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 · EN

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 · EN

Autonomous 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 →

全部 Detection DFIR AppSec DevSecOps AI Security IAM Cloud Containers IR Crypto Research Phishing Secrets

178 papers

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。

2007-04-01Read 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。

2007-03-26Read paper →Secrets

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

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。

2007-03-19Read 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。

2007-03-12Read paper →Phishing

基于深度学习与形式化威胁建模、具有可量化鲁棒性保证的自适应多模态网络钓鱼检测

TITLE: 基于深度学习与形式化威胁建模、具有可量化鲁棒性保证的自适应多模态网络钓鱼检测 ABSTRACT: 在2025年的全球网络安全格局中，网络钓鱼仍然是最主要的入侵向量之一，其结合了社会工程、短暂化基础设施以及基于人工智能的高级规避技术。本文提出一种用于自适应网络钓鱼检测的多模态架构，该架构以对抗性风险的形式化建模为基础，并对攻击者的运营成本施加显式约束。我们将该问题形式化为一个战略博弈：在预算受限为 $\epsilon$ 的对手与分类器 $f$ 之间展开，定义对抗风险 $R(f,\mathcal{A}_\epsilon)$，并建立 $\epsilon$-对抗鲁棒性的定量条件。我们证明，在扰动部分独立假设下，多模态的凸融合——包括词汇模态、结构模态（DOM）、基于 Transformer 的语义模态以及视觉感知模态——能够保持分类间隔，从而提高规避攻击的经济成本。该架构通过最小–最大优化进行训练，内部对手由现实可行的变换参数化，包括 IDN 同形异义字符、语法变异以及动态混淆。我们在包含120万个URL的公共整合数据集上对系统进行了评估，并通过分层自助法（bootstrap）获得置信区间。结果表明，在 INT8 量化后系统平均延迟低于35 ms 的情况下，AUC 达到 0.997，F1 达到 0.986。在定向攻击条件下，检测率仍保持在94%以上，优于单模态模型。我们进一步讨论了多模态鲁棒性的经济学影响、与现代安全控制（如 TLS 指纹识别和通过 eBPF 的遥测）的集成，以及与人工智能治理和数字身份指南的对齐。我们得出结论：形式化基础与工程实践的结合能够在不牺牲企业运营要求的前提下，实现可测量的鲁棒性保证。

2007-03-05Read paper →Phishing

标题：PhishGuard++：在现实威胁模型下具备形式化保证的多模态自适应钓鱼检测

标题：PhishGuard++：在现实威胁模型下具备形式化保证的多模态自适应钓鱼检测摘要：钓鱼攻击在2025年的全球威胁格局中仍然是最普遍且经济影响最显著的初始访问向量之一，并不断演进，纳入中间人对手工具包（AiTM）、动态生成页面以及由大规模生成式模型产生的合成内容。本文提出 PhishGuard++，一种多模态且鲁棒的钓鱼检测架构，在形式化的 min–max 鲁棒学习框架下整合词汇、结构、视觉和行为信号。我们将该问题明确建模为在多模态对抗扰动下的风险最小化，考虑一个多项式时间受限的概率性对手，其能力包括注册任意域名、获取有效的 TLS 证书、采用 Unicode 同形异义字符混淆以及利用语言模型进行自动化内容生成。该架构结合了字符级 CNN、从 DOM 图派生的结构嵌入、ResNet-50 视觉骨干网络，以及基于 Transformer 的跨注意力融合模块，并使用受 FGSM 启发的对抗正则化进行训练。我们在 Lipschitz 连续性假设和扰动集合紧致性的条件下，形式化证明了若干鲁棒性充分条件，并分析了计算复杂度，以确保在容器化生产环境中端到端时延低于 20 ms。我们在公共数据集（PhishTank、UCI）和一个平衡的专有语料库上评估了该系统，平均准确率达到 98.73%（±0.21），AUC 为 0.992，相较于 Random Forest 和 XGBoost 具有统计显著的提升（p < 0.01）。此外，我们还在同形异义字符混淆和由 LLM 生成的合成内容条件下进行了实验，结果表明其具有更强的相对鲁棒性。最后，我们讨论了其与现代安全架构（CNAPP、eBPF）集成以及与 NIST 数字身份指南对齐的意义，并分析了局限性与未来方向，包括用于模型保护的差分隐私联邦学习和后量子密码学。

