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
标题: IR-GraphSec：一种基于攻击图和多目标优化的自动化事件响应编排的形式化且可扩展框架
标题: IR-GraphSec：一种基于攻击图和多目标优化的自动化事件响应编排的形式化且可扩展框架 摘要: 随着多阶段网络攻击活动日益复杂，以及混合云、云原生和人工智能驱动环境的扩展，事件响应（Incident Response – IR）的编排面临重大挑战。尽管NIST SP 800-61 Rev. 2和NIST Cybersecurity Framework等规范性框架已建立成熟指南，但遏制措施的高效落地仍受复杂拓扑依赖、可用性约束以及多重冲突目标的限制。本文将响应编排问题形式化为一个在动态攻击图上的多目标优化问题，该攻击图通过自动映射到MITRE ATT&CK并融合来自CNAPP、EDR和eBPF环境的近实时遥测数据进行增强。我们定义了一个目标函数，整合残余风险、运营成本和不可用性影响，并受到预算和业务连续性约束的限制。我们证明，与该问题相关的决策问题通过对带附加约束的最小割问题变体进行多项式归约而成为NP难问题。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启发式方法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，使用了480万个真实和合成事件，包括使用MITRE Caldera的仿真。结果表明，与静态SOAR playbooks相比，Mean Time to Containment (MTTC)平均降低63.4%，残余风险减少38.9%，估计财务影响降低41.9%。统计分析确认结果具有显著性，p < 0{,}01。我们讨论了与遥测质量相关的局限性，并探讨了涉及鲁棒强化学习、AI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：面向图的形式化建模为2025年的自适应、可扩展IR编排提供了一种很有前景的方法。
Read paper →IR标题：IR-GraphShield：一种基于攻击图与时间证据的智能事件响应编排的形式化且可扩展框架
标题：IR-GraphShield：一种基于攻击图与时间证据的智能事件响应编排的形式化且可扩展框架 摘要：2025年数字环境的日益复杂性，以多云架构、微服务、短暂性工作负载以及对人工智能模型的深度集成为特征，给安全事件响应编排带来了重大挑战。我们提出 IR-GraphShield，这是一种基于融入时间证据和概率推理机制的攻击图的形式化且可扩展的智能事件响应编排框架。我们将响应过程形式化建模为一个标记转移系统 $ \mathcal{S} = (Q, \Sigma, \delta, q_0) $，其中状态表示系统的可观测配置，事件对应取证证据，动作则是自动化缓解策略。我们引入带有时间和概率加权的动态攻击图 $ G_t = (V_t, E_t) $，从而能够在新的妥协指标出现时进行持续的贝叶斯更新。我们展示了形式化验证、概率推理和可解释机器学习技术如何与当代 SOAR 和 CNAPP 平台，以及基于 eBPF 的传感器和运行时遥测相集成。该框架涵盖了与 LLM、模型供应链攻击、后量子密码学以及 AI 治理相关的新兴威胁。我们使用线性时序逻辑（LTL）和符号模型检测来评估响应策略的正确性、完备性和安全性属性。概念性实验和比较分析表明，与纯启发式方法相比，该框架可缩短平均遏制时间，并提高对误报的鲁棒性。IR-GraphShield 促进了自动化响应、数学形式化与证据驱动的自适应安全之间的融合，为截至 2025 年的现行技术背景提供了坚实的理论基础和实践可行性。
Read paper →ContainersContainerShield++：一种用于基于 Linux 的容器环境中威胁检测与缓解的形式化框架与可扩展系统
TITLE: ContainerShield++：一种用于基于 Linux 的容器环境中威胁检测与缓解的形式化框架与可扩展系统 ABSTRACT: 基于容器的轻量级虚拟化已成为云原生应用的主导基础设施，尤其是在由 Kubernetes 编排的环境中。然而，多个工作负载共享操作系统内核扩大了攻击面，因此需要严格的隔离机制、完整性验证以及行为检测方法。在本文中，我们提出 ContainerShield++，一种用于 Linux 容器环境中威胁检测与缓解的形式化框架与可扩展系统，集成了对隔离属性的数学建模、镜像的静态验证、通过准入控制器（admission controllers）的声明式执行，以及基于 eBPF 的动态监控。