Ark: Offchain Transaction Batching in Bitcoin
比特币作为市值最大的加密货币,其共识算法要求所有交易在链上确认,严重限制了可扩展性。为此,已有多种二层扩容方案(如闪电网络)将支付移至链下,但这些方案存在部署门槛高的问题:用户需预先锁定链上资金参与,并处理复杂的辅助协议(如通道再平衡、充值
今日共收录 869 条安全情报,包含 93 个 CVE,394 篇安全通告,以及 104 篇研究论文。
← 返回归档列表比特币作为市值最大的加密货币,其共识算法要求所有交易在链上确认,严重限制了可扩展性。为此,已有多种二层扩容方案(如闪电网络)将支付移至链下,但这些方案存在部署门槛高的问题:用户需预先锁定链上资金参与,并处理复杂的辅助协议(如通道再平衡、充值
该论文建立了分布式量子传感器网络中局部相位编码下的量子Fisher信息(QFI)对偶性。对于由N个量子比特(传感器)构成的探针态,考虑两个正交的单位传感方向向量w和v,证明了QFI之和满足不等式:F_Q(w^Tθ) + F_Q(v^Tθ)
该论文提出了TriSweep,一个四无人机集群仿真框架,用于对嵌入式微控制器进行自主电磁侧信道分析(EM-SCA)。传统EM-SCA通常假设探头静止且距离极近,低估了空中威胁。TriSweep采用