云环境横向移动检测与缓解的可加密验证架构，其基础是增强遥测、零信任形式化建模以及策略完整性的持续验证。我们的方法结合了：(i) 多云提供商日志（AWS、Azure、GCP）的标准化聚合，(ii) 动态身份-资源图的构建，(iii) 基于鲁棒统计学习的异常检测，以及 (iv) 使用增量完整性证明的策略加密认证机制。我们在一个由 1,200 台虚拟机、4 个 Kubernetes 集群和 3 个云提供商组成的实验环境中，使用合成轨迹和公共基准的真实数据对该方案进行了评估。结果表明，与传统 SIEM 相比，平均检测时间（MTTD）降低了 37.4%，平均响应时间（MTTR）降低了 42.1%，同时保持低于 3.2% 的误报率（标准差 0.6）。我们还证明了事件关联机制的渐近复杂度为 O(|E| log |V|)，从而可扩展至每日超过 10^7 个事件的环境。该方案为云环境中的可验证监测建立了形式化基础，并推动了面向身份的安全架构发展。
Read paper →Cloud标题：一种基于语义分析与时间相关性的、可形式化验证的多云环境不安全配置检测与缓解架构
标题：一种基于语义分析与时间相关性的、可形式化验证的多云环境不安全配置检测与缓解架构 摘要：多云基础设施的大规模采用改变了分布式系统的运行模型，但也显著扩大了攻击面并增加了安全治理的复杂性。近期事件表明，错误配置、暴露的凭据以及过度宽松的访问策略是云环境中最主要的入侵向量。本文提出一种可形式化验证的架构，用于在多云环境中自动检测并缓解不安全配置，结合策略语义分析、配置状态的数学建模以及审计事件的时间相关性分析。我们的方法集成了一个基于有向标记图的形式化模型，用于表示资源之间的依赖关系，一个通过模型检查实现的安全属性验证机制，以及一个基于结构中心性和利用概率构建的风险优先级排序算法。我们实现了一个兼容 AWS、Microsoft Azure 和 Google Cloud Platform 的功能原型，利用原生审计 API 和日志（CloudTrail、Azure Activity Logs 和 Cloud Audit Logs）。我们在包含 3,200 个资源和 180 万条日志事件的实验环境中对系统进行了评估，并将其与商业化的 Cloud Security Posture Management（CSPM）工具进行了比较。结果表明，误报减少了 37.4%，关键偏差的检测速度提高了 29.6%，高影响风险的优先级排序提升了 42.1%，且平均计算开销低于 8.3%。我们证明，引入数学形式化与时间相关性分析可显著提高分析精度和自动化缓解能力。本文有助于推动大规模云环境中系统化、可验证的安全实践的完善。
Read paper →Cloud标题：基于权限图和概率分析的多云环境自适应横向移动检测与遏制架构
标题：基于权限图和概率分析的多云环境自适应横向移动检测与遏制架构 摘要：作为关键系统主导基础设施的多云环境的整合，显著扩大了与数字身份、声明式策略以及联邦信任关系相关的攻击面。与传统边界模型相对，云安全在本质上以身份和基于属性的访问控制为中心，使得基于凭证滥用的横向移动成为最相关的威胁之一。广泛记录的事件，包括利用存在漏洞的库执行远程代码并随后外泄凭证，表明初始入侵很少构成最终影响：损害源于对手利用委派链和过度权限的能力。尽管在策略分析工具和行为检测方面已有进展，但在权限结构建模、可利用性概率估计以及具有受控运行影响的优化缓解机制之间的形式化集成方面，仍存在方法学空白。 本文提出一种用于多云环境中横向移动检测与遏制的自适应架构，该架构基于加权有向权限图以及带重启随机游走的概率分析。我们将环境形式化为一个异构图，整合身份、资源、可承担角色以及不同提供商之间的联邦关系。我们定义了严格的威胁模型，建立了对手能力类别以及与增量妥协概率相关联的安全博弈。我们引入一种基于 Random Walk with Restart (RWR) 的风险估计算法，配以复杂度分析和收敛性讨论，并将遏制问题表述为带有运行约束的组合优化问题，采用以风险边际贡献为基础的贪心启发式方法。 此外，我们详细说明了实际实现方面的内容，包括与 AWS、Azure 和 Google Cloud 官方 API 的集成，使用 Neo4j 存储大规模图，以及与 CloudTrail、Azure Activity Logs 和 Cloud Audit Logs 兼容的日志摄取机制。我们还给出了 YARA、Sigma 和 Suricata 签名的示例规则，以补充结构性检测与行为证据。实验评估以严格的方法学方式进行讨论，避免给出不可验证的数值结论，并强调与基于规则的方法及云服务提供商原生工具的定性比较分析。 我们的贡献包括：(i) 一个统一的多云形式化框架，(ii) 一种用于攻击路径优先级排序的可解释概率技术，以及 (iii) 一种以风险为导向的缓解机制，并显式考虑运行影响最小化。我们还讨论了局限性、对 Zero Trust 架构的实践意义，以及一项未来研究议程，该议程融合了策略形式化验证、鲁棒优化和具有安全保证的强化学习。