我们将隔离形式化为能力（capabilities）与命名空间（namespaces）图上的非干扰属性，在一种威胁模型下定义可验证的强隔离判据，其中对手能够在已被攻陷的容器内执行任意代码。我们提出用于静态风险评估和基于系统调用分布偏差的动态检测算法，并使用 $D_{KL}$ 作为行为偏移度量。我们在一个运行 Kubernetes v1.29 且使用 CRI-O 的集群上实现了该系统，集成 OPA/Gatekeeper 策略以及通过内核验证器验证的 eBPF 配置文件。我们在包含 120 个节点和 3.600 个容器的环境中对系统进行了实验评估，涵盖 MITRE ATT&CK for Containers 技术以及现实的漏洞利用场景，包括 CVE-2019-5736 和 CVE-2022-0492。结果表明，系统平均检测率达到 98,7%，CPU 开销低于 4%，每次 syscall 的平均附加延迟为 4,3 μs。我们展示了其相较于仅基于签名的方法（如 Falco）的优势，并讨论了向供应链安全扩展、Sigstore 签名、用于工件保护的后量子密码学以及与 CNAPP 平台集成的可能性。该工作为容器安全提供了形式化基础、在大规模环境中的实证验证，以及面向 2025 年最新技术水平的实践性指导。
Read paper →Containers一种基于行为建模与运行时完整性验证的容器监控与加固的形式化基础架构
TITLE: 一种基于行为建模与运行时完整性验证的容器监控与加固的形式化基础架构 ABSTRACT: 将容器作为云原生环境中应用打包与执行的主要单位的广泛采用，深刻改变了现代分布式系统的攻击面。到2025年，基于 Kubernetes 的基础设施、CNAPP（Cloud-Native Application Protection Platforms）、eBPF 以及数字签名的软件供应链已构成业界实践的主流。然而，大多数工业界方法仍然在镜像的静态验证与基于规则的反应式运行时监控之间割裂，缺乏统一的形式化基础。本文提出一种形式化规范的架构，将以下两方面集成：（i）通过 Merkle 树与兼容安全软件供应链的签名实现的结构完整性密码学验证；以及（ii）基于离散马尔可夫链的运行时行为概率建模，其输入为通过 eBPF 收集的系统事件序列。我们将容器形式化为由 namespaces 和 cgroups 限定的进程，并将全局状态建模为动态系统 $S(t)$，同时定义完整性、隔离性与非干扰等性质。异常检测被表述为对观测轨迹对数似然的假设检验，其中阈值 $\theta$ 通过统计方法进行校准。我们证明，密码学不变量与概率性质之间的正交组合能够减少规避行为，并提升对 MITRE ATT&CK for Containers 中已记录技术的鲁棒性。我们在 Kubernetes 1.29 上实现了一个原型系统，采用按节点部署的代理，并在包含 40 个节点、运行 120 个异构工作负载（包括含有 AI 组件的负载）的集群中进行评估。结果表明，系统平均检测率为 96.7%（95% 置信区间），误报率为 2.3%，CPU 开销低于 5%，同时保持良好的可扩展性。我们还提供了形式化的复杂度分析、对在线学习收敛性的讨论，以及与基于 TPM 2.0 的远程证明机制的集成方案。所提出的架构为当代云原生环境中的容器加固建立了一个在理论上坚实且在实践中可行的基础。
Read paper →Containers标题：一种基于攻击面组合建模的容器环境攻击检测与遏制形式化架构
标题：一种基于攻击面组合建模的容器环境攻击检测与遏制形式化架构 摘要：容器和 Kubernetes 等编排器的大规模采用，已使 cloud-native 范式到 2025 年成为企业环境中的主导基础设施。尽管轻量级虚拟化模型在运维效率和弹性方面具有优势，但共享内核以及集群的动态特性显著扩大了攻击面。近期涉及容器逃逸、Linux 内核漏洞利用以及集群内横向移动的事件表明，需要具有形式化基础和显式保证的检测与遏制机制。本文提出一种基于攻击面组合建模的容器环境攻击检测与遏制形式化架构。我们将环境形式化为一个带标注的有向图，集成容器、基础设施节点和交互通道，并将攻击面定义为作用于顶点和边的组合算子。我们引入一种基于系统调用图结构偏差的检测方法，利用观测到的邻接矩阵与在基线阶段学习得到的参考模型之间的谱散度进行分析。我们在显式假设下证明了若干形式化性质，包括一个条件完备性定理。我们实现了一个与 Kubernetes 1.29 集成的原型，并通过 eBPF/libbpf 进行监控，在一个运行 1,200 个容器的 64 节点集群上对系统进行了评估。结果表明，对于与 MITRE ATT&CK for Containers 对齐的场景，平均检测率高于 95%，误报率低于 3%，平均 CPU 开销为 3.8%。我们讨论了其与 CNAPP 平台及安全治理机制集成的影响，以及相关限制和规避向量。我们得出结论：形式化的组合建模结合高效的内核级监控，为大规模容器化环境的防护提供了严谨且可扩展的基础。