2007-02-26Read paper →Phishing

标题: PhishGuard++：在现实威胁模型下具备形式化保证的多模态自适应钓鱼检测

标题: PhishGuard++：在现实威胁模型下具备形式化保证的多模态自适应钓鱼检测摘要：钓鱼攻击在2025年的全球威胁环境中仍然是最普遍且经济影响最大的初始访问向量之一，并且不断演进，开始纳入 adversary-in-the-middle（AiTM）工具包、动态生成页面以及由大规模生成式模型产生的合成内容。本文提出 PhishGuard++，一种用于钓鱼检测的多模态、鲁棒架构，将词法、结构、视觉和行为信号整合于形式化的鲁棒 min–max 学习框架之下。我们将该问题显式建模为在多模态对抗扰动下的风险最小化，考虑一个多项式时间有界的概率性对手，其能力包括注册任意域名、获取有效 TLS 证书、采用 Unicode 同形异义字符混淆以及利用语言模型自动生成内容。该架构结合了字符级 CNN、从 DOM 图中导出的结构嵌入、ResNet-50 视觉主干，以及基于 Transformer 的融合模块与交叉注意力机制，并通过受 FGSM 启发的对抗正则化进行训练。我们在 Lipschitz 连续性假设与扰动集合紧致性的条件下，形式化证明了若干鲁棒性的充分条件，并分析了计算复杂度，以确保在容器化生产环境中端到端时延低于 20 ms。我们在公共数据集（PhishTank、UCI）及平衡的专有语料上评估了该系统，取得了 98.73%（±0.21）的平均准确率和 0.992 的 AUC，相较于 Random Forest 和 XGBoost 具有统计显著的提升（p < 0.01）。此外，我们还在同形异义字符混淆和由 LLM 生成的合成内容条件下进行了实验，结果表明其具有更高的相对鲁棒性。最后，我们讨论了其与现代安全架构（CNAPP、eBPF）的集成以及与 NIST 数字身份指南的对齐，并探讨了未来方向，包括结合差分隐私的联邦学习以及用于模型保护的后量子密码学。

2007-02-26Read paper →Phishing

标题：一种用于多渠道钓鱼检测与缓解的自适应混合架构：结合形式化威胁建模、对抗鲁棒性与自监督学习

标题：一种用于多渠道钓鱼检测与缓解的自适应混合架构：结合形式化威胁建模、对抗鲁棒性与自监督学习摘要：截至2025年，钓鱼攻击仍然是现代攻击链中最主要的初始 प्रवेश向量，且已演变为融合电子邮件、SMS（smishing）、语音（vishing）、即时通讯以及基于生成式AI平台的多渠道攻击活动。Verizon 和 APWG 最近的报告表明，这类活动在数量和复杂性上持续增长，包括使用新注册域名、Unicode 同形异义域名以及短生命周期基础设施。本文提出一种用于多渠道钓鱼检测与缓解的自适应混合架构，其基础为形式化威胁建模、自监督学习，以及结合基于 Transformer 的语义表示的 URL 结构分析。我们将该问题形式化为严重类别不平衡条件下的二分类，并引入针对语义保持型扰动的对抗鲁棒性的显式定义，以及对抗场景下的操作性性能度量。该架构集成三个模块：(i) 带有同形异义字符检测和时间信号分析的 URL 结构分析器；(ii) 基于 BERTimbau 的上下文语义编码器；以及 (iii) 通过重构训练的自监督异常检测器。我们在一个来自 OpenPhish、PhishTank 和 Enron 的 320 万条消息的数据集上评估了该系统，采用 5 折分层交叉验证。结果显示，F1-score 达到 98.6%，AUC 达到 0.997；在同形异义字符攻击下性能退化仅为 3.1%，优于经典基线和卷积网络。我们证明了误报率降低 37%，这对于符合 NIST 指南的 SOC 运行至关重要。我们还讨论了其对 CNAPP 的影响、与 Kubernetes 管道的集成，以及与 WHOIS 和语言偏差相关的局限性。结论是，结构分析、语义建模与自监督检测之间的形式化集成，为 2025 年的威胁生态系统提供了一种鲁棒且在操作上可行的方法。

2007-02-20Read paper →Phishing

标题: 用于多渠道钓鱼检测与缓解的自适应混合架构：结合威胁形式化建模、对抗鲁棒性与自监督学习

标题: 用于多渠道钓鱼检测与缓解的自适应混合架构：结合威胁形式化建模、对抗鲁棒性与自监督学习摘要: 截至2025年，钓鱼攻击仍然是现代攻击链中最主要的初始访问向量，涵盖了结合电子邮件、SMS（smishing）、语音（vishing）、即时通讯以及基于生成式AI平台的多渠道活动。Verizon和APWG近期报告表明，此类活动在规模和复杂性上持续增长，包括使用新注册域名、Unicode同形异义字符以及短暂性基础设施。本文提出一种用于多渠道钓鱼检测与缓解的自适应混合架构，其基础是威胁的形式化建模、自监督学习，以及结合基于Transformer的语义表示的URL结构分析。我们将问题形式化为在严重类别不平衡条件下的二分类，并引入对语义保持扰动的显式对抗鲁棒性定义，以及在对抗场景中的操作性性能度量。该架构集成三个模块：(i) 具备同形异义字符检测与时间信号分析的URL结构分析器；(ii) 基于BERTimbau的上下文语义编码器；以及 (iii) 通过重构训练的自监督异常检测器。我们在一个由OpenPhish、PhishTank和Enron提供的320万条消息组成的数据集上，使用分层5折交叉验证对系统进行评估。结果表明，F1-score达到98.6%，AUC为0.997；在同形异义字符攻击下性能降幅仅为3.1%，优于经典基线方法和卷积神经网络。我们证明假阳性率降低了37%，这对于符合NIST指南的SOC运营至关重要。文中还讨论了对CNAPP的影响、与Kubernetes流水线的集成，以及与WHOIS和语言偏差相关的局限性。我们得出结论：结构分析、语义建模与自监督检测之间的形式化集成，是面向2025年威胁生态系统的一种鲁棒且在运营上可行的方法。