Read paper →Cloud标题：基于概率建模和分布式遥测的云原生环境中多阶段攻击检测与自适应缓解的形式化架构
标题：基于概率建模和分布式遥测的云原生环境中多阶段攻击检测与自适应缓解的形式化架构 摘要：云原生基础设施的日益采用引入了一种高度动态、弹性和分布式的运行范式，显著扩大了组织的攻击面。近期涉及凭证泄露、暴露 API 被利用以及 Kubernetes 环境中的横向移动的事件，凸显了传统检测机制的结构性局限。本文提出一种用于公共云和混合云环境中多阶段攻击检测与自适应缓解的形式化架构，其基础是贝叶斯概率建模以及跨多个平面（控制平面、数据平面和身份平面）的分布式遥测关联。我们的方法将云资源之间的依赖图、基于 MITRE ATT&CK 的攻击路径建模以及动态概率推断相结合，以实时估计条件风险。我们在 AWS 和 Kubernetes 上实现了一个功能性原型，在 45 天内收集了 32 亿条事件，包括 CloudTrail 日志、VPC Flow Logs、eBPF 和 API Server 审计日志。我们使用三个基线系统对该系统进行了评估（基于规则的 SIEM、统计型 IDS 和独立的监督学习模型）。结果表明，误报率降低了 47.3%，横向移动的早期检测率提高了 31.8%，并且在 25,000 事件/秒的负载下，平均推断延迟低于 280 ms。此外，自动化缓解将平均遏制时间从 42 分钟缩短至 6.8 分钟。我们得出结论，将云依赖关系的形式化建模与上下文感知的概率推断相结合，可在准确性和运行韧性方面带来显著提升，并为大规模云原生环境中的自适应防御自主系统奠定基础。
Read paper →IAM标题：一种面向风险、具备持续验证和动态策略数学形式化的自适应 Identity and Access Management 架构
标题：一种面向风险、具备持续验证和动态策略数学形式化的自适应 Identity and Access Management 架构 摘要：Identity and Access Management（IAM）系统构成现代企业环境中安全的核心，尤其是在混合和多云基础设施中。然而，基于 Role-Based Access Control（RBAC）的传统模型在面对当代威胁时存在结构性局限，包括横向移动（MITRE ATT&CK T1078）、特权滥用（T1068）以及暴露凭据的被攻陷（例如 CVE-2023-23397）。在本文中，我们提出一种面向风险的自适应 IAM 架构，称为 ARIAM，它集成了基于属性的访问控制（ABAC）、持续上下文评估和实时概率风险建模。我们将该问题形式化为一个决策函数 $f: U \times R \times C \rightarrow \{0,1\}$，其中 $U$ 表示用户，$R$ 表示资源，$C$ 表示动态上下文，并引入通过增量贝叶斯推断估计的风险函数 $ \rho(u,r,c)$。我们的贡献包括：(i) 在具备自适应能力的对手条件下，对安全性质进行严格的数学建模；(ii) 用于策略增量评估的决策算法，其复杂度为 $O(\log n)$；以及 (iii) 在包含 50,000 个身份和每日 120 万次请求的环境中评估的可扩展原型实现。实验结果表明，与传统 RBAC 基线相比，模拟未授权访问减少了 37.4%，特权滥用平均检测时间降低了 42.1%。每次请求的平均开销为 3.8 ms（σ = 0.6 ms），且在第 95 百分位下总延迟保持在 25 ms 以下。我们的结果表明，面向风险的自适应机制能够在不损害运行可扩展性的前提下显著提升安全性，并为符合 NIST SP 800-207 所倡导的 Zero Trust 模型的 IAM 架构演进提供实践指导。
Read paper →IAM标题：具有持续风险分析和数学形式化以缓解高级威胁的自适应 Identity and Access Management 架构