Read paper →Containers标题：一种基于攻击面组合建模的容器环境攻击检测与遏制形式化架构
标题：一种基于攻击面组合建模的容器环境攻击检测与遏制形式化架构 摘要：容器及 Kubernetes 等编排器的广泛采用，已使 cloud-native 范式到 2025 年在企业环境中确立为主导性基础设施。尽管这种轻量级虚拟化模型提供了运维效率和弹性，但内核共享以及集群的动态特性显著扩大了攻击面。近期涉及容器逃逸、Linux 内核漏洞利用以及集群内横向移动的事件表明，需要具有形式化基础和显式保证的检测与遏制机制。本文提出一种基于攻击面组合建模的容器环境攻击检测与遏制形式化架构。我们将该环境形式化为一个带标注的有向图，集成容器、基础设施节点和交互通道，并将攻击面定义为作用于顶点和边的组合算子。我们引入一种基于系统调用图结构偏差的检测方法，利用观测到的邻接矩阵与在基线阶段学习得到的参考模型之间的谱散度。我们在显式假设下证明了形式性质，包括一个条件完备性定理。我们实现了一个集成到 Kubernetes 1.29 的原型，采用 eBPF/libbpf 进行监测，并在一个运行 1,200 个容器的 64 节点集群上评估该系统。结果表明，对于与 MITRE ATT&CK for Containers 对齐的场景，平均检测率超过 95%，误报率低于 3%，平均 CPU 开销为 3.8%。我们讨论了与 CNAPP 平台及安全治理机制集成的影响，以及局限性和规避向量。我们得出结论：形式化组合建模结合高效的内核级监测，为大规模容器化环境的保护提供了严格且可扩展的基础。
Read paper →Containers一种基于概率行为画像与内核策略验证的容器逃逸检测与缓解形式化架构
TITLE: 一种基于概率行为画像与内核策略验证的容器逃逸检测与缓解形式化架构 ABSTRACT: 基于容器的虚拟化已成为云原生基础设施的核心，但其对共享内核的依赖带来了结构性的安全挑战。容器逃逸仍然是关键的入侵向量，尤其是在大规模 Kubernetes 环境中，其中 runtime、cgroups 子系统或内核本身的漏洞都可能导致隔离被破坏。本文提出一种用于检测与缓解容器逃逸的形式化架构，该架构基于系统调用序列的概率建模以及内核层安全策略的自动合成。我们将应用程序的合法行为建模为 syscalls 字母表上的概率语言，并通过带有贝叶斯平滑的可变阶马尔可夫链进行实例化。在参数 $(\epsilon, \delta)$ 下，我们推导了形式化的正确性与完备性界限，并引入一种基于累积对数似然的决策准则。基于观测到的经验支持，我们自动合成最小化的 seccomp 配置文件以及与现代 LSM（AppArmor 或 SELinux）兼容的策略，从而可量化地减少攻击面。我们使用与 Linux 6.x 内核 tracepoints 耦合的 eBPF 实现了该架构，并将其集成到运行 containerd 1.7 的 Kubernetes 1.28 集群中。在包含 120 个节点和 1,800 个容器的实验评估中，我们实现了允许 syscalls 集合平均减少 72.4%，检测率达到 96.1%，CPU 平均开销为 3.7%。我们还表明，该方法在保持可扩展性和低延迟的同时，优于仅基于启发式规则的机制。我们得出结论：形式化概率建模、高效的内核内验证以及自动策略合成的结合，为 2025 年容器化环境的动态安全加固提供了一种稳健策略。
Read paper →Cloud面向多云环境的威胁操作建模与基于遥测的检测：IaaS、PaaS 与 Kubernetes 基础设施中的实用防御策略（2025）
TITLE: 面向多云环境的威胁操作建模与基于遥测的检测：IaaS、PaaS 与 Kubernetes 基础设施中的实用防御策略（2025） ABSTRACT: 云计算已成为企业基础设施、数字服务和人工智能平台的主导运行基底。到 2025 年，结合 AWS、Microsoft Azure 和 Google Cloud Platform（GCP）的多云与混合云环境已十分常见，而基于容器、Kubernetes 和无服务器函数的云原生架构显著扩大了攻击面。本文提出了一种面向云安全的操作性分析方法，重点关注威胁建模、风险形式化以及基于遥测的检测与响应机制的实际实施。该研究分析了在 2021 至 2025 年间红队行动和事件响应中观察到的常见攻击向量，包括 IAM 身份滥用、通过云 API 进行的数据外泄、Kubernetes 工作负载被攻陷，以及对存储和虚拟网络配置错误的利用。