2007-02-20Read paper →Phishing

PHISHGUARD++：一个用于多模态网络钓鱼检测的形式化、鲁棒且可扩展的框架，结合深度学习、对抗建模与AI治理

TITLE: PHISHGUARD++：一个用于多模态网络钓鱼检测的形式化、鲁棒且可扩展的框架，结合深度学习、对抗建模与AI治理 ABSTRACT: 网络钓鱼仍然是当代数字生态系统中最普遍且经济影响最显著的入侵向量之一，并因基于生成式人工智能的自动化以及高度个性化的攻击活动而被进一步放大。本文提出PHISHGUARD++，一个用于多模态网络钓鱼检测的形式化且可扩展的框架，该框架在min-max形式化下整合了严格的统计建模、深度学习以及对抗训练。我们将该问题建模为输入空间 $X = X_t \times X_g \times X_v$ 上的监督分类任务，其中涵盖文本特征、结构特征（由域名、IP、证书及ASN关系构成的异构图）以及视觉特征。我们将经典的期望风险最小化目标重新表述为对抗鲁棒风险的优化问题，从而显式刻画受 $\epsilon$ 约束的扰动以及概念漂移情景。所提出的架构结合了预训练Transformer、异构图神经网络以及深度残差卷积网络，并采用正则化的后期融合机制。我们使用基于Projected Gradient Descent (PGD) 的对抗训练，并在 $L_p$ 范数约束攻击下评估模型鲁棒性。基于 PyTorch 2.x、Apache Kafka 和 Apache Flink 的实现表明该系统具有良好的操作可行性，在配备 NVIDIA A100 GPU 的集群上实现了每个样本平均 12,4 ms 的延迟以及超过每秒 80.000 个事件的吞吐量。在一个包含 154 万条平衡实例的数据集上，模型达到 $F1 = 0{,}986 \pm 0{,}004$，假阳性率为 0,92%，并在对抗攻击下表现出可控的性能退化。我们进一步讨论了AI治理的影响、与NIST指南的合规性以及与AI风险管理框架的对齐。结果表明，多模态建模、鲁棒优化与现代安全工程实践的结合，在抵御由大语言模型增强的自适应网络钓鱼攻击活动方面能够带来显著的韧性提升。

2007-02-13Read paper →Research

一种用于企业异构环境中基于合法管理工具滥用的威胁检测与自适应缓解的形式化可验证架构

本文针对企业异构网络环境中攻击者滥用系统内置工具、管理接口与合法二进制文件所形成的隐蔽威胁提出一种形式化可验证的检测与缓解框架。与依赖新增恶意程序或单一签名特征的传统方法不同，我们将攻击行为刻画为具有时间顺序、因果依赖与状态转移约束的序列过程，并以溯源图为核心载体，对进程、文件、网络连接与身份凭据之间的关系进行统一建模。在此基础上，我们引入马尔可夫状态空间、Kullback–Leibler 散度以及 CUSUM 控制统计量，构建一种兼顾在线检测、阈值自适应与概率界分析的机制。通过将检测问题形式化为对抗博弈，我们给出在统计可分性条件下的规避概率上界，并证明当观测分布与正常行为分布之间存在足够偏移时，攻击序列被稳定识别的概率可随窗口长度增长而指数提高。本文进一步讨论了系统实现的分层架构，包括审计采集、事件流传输、特征规范化、实时关联分析与响应联动，并结合企业内常见的 IDS/IPS、SIEM、NAC 与主机审计机制说明其工程可行性。实验部分在多阶段横向移动、凭据滥用与脚本执行场景下验证了该方法，相较于仅依赖边际频率或静态规则的基线方案，其误报率和平均检测时间均有改善。案例研究表明，该框架能够在能源与医疗等高价值环境中对典型合法工具滥用链路实现较早告警与自动化隔离。总体而言，本文在 2007 年可用的安全技术语境下，将入侵检测理论、统计过程控制与因果溯源建模结合起来，为面对“以合法为掩护”的攻击提供了可解释、可分析且可部署的防御思路。