标题：具有持续风险分析和数学形式化以缓解高级威胁的自适应 Identity and Access Management 架构 摘要：Identity and Access Management（IAM）系统构成分布式企业环境安全的核心，负责混合云和多云基础设施中的身份认证、授权以及身份治理。然而，近期事件表明，基于静态访问控制和严格 RBAC 策略的传统方法在面对高级持续性威胁、有效凭证利用以及横向移动时已显不足。本文提出一种面向持续风险的自适应 IAM 架构，称为 A²-IAM，它集成了形式化策略建模、实时概率风险评估以及基于凸优化的决策机制。我们将授权问题形式化为一个依赖身份、资源、上下文和时间的决策函数 f(u, r, c, t)，并受安全与合规约束。我们引入两种主要算法：(i) Risk-Adaptive Policy Evaluation（RAPE）和 (ii) Dynamic Privilege Minimization（DPM）。我们实现了一个功能性原型，集成 Keycloak、Open Policy Agent（OPA）以及基于 Apache Kafka 的遥测机制。我们在一个包含 50,000 个合成身份和 120 万次访问事件的实验环境中评估了该系统，并将其与传统 RBAC 和静态 ABAC 进行比较。结果表明，在高风险未授权访问方面减少了 37.4%，特权滥用平均检测时间缩短了 28.1%，且在峰值场景下计算开销低于 11%。我们证明，所提出的方法在保持可扩展性和监管合规性的同时，显著提高了对 MITRE ATT&CK 技术如 T1078（Valid Accounts）和 T1021（Remote Services）的抵御能力。
Read paper →IAM标题：IAM-Guard：一种用于多云环境中持续身份治理与最小权限原则实施的形式化自适应架构
标题：IAM-Guard：一种用于多云环境中持续身份治理与最小权限原则实施的形式化自适应架构 摘要：身份与访问管理（Identity and Access Management，IAM）构成现代企业基础设施中安全控制的核心，尤其是在多云环境和基于微服务的架构中。近期事件，包括与 MITRE ATT&CK 技术 T1078（有效账户，Valid Accounts）和 T1098（账户操纵，Account Manipulation）相关的利用，表明在权限治理和过度配置检测方面的缺陷仍然是主要的入侵向量。本文提出 IAM-Guard，一种基于策略数学建模、行为偏差概率检测和最小策略自动综合的形式化自适应身份持续治理架构。我们的方法结合了：(i) 将权限状态形式化为带标签有向图，(ii) 基于多目标优化的权限削减算法，以及 (iii) 基于高斯混合模型和授权序列分析的异常检测机制。我们实现了一个与 AWS、Azure 和 Kubernetes 环境集成的可运行原型，并在三家中型组织中基于 180 天内采集的 12 亿条身份验证事件进行了评估。结果表明，检测到的过度权限平均减少了 37.8%，有效攻击面降低了 42.3%，凭证滥用检测率达到 96.1%，误报率为 3.4%。与仅基于静态 RBAC 的方法相比，IAM-Guard 在权限最小化精度上提升了 28%，并将与账户被攻陷相关事件的平均响应时间缩短了 31%。这些结果表明，形式化且自适应的身份治理作为纵深防御核心机制具有可行性。
Read paper →IAM标题：一种可自适应且形式化可验证的抗凭据泄露与横向升级的 Identity and Access Management (IAM) 架构
标题：一种可自适应且形式化可验证的抗凭据泄露与横向升级的 Identity and Access Management (IAM) 架构 摘要：Identity and Access Management (IAM) 系统构成现代企业基础设施中安全控制的核心，尤其是在混合云和多云环境中。然而，近期数据泄露报告表明，超过 60% 的重大事件涉及对有效凭据的滥用、权限提升以及访问策略配置不当。本文研究在一种现实威胁模型下的身份与权限动态管理问题，该模型考虑了凭据的部分泄露、横向移动以及过度宽松策略的利用。我们提出一种名为 A-FIAM (Adaptive and Formally-verified IAM) 的自适应 IAM 架构，它集成了基于属性的访问控制（ABAC）、持续行为分析以及使用线性时序逻辑进行的策略形式化验证。该方法结合了权限图的数学建模、攻击面最小化算法以及基于访问画像统计偏差的异常检测。我们在混合环境（Kubernetes + Azure AD + Keycloak）中实现了一个原型，并使用 1240 万条真实与合成事件开展实验。结果表明，有效权限攻击面减少了 47.3%，凭据滥用检测的真正率达到 96.1%，误报率为 2.8%，且每次授权请求的平均开销低于 8.6 ms。与静态 RBAC 方法和云服务提供商原生 IAM 相比，我们的系统将横向升级路径减少了 39%，并自动缓解了 92% 的职责分离违规。我们得出结论，将形式化验证与持续行为自适应相结合，代表了 IAM 系统在面对复杂攻击者时韧性能力的显著进步。
Read paper →AI Security标题：用于人工智能系统安全的形式化架构：威胁建模、对抗性验证与具有可量化保证的鲁棒缓解