我们提出了一种适用于云环境的形式化风险评估模型，该模型结合了暴露度、权限级别和可观测性等指标，并以数学形式表达，以实现缓解措施优先级的自动化排序。该方法包括原生遥测数据收集（CloudTrail、Azure Activity Logs、GCP Audit Logs）、利用 eBPF 进行运行时插桩，以及基于规则并与 MITRE ATT&CK for Cloud 框架对齐的行为检测。研究描述了一种使用截至 2025 年被广泛采用的工具实现的实践方案，包括 Falco、ScoutSuite、kube-bench 以及在 SIEM 中构建的分析流水线。我们在一个包含 Kubernetes 工作负载和无服务器服务的模拟多云环境中对该方法进行了实验评估，结果表明平均检测时间（MTTD）显著降低，并且风险优先级排序得到改进。本文还提供了一个现实案例研究，其基于公开事件中观察到的模式，包括凭证泄露和云 API 滥用。结果表明，将形式化风险建模与细粒度遥测以及 Zero Trust 控制相结合，能够显著提升云环境的运行韧性。该工作为在复杂云基础设施中运营的进攻性与防御性安全团队提供了一个实用框架，并与截至 2025 年的安全生态系统前沿水平保持一致。
Read paper →Cloud基于时间图与可验证策略的多域环境自适应威胁检测与遏制形式化架构
本文提出一种面向多域环境的自适应威胁检测与遏制形式化架构，旨在解决异构身份体系、动态授权关系与快速演化攻击链并存条件下的安全分析与响应问题。我们将系统抽象为包含身份、资源、策略与跨域信任关系的特权时间图，并在此基础上定义入侵路径、累积时间风险与功能不变量等概念，从而将威胁发现问题与策略验证问题统一到一个可形式化处理的框架中。针对动态环境中的持续变化，我们设计了增量式路径检测机制，利用局部扩展、风险阈值与时间衰减权重实现对新增事件的快速分析；同时，针对自动化响应可能破坏业务连续性的风险，我们将遏制操作编码为可判定逻辑约束，并通过 SMT 求解验证其对组织功能不变量的保持性。本文进一步给出了部分正确性与最小割归约性质的理论分析，并从复杂度角度说明了所提方法在稀疏图条件下的摊还效率优势。实验部分基于匿名化日志与合成攻击链开展评估，结果表明，与传统 SIEM 与基于规则的关联分析相比，所提方法在保持可验证安全约束的同时，能够显著缩短检测时间并减少不一致遏制操作。最后，我们通过金融与医疗场景的案例研究展示了该架构在凭据滥用、过度授权与跨域信任链失效等典型风险下的适用性。本文的主要贡献在于：提出统一的时间图形式化模型，构建增量检测与 SMT 遏制的一体化流程，给出复杂度与正确性分析，并验证其在多域安全运营中的可实施性与可解释性。
Read paper →Cloud基于依赖图与概率推断的多云环境中配置偏差与攻击链的形式化可验证检测
1. 引言
Read paper →Cloud一种基于分布式遥测、时序验证与组合分析的可形式化验证多云环境横向移动检测与缓解架构
1. 引言
Read paper →IAM基于图的连续风险评估与形式化策略的多云环境自适应身份与访问管理架构
1. 引言
Read paper →IAM一种用于多云环境中具有定量安全保证的自适应 Identity and Access Management 的形式化可验证架构
1. 引言
Read paper →IAM面向风险驱动权限最小化的自适应且形式化可验证的 Identity and Access Management 架构
1. 引言
Read paper →IAMIAM-GraphSec：一种用于多云环境中自适应身份治理与攻击面最小化的形式化、可验证且可扩展的架构
1. 引言
Read paper →AI Security人工智能系统安全的形式化架构：用于在关键环境中缓解对抗性攻击、数据投毒、利用以及基础模型威胁的定量框架
1. 引言
Read paper →AI Security面向人工智能系统安全的形式化架构：威胁建模、对抗鲁棒性与集成加密保障
1. 引言
Read paper →AI Security用于机器学习模型安全的形式化基础架构：对抗攻击、数据投毒与模型提取的统一检测与缓解
1. 引言
Read paper →AI Security一种形式化基础的人工智能系统安全架构：通过量化保证实现数据投毒与对抗性攻击的综合缓解
1. 引言
Read paper →AI Security基于深度学习的人工智能系统安全的组合式形式化架构：威胁建模、对抗鲁棒性、密码学保证与人工智能治理合规
1. 引言
Read paper →DevSecOps一种形式可验证的 DevSecOps 编排架构：具有定量风险优先级与威胁导向的持续集成