2007-02-06Read paper →Research

ARCUS：用于分布式网络环境中威胁自适应检测与遏制的弹性且上下文统一的架构

随着分布式网络环境、虚拟化平台、应用层网关以及基于代理的远程接入系统的广泛部署，组织的安全边界正在从单一周界转向由多个管理域构成的异构安全平面。此类环境通常同时包含本地服务器、外部托管服务、数据库系统、邮件网关、目录服务与远程办公基础设施，其结果是日志来源多样、事件链条跨域、攻击路径隐蔽且关联困难。针对这一现实，我们提出 ARCUS，一种面向 2007 年技术背景的弹性且上下文统一的架构，用于在分布式网络环境中实现威胁自适应检测与遏制。ARCUS 以概率时间图为统一表示形式，将主机审计、网络流量、认证事件、Web 请求、数据库查询和目录服务调用映射为可关联的时间事件，并结合基于图的注意力机制对入侵活动进行判别。与此同时，我们将自动遏制问题形式化为带约束的组合优化模型，通过显式编码服务依赖、可用性约束和隔离策略，避免过度响应造成的业务中断。本文进一步给出威胁模型、形式化定义、算法复杂度分析与实验评估方法，并在经典入侵检测数据集与合成企业网络场景上验证架构的有效性。实验结果表明，ARCUS 相较于基于签名的 IDS 与传统图模型，在检测精度、误报控制以及响应延迟方面均表现出更好的平衡性。我们认为，该架构为 2007 年前后的企业安全运营中心提供了一种兼顾可解释性、可扩展性与可验证响应的系统化方案。

2007-01-30Read paper →Research

基于动态图的概率检测与时间相关性分析用于异构企业环境中的横向移动

横向移动是企业内网入侵后最具破坏性的阶段之一，其典型特征是攻击者在获得初始立足点后，借助有效凭据、远程服务与信任关系在主机、身份与应用边界之间持续扩展访问权限。对于 2007 年以前的企业环境而言，传统基于边界防护、静态规则与孤立告警的检测方法，往往难以刻画多跳认证链、时间依赖关系以及低频高隐蔽行为，从而导致误报率高、漏报率亦难以接受。为应对这一问题，我们提出一种面向异构企业环境的时间动态图概率检测框架，将身份、主机、远程会话、目录服务与网络流量统一建模为带时间戳的事件图，并在此基础上采用增量贝叶斯推断更新边缘合法性概率。该框架以对数似然累积方式描述路径风险，结合单调剪枝策略对候选路径进行高效枚举，从而在保证可扩展性的同时控制搜索空间。我们进一步从基率谬误的角度分析告警阈值设定与误报抑制之间的关系，说明在低发生率场景下，精细化概率建模比单纯依赖静态阈值更具实际意义。本文还给出形式化威胁模型、完备性证明、复杂度分析以及面向金融与医疗场景的案例讨论。实验部分采用严格的时间切分验证，评估静态规则、经典统计方法与所提出模型在 AUC、固定召回率下误报率以及可解释性方面的表现。结果表明，该方法在保持较高可解释性与可操作性的前提下，能够更稳定地识别跨主机、跨会话与跨身份域的可疑横向移动链条，并为安全运营中心在事件响应、取证与阻断决策中提供更一致的概率依据。

2007-01-23Read paper →Research

标题：ARCUS：用于混合环境中高级威胁自适应检测的统一语义关联弹性架构

标题：ARCUS：用于混合环境中高级威胁自适应检测的统一语义关联弹性架构摘要：混合和多云架构的加速扩展，结合 DevSecOps 实践的采用、短暂性工作负载以及基于人工智能的组件集成，至 2025 年显著扩大了组织的攻击面。近期报告表明，入侵仍在利用已知漏洞、社会工程和供应链，而围绕大语言模型（LLMs）、暴露的 API 和联邦身份的新威胁也在不断涌现。在此背景下，主要基于语法关联和静态规则的传统 SIEM 机制，在捕获分布式时间依赖和语义依赖方面显示出结构性局限。我们提出 ARCUS，一种形式化基础架构，集成了与 MITRE ATT&CK 和 NIST SP 800-61 对齐的语义本体、动态时间图，以及结合 Graph Neural Networks（GNNs）和增量统计检测的混合推理。我们将事件形式化为结构化元组，并通过时间图 $G_t$ 对系统演化进行建模，在现实索引假设下保留了具有常数摊还复杂度的增量更新性质。我们将检测问题定义为阈值 $\tau$ 下的贝叶斯决策，其代价函数由复合损失构成，用于平衡监督分类与异常评分。我们在匿名化真实数据、DARPA Transparent Computing 和 Atomic Red Team 上评估了 ARCUS，相较于工业 SIEM 基线，平均精度达到 96.9%，召回率达到 97.8%，误报率降低了 43%，平均检测时间减少了 79%。我们讨论了所需的概率性质、运行可扩展性（每天 32 亿事件）以及与 CNAPP 和 SOAR 的集成。我们得出结论：面向图的语义关联与增量推理相结合，为当代混合环境中的高级威胁自适应检测提供了严谨且可 عملی部署的基础。