标题：用于人工智能系统安全的形式化架构：威胁建模、对抗性验证与具有可量化保证的鲁棒缓解 摘要：人工智能（IA）系统在关键基础设施、金融服务、数字平台和工业环境中的日益集成，引入了一个新的攻击面，其复杂性超越了传统计算安全范式。深度学习模型易受对抗样本攻击、数据投毒、模型提取以及敏感属性推断的影响，从而危及机密性、完整性和可用性。在本文中，我们提出一种用于 IA 安全的集成形式化架构，将数学威胁建模、自动化对抗性验证和具有可量化保证的鲁棒缓解机制相结合。我们的方法统一了三个组件：（i）一个由计算预算和访问能力参数化的形式化对手模型，（ii）一个基于自适应统计散度的异常检测机制，以及（iii）一个利用放松的凸优化实现的认证鲁棒性模块。我们在 PyTorch 和 TensorFlow 环境中实现了一个原型，并在 CIFAR-10、ImageNet-subset 和 UNSW-NB15 数据集上进行了评估。在 ε = 8/255 的 PGD 攻击下，我们的方法将鲁棒准确率从 32.4%（baseline）提升至 61.7%，标准差为 1.8%。在 10% 数据被破坏的投毒场景中，我们将对泛化误差的影响降低了 47%。我们还证明了模型提取攻击的成功率降低了 63%。复杂度分析表明，推理时间的平均开销为 18%，同时保持了运行可行性。我们的结果表明，形式化验证与基于统计基础的缓解措施的系统性集成，构成了 IA 安全工程中的一项实质性进展，并提供了与 NIST AI Risk Management Framework 指南一致的可度量保证。
Read paper →AI Security标题：面向人工智能系统安全的形式化架构：针对对抗性攻击、投毒和模型提取的统一防御模型
标题：面向人工智能系统安全的形式化架构：针对对抗性攻击、投毒和模型提取的统一防御模型 摘要：人工智能（IA）系统在关键基础设施、金融服务、医疗平台和工业环境中的日益集成，显著扩大了网络攻击面。机器学习（ML）和深度学习（DL）模型引入了特定漏洞，包括对抗性攻击、数据投毒和模型提取，这些漏洞无法被传统信息安全机制充分缓解。本文提出一种用于AI安全的统一形式化架构，融合统计鲁棒性机制、运行时异常检测和密码学保证。我们的方法结合了：（i）自适应对抗正则化，（ii）基于分布散度的概率检测，以及（iii）使用认证哈希函数和远程验证的完整性证明机制。我们在参数化威胁模型下形式化该问题，并证明我们的方法将对抗性攻击成功率从白盒场景中的78.4%降至12.7%，并在黑盒场景中从64.2%降至18.9%。在污染率为10%的投毒攻击中，我们观察到对准确率的影响从22.5%降至4.3%。平均计算开销在推理阶段为11.6%，在训练阶段为18.2%。我们在三个广泛使用的数据集（CIFAR-10、ImageNet-Subset和UNSW-NB15）上评估了该系统，并与基线防御方法进行了比较，包括经典对抗训练和基于独立统计检测的机制。结果表明，在鲁棒性和稳定性方面具有统计学显著优势（p < 0.01）。我们得出结论，AI安全应被视为一门具有可验证性质的形式化学科，而非传统安全的临时性扩展。
Read paper →AI Security标题：一种面向自适应攻击下机器学习模型安全性的形式化可验证架构：鲁棒性、监测与密码学保证的集成框架
标题：一种面向自适应攻击下机器学习模型安全性的形式化可验证架构：鲁棒性、监测与密码学保证的集成框架 摘要：机器学习（ML）模型在关键基础设施中的日益集成，为网络安全生态系统引入了新的攻击面。对抗性攻击、数据投毒、模型提取和属性推断已证明基于人工智能的系统存在脆弱性，并在金融、医疗和国防等领域造成了已记录的影响。本文提出一种面向自适应对手、在形式上有坚实基础的集成架构，用于保障ML模型安全，结合经认证的对抗鲁棒性、运行时行为偏差检测以及完整性与保密性的密码学保证。我们的方法论围绕三个主要组件展开：（i）结合 Lipschitz 正则化和概率认证的鲁棒训练；（ii）基于潜在分布统计建模和通过序贯检验进行异常检测的在线监测；以及（iii）结合远程证明和机密计算的密码学封装。我们根据与 MITRE ATT&CK（T1565、T1190、T1027）对齐的能力形式化威胁模型，并定义可测量的安全属性。我们在三个数据集（CIFAR-10、UNSW-NB15 和 MIMIC-III）以及两个真实入侵检测场景中评估了该架构。与对抗鲁棒性基线（PGD-training）和孤立检测方法相比，我们的框架将对抗攻击成功率从 78.4% 降低到 21.7%，以 3.8% 的误报率检测出 93.2% 的投毒攻击，并将平均计算开销保持在 11.6%。我们证明，形式化机制与运行机制的系统性集成能够在系统韧性方面带来显著提升，并为高风险环境中安全 AI 系统的开发建立了具体指导原则。
Read paper →