在这些流水线中对安全控制的迟后引入显著扩大了攻击面，尤其是在云原生和以 API 为中心的环境中。 大量已记录的安全事件揭示了这一现实。Log4Shell 漏洞（CVE-2021-44228）表明，广泛分发的依赖项如何在全球范围内实现远程代码执行。SolarWinds 供应链攻击则揭示了在构建与已签名工件分发过程中的妥协（WILLIAMS et al., 2021）。Verizon DBIR 2023 报告指出，24% 的数据泄露涉及对已知漏洞的利用（VERIZON, 2023）。MITRE ATT&CK 技术，如 T1190（Exploit Public-Facing Application）和 T1552（Unsecured Credentials），在真实场景中仍然十分常见（MITRE, 2023）。 此外，2026 年的生态系统还包括与大型语言模型（LLMs）相关的新兴威胁，例如 prompt injection、通过自动化集成导致的敏感数据泄露，以及与 MLOps 流水线中 AI 模型安全相关的风险（OWASP, 2023b）。AI 组件的集成进一步增加了对治理、可追溯性和形式化验证的需求。 我们提出以下研究问题： RQ1: 如何对 DevSecOps 流水线进行形式化建模，以支持安全属性验证和定量风险优先级排序？ RQ2: 是否可以通过基于风险的自适
Read paper →DevSecOpsDevSecOps 流水线中安全控制的形式化编排：一种基于威胁建模、多目标优化与持续验证的框架
使得在高度分布式的生产环境中实现每日多次部署成为可能。这种加速虽然带来了竞争力提升，但也扩大了与 CI/CD 流水线、中间构件、容器注册表以及第三方依赖相关的攻击面。到 2026 年，由于人工智能组件的引入——包括大规模语言模型（LLMs）、基于外部 API 的服务以及在 CNAPP（Cloud-Native Application Protection Platform）范式下整合的云原生基础设施——这一环境变得更加复杂。 Log4Shell 漏洞（CVE-2021-44228）由于缺乏对传递依赖的系统性验证以及漏洞构件在供应链中的快速传播，影响了数百万个应用程序（NATIONAL VULNERABILITY DATABASE, 2021）。SolarWinds 事件揭示了在构建过程中插入恶意代码的可能性，这与 MITRE ATT&CK 框架中的 T1195（Supply Chain Compromise）技术相一致（MITRE, 2023）。Codecov 事件则展示了通过持续集成脚本进行凭证外泄的情况，进一步凸显了在自动化流水线中进行密钥与凭证管理控制的重要性。 经验性报告证实了结构性缺口仍然存在。Verizon Data Breach Investigations Report 指出，大量数据泄露事件利用了已知漏洞和不当配置（VERIZON, 2023）。GitLab
Read paper →DevSecOps面向风险的 DevSecOps 与持续形式化验证：用于 CI/CD 流水线安全自适应编排的定量模型
大多数安全事件仍然利用已知漏洞和配置错误（VERIZON, 2025）。诸如 Log4Shell (CVE-2021-44228) 和 Spring4Shell (CVE-2022-22965) 等事件表明，复杂的依赖链以及缺乏情境化优先级排序会促进大规模利用。在 MITRE ATT&CK 的背景下，诸如 T1190（Exploit Public-Facing Application）之类的技术仍然占主导地位（MITRE, 2024）。 尽管 DevSecOps 范式提出了 shift-left 原则，但主流实践仍然局限于同步执行 SAST、DAST 和 SCA 扫描器，而缺乏定量风险建模或自适应优化。因此，提出如下研究问题：如何在高频 CI/CD 流水线中动态编排安全检查，在延迟约束下最小化残余风险？ 我们提出以下研究问题： RQ1：如何以与 CI/CD 工件兼容的方式对 DevSecOps 流水线中的安全风险进行定量建模？ RQ2：是否可以在不显著影响交付延迟的情况下集成增量式形式化验证？ RQ3：基于风险的自适应编排在减少可被利用的漏洞方面产生何种影响？ 我们的主要贡献包括：（C1）残余风险的数学形式化；（C2）基于线性时序逻辑（LTL）的增量式形式化验证机制；（C3）经统计验证的实证评估。 2. 背景与相关工作 我们将 DevSecOps 流水线形式
Read paper →DevSecOps证据驱动的DevSecOps：一种面向大规模软件交付流水线、基于上下文风险优先级排序与持续验证的形式化架构（2026）
1. 引言
Read paper →