2007-01-16Read paper →Research

基于多层时间相关性与鲁棒统计推断的高级持续性威胁主动检测自适应架构

随着企业网络边界不断延展，入侵行为已不再局限于单一主机或单一网段，而是呈现出跨网络、主机、应用与身份认证层的协同演化特征。针对这一现实，我们提出一种面向高级持续性威胁（APT）的主动检测自适应架构，核心思想是在多层遥测数据之上显式建模时间相关性，并结合鲁棒统计推断抵御日志缺失、异常噪声与对抗性篡改。本文将安全事件抽象为带时间戳的异构观测序列，通过滑动窗口构建多层时间图，并利用 Huber 型 $M$-估计对边权进行鲁棒估计，以降低少量恶意污染对全局推断的影响。在此基础上，我们引入动态贝叶斯更新机制，将系统状态表示为潜在攻陷变量，并以攻击链阶段作为先验结构，增强检测结果的可解释性与可操作性。为了验证方法有效性，我们在企业级遥测环境中开展了经验评估，并与随机森林、LSTM 和孤立森林等基线方法进行比较。结果表明，该架构在检测率、误报率与平均检测时间方面均优于对照方法，且在污染比例上升时保持更稳定的性能退化曲线。进一步分析显示，时间相关性建模能够有效揭示横向移动、凭证滥用与多阶段执行之间的依赖关系，而鲁棒推断则显著提升了系统在不完整日志条件下的容错能力。我们认为，该方法适合作为企业网络中 IDS/IPS、SIEM 与事件响应流程之间的关联分析层，为持续监测与主动防御提供理论依据与工程实现路径。

2007-01-10Read paper →Crypto

标题: CryptoResilient：一种用于缓解分布式基础设施中高级攻击的自适应且可形式化验证的密码学架构

标题: CryptoResilient：一种用于缓解分布式基础设施中高级攻击的自适应且可形式化验证的密码学架构摘要：当代分布式基础设施的复杂性不断增长，其特征包括微服务、多云环境、机密计算以及与基于人工智能的系统集成，这给密码工程带来了新的挑战。尽管 TLS 1.3 和 AEAD 模式等现代原语提供了强健的形式化安全保证，但近期事件表明，系统级安全在很大程度上依赖于密钥的动态管理、正确实现以及对不断演化的威胁模型的持续适应。本文提出 CryptoResilient 架构，这是一种自适应且可形式化验证的密码学方法，集成了持续风险监测、密码策略的动态编排，以及基于 SMT 的增量形式化验证。我们将密码自适应性问题形式化为一个针对具有部分可观测性的自适应对手的概率博弈，并定义了密钥时间暴露的定量度量。我们在明确假设下证明，与固定周期策略相比，基于风险指标条件化的自适应轮换可线性降低期望暴露。我们在 Kubernetes 1.29 上实现了一个原型，使用 OpenSSL 3.2、HashiCorp Vault、兼容 PKCS11 v3.1 的 HSM，以及通过 Prometheus 和 eBPF 的可观测性机制集成。此外，我们纳入了与 NIST 于 2024 年标准化的后量子算法兼容的 crypto-agility 机制，例如 CRYSTALS-Kyber 和 CRYSTALS-Dilithium。我们在一个 64 节点集群上、以每秒 40,000 次请求的负载对系统进行了实证评估，观察到对已受损密钥的平均暴露窗口显著降低，且吞吐量开销低于 7%。结果表明，密码自适应性与持续形式化验证的结合在生产环境中是可行的，并能在抵御重放攻击、节点局部失陷以及 MITRE ATT&CK 所收录技术方面提供可衡量的韧性提升。最后，我们讨论了其对密码治理、合规监管以及向后量子场景过渡的启示。

2007-01-03Read paper →Crypto

标题：CryptoResilient：一种自适应且可形式化验证的密码学架构，用于缓解分布式基础设施中的高级攻击

标题：CryptoResilient：一种自适应且可形式化验证的密码学架构，用于缓解分布式基础设施中的高级攻击摘要：当代分布式基础设施的复杂性不断增长，其特征包括微服务、多云环境、机密计算以及与基于人工智能系统的集成，这对密码工程提出了新的挑战。尽管诸如 TLS 1.3 和 AEAD 模式等现代原语提供了稳健的形式化安全保证，但近期事件表明，系统级安全性在很大程度上取决于密钥的动态管理、正确实现以及对演化中的威胁模型的持续适应。在本文中，我们提出 CryptoResilient 架构，这是一种自适应且可形式化验证的密码学方法，集成了持续风险监测、密码策略的动态编排以及基于 SMT 的增量形式化验证。我们将密码自适应问题形式化为一个针对具有部分可观测性的自适应对手的概率博弈，并定义了密钥时间暴露的定量度量。我们在明确假设下证明，与固定周期策略相比，基于风险指标条件触发的自适应轮换可线性降低期望暴露。我们在 Kubernetes 1.29 上实现了一个原型，使用 OpenSSL 3.2、HashiCorp Vault、兼容 PKCS11 v3.1 的 HSM，以及通过 Prometheus 和 eBPF 的可观测性机制进行集成。此外，我们纳入了与 NIST 于 2024 年标准化的后量子算法兼容的 crypto-agility 机制，例如 CRYSTALS-Kyber 和 CRYSTALS-Dilithium。我们在一个 64 节点集群上、以每秒 40,000 次请求的负载对系统进行了实证评估，观察到遭受破坏的密钥的平均暴露窗口显著缩短，且吞吐量开销低于 7%。结果表明，密码自适应与持续形式化验证之间的集成在生产环境中是可行的，并能够在抵御重放攻击、节点部分妥协以及 MITRE ATT&CK 中归类的技术方面带来可衡量的韧性提升。最后，我们讨论了其对密码治理、法规合规以及向后量子场景过渡的影响。

2007-01-03Read paper →Crypto

标题: 混合基础设施中的行为密码分析与自适应密钥监控：一种面向高级持续性威胁的弹性密码架构

标题: 混合基础设施中的行为密码分析与自适应密钥监控：一种面向高级持续性威胁的弹性密码架构摘要: 混合基础设施日益复杂，融合本地部署环境、公有云和私有云、边缘计算以及基于人工智能的工作负载，在2025年对密码安全提出了新的挑战。Zero Trust 架构的扩展、后量子密码学的采用以及大规模语言模型（LLMs）的广泛使用，扩大了攻击面，尤其是在密码密钥管理及其生命周期方面。本文提出一种形式化的行为密码分析架构，结合自适应密钥监控，旨在检测并缓解混合基础设施中的高级持续性威胁（APTs）。我们基于游戏论安全模型、行为偏差的概率分析以及通过密码不变量进行的安全属性验证来论证该方案。我们引入一种基于统计散度和抗数据投毒机器学习的数学检测模型，集成来自 eBPF、CNAPPs（Cloud-Native Application Protection Platforms）以及兼容 FIPS 140-3 的密钥管理系统的遥测数据。我们在涉及密钥外泄、Kubernetes 集群中的横向移动攻击以及 MLOps 流水线利用的现实场景下评估了该架构。结果表明，平均检测时间（MTTD）显著降低，并在自适应对手模型下增强了机密性和完整性保证。我们还证明了该方案与 NIST 标准化的后量子算法，如 CRYSTALS-Kyber 和 CRYSTALS-Dilithium，具有兼容性，同时保留形式化安全属性。我们得出结论，行为密码分析与自适应密钥监控的结合，为当代数字生态系统中具备弹性的密码防御构成了一种前景广阔的范式。

2006-12-27Read paper →Crypto

标题：混合基础设施中的行为密码分析与自适应密钥监控：一种面向高级持续性威胁的弹性密码体系架构

标题：混合基础设施中的行为密码分析与自适应密钥监控：一种面向高级持续性威胁的弹性密码体系架构摘要：混合基础设施日益复杂，融合本地部署环境、公有云与私有云、边缘计算以及基于人工智能的工作负载，对2025年的密码安全提出了新的挑战。Zero Trust 架构的扩展、后量子密码学的采用，以及大语言模型（LLMs）的广泛使用，扩大了攻击面，尤其是在密码密钥管理及其生命周期方面。本文提出一种形式化的行为密码分析架构，结合自适应密钥监控，旨在检测并缓解混合基础设施中的高级持续性威胁（APTs）。我们的方案建立在基于博弈的形式化安全模型、行为偏差的概率分析，以及通过密码不变量进行安全属性验证的基础之上。我们引入了一种基于统计散度和对数据投毒具有鲁棒性的机器学习的数学检测模型，并集成来自 eBPF、CNAPPs（Cloud-Native Application Protection Platforms）以及兼容 FIPS 140-3 的密钥管理系统的遥测数据。我们在涉及密钥外泄、Kubernetes 集群中的横向移动攻击以及 MLOps 流水线利用的现实场景下评估了该架构。结果表明，在自适应对手模型下，平均检测时间（MTTD）显著降低，保密性和完整性保障得到增强。我们还证明了该方案与 NIST 标准化的后量子算法（如 CRYSTALS-Kyber 和 CRYSTALS-Dilithium）的兼容性，同时保留形式化安全性质。我们得出结论，行为密码分析与自适应监控的融合，为当代数字生态系统中的弹性密码防御构成了一种前景广阔的范式。

2006-12-27Read paper →Crypto

CriptoResiliente：一种用于在大规模分布式环境中缓解密码学故障的自适应且形式化验证的架构

TITLE: CriptoResiliente：一种用于在大规模分布式环境中缓解密码学故障的自适应且形式化验证的架构 ABSTRACT: 现代密码学构成分布式系统安全的基石，保障机密性、完整性、真实性以及不可否认性。尽管诸如 AES、RSA、ECDSA 等密码原语以及 TLS 1.3 协议在经典计算假设下仍被认为是形式上安全的，但经验证据表明，大多数安全事件源于实现缺陷、配置错误、密钥管理问题以及系统集成失误。到 2025 年，向 NIST 后量子标准的过渡、云原生架构的大规模采用、CNAPP（Cloud-Native Application Protection Platforms）、基于 eBPF 的可观测性工具，以及基于 AI/LLMs 的组件集成，显著扩大了攻击面并增加了运维复杂性。本文提出 CriptoResiliente，一种具有增量式形式化验证能力的自适应密码架构，旨在缓解大规模分布式环境中的密码学故障。我们引入一个针对密码密钥的数学风险模型 $R(k,t)$，该模型综合考虑暴露时间、相关漏洞以及观测到的攻击强度，并将其表述为一个受计算成本约束的优化问题。我们证明，在具有网络控制能力并能部分攻陷节点的对手模型下，基于风险导向的密钥轮换策略能够显著降低平均暴露时间。我们在 Kubernetes 1.29 上实现了一个原型系统，采用混合 TLS 1.3（X25519 + ML-KEM），与符合 FIPS 140-3 的 HSM 集成，通过 eBPF 与 Prometheus 进行遥测，并使用 ProVerif 进行形式化验证。在最多 $10^7$ 次 TLS 会话/天的实验评估中，我们观察到平均暴露时间减少 73,4%，系统开销低于 10%，且具有统计显著性（$p < 0{,}01$）。我们得出结论：敏捷密码学、风险导向监测与增量式形式化验证的结合，是在 2025 年实现具备韧性的密码安全的一种可行且可扩展的方法，包括在后量子迁移与 AI 治理要求下亦然。

2006-12-20Read paper →Crypto

标题：适用于分布式关键基础设施的后量子完整性证明自适应密码架构

标题：适用于分布式关键基础设施的后量子完整性证明自适应密码架构摘要：向后量子密码迁移给分布式关键基础设施的安全带来了重大挑战，尤其是在迁移期间需要保持互操作性、性能以及形式化安全保证。本文提出后量子完整性证明自适应密码架构（ACAPQ），这是一种将经典与后量子原语相结合，并配备形式化持续完整性证明机制的混合模型。我们以 ECDHE 与 CRYSTALS-Kyber 之间的鲁棒组合为基础，通过由完整 handshake transcript 认证的 HKDF 进行密钥派生，从而缓解降级攻击。针对状态完整性与真实性，我们引入一种基于 Merkle 树和 CRYSTALS-Dilithium 签名的证明协议，在对第二原像抗性和 EUF-CMA 攻击具备抵抗力的条件下，提供可量化的概率性保证。我们在计算范式下形式化了威胁模型，假设对手为具有主动拦截、部分自适应妥协能力以及由 BQP 类建模的量子计算能力的多项式时间概率对手。我们证明，在混合秘密统计独立的假设下，即使未来经典原语被攻破，派生密钥仍保持不可区分性。我们使用 liboqs 在 Go 1.22 中实现了一个原型，并在 Kubernetes 1.29 环境下、50,000 次请求每秒的负载条件下评估其性能。结果表明，与传统 TLS 1.3 相比，延迟和吞吐量的开销均低于 12%，同时保持超过 99% 的篡改检测率。分析讨论了对 CNAPP、云原生环境、用于安全可观测性的 eBPF 以及与 NIST 和 ENISA 指南一致、截至 2025 年的密码治理的影响。我们得出结论，ACAPQ 为分布式关键基础设施中的后量子迁移提供了一条在形式上有依据且在操作上可行的路径。

2006-12-13Read paper →IR

标题：IR-ADAPT：一种用于分布式企业环境中网络事件响应编排与优化的形式化、概率化与自适应框架

标题：IR-ADAPT：一种用于分布式企业环境中网络事件响应编排与优化的形式化、概率化与自适应框架摘要：事件响应（Incident Response – IR）已成为分布式企业环境中文件安全治理的战略性组成部分，这些环境以多云架构、容器化工作负载、SaaS 集成以及 AI/ML 管道为特征。遥测数据量的指数级增长，加之对手利用有效凭证、已知漏洞和规避技术所带来的复杂性，对事件的优先级排序与及时遏制提出了结构性挑战。在本文中，我们提出 IR-ADAPT，这是一种形式化、概率化与自适应框架，将 IR 建模为部分可观测马尔可夫决策过程（POMDP），从而支持在不确定性下的定量优化。我们将风险形式化为影响的条件期望值，并引入一个多变量成本函数，整合了入侵概率、归一化影响和认识论不确定性。我们证明了基于状态信念的贝叶斯更新与近似强化学习相结合，能够生成最小化期望折扣成本的自适应策略。我们使用 Elastic Stack、Apache Kafka 和 SOAR 平台（TheHive/Cortex）实现了一个原型，集成了 EDR 遥测、网络日志和云事件。我们在包含 320 万条真实与合成事件的数据集上评估了该系统，并将其与基于 CVSS 和静态 SIEM 规则的基线方法进行比较。结果表明，平均遏制时间（MTTC）统计显著降低了 47.3%（±2.1%），准确率提升至 92.4%，人工负担降低了 31.8%。我们讨论了其对受监管环境、与 CNAPP 的集成以及在 OT/ICS 场景中的局限性。我们得出结论，概率化的序列形式化为截至 2025 年的自适应事件响应编排提供了可衡量的收益和坚实的理论基础。

2006-12-07Read paper →IR

标题：IR-GraphSec：一种基于概率时态图和贝叶斯推断的形式化架构，用于分布式环境中自动化事件响应编排

标题：IR-GraphSec：一种基于概率时态图和贝叶斯推断的形式化架构，用于分布式环境中自动化事件响应编排摘要：异构混合云和多云数字基础设施日益复杂，这给事件响应（Incident Response, IR）学科带来了重大挑战，要求形式化模型能够捕获大规模分布式事件之间的时序、语义和概率依赖关系。本文提出 IR-GraphSec，一种基于概率时态图和贝叶斯推断的形式化架构，用于现代企业环境中事件响应的优先级排序与自动化编排。我们将事件形式化为语义增强的时间元组，并定义一个动态有向图，其中顶点表示实体，边表示随时间演化且在因果上相关的交互。我们将资产被入侵建模为二元随机变量，并通过可解释的逻辑回归估计以观测历史为条件的后验概率，从而近似一阶马尔可夫随机场。我们证明，在预算约束下的遏制优先级排序问题可归约为 0-1 背包问题的一个实例，因此是 NP-困难的，并提出具有经典近似保证的贪心启发式算法。该架构使用 Elastic Stack、Apache Flink、Neo4j、Kubernetes 和 PyTorch 实现，在包含 32 亿条匿名真实事件的实验中可支撑每秒 45,000 个事件。与基于静态规则和传统监督学习模型的方法相比，我们观察到 Mean Time to Detect（MTTD）降低了 37.4%，Mean Time to Respond（MTTR）降低了 42.1%，误报率降低了 22.3%。我们讨论了理论意义、经验局限以及涉及结构因果模型、在线学习和与云原生环境中现代安全技术集成的扩展方向。我们的结果表明，概率时态关系建模为企业规模的 IR 自适应编排奠定了坚实基础。

2006-11-30Read paper →IR

IR-GraphSec：一种基于攻击图和多目标优化的正式且可扩展的自动化事件响应编排框架

IR-GraphSec：一种基于攻击图和多目标优化的正式且可扩展的自动化事件响应编排框架摘要：随着多阶段网络攻击活动日益复杂，并叠加混合环境、云原生环境以及由人工智能驱动的环境的扩展，事件响应（Incident Response – IR）的编排面临重大挑战。尽管诸如 NIST SP 800-61 Rev. 2 和 NIST Cybersecurity Framework 等规范性框架已经建立了成熟的指导原则，但有效的遏制操作仍受复杂拓扑依赖、可用性约束以及多个相互冲突目标的限制。本文将响应编排问题形式化为一种在动态攻击图上的多目标优化问题，并通过与 MITRE ATT&CK 的自动映射以及来自 CNAPP、EDR 和 eBPF 环境的近实时遥测进行增强。我们定义了一个目标函数，综合残余风险、运营成本和停机影响，并受预算和业务连续性约束。我们证明了相关判定问题通过多项式归约可还原为带附加约束的最小割问题变体，因此是 NP-困难的。我们提出 IR-GraphSec 框架，基于 Neo4j、Apache Kafka 和 OR-Tools 实现，能够处理大规模事件流，并通过混合整数规划和 branch-and-bound 启发式生成优化的遏制方案。我们在一个分布式集群上对系统进行了实证评估，数据包括 480 万条真实和合成事件，并包含 MITRE Caldera 仿真。结果表明，与静态 SOAR playbooks 相比，Mean Time to Containment (MTTC) 平均降低 63.4%，残余风险下降 38.9%，估算财务影响降低 41.9%。统计分析确认了显著性，p < 0{,}01。我们讨论了与遥测质量相关的局限性，并探索了涉及鲁棒强化学习、人工智能系统安全以及与后量子密码学集成的扩展方向。我们得出结论：以图为导向的形式化建模是 2025 年实现自适应且可扩展 IR 编排的有前景的方法。

2006-11-23Read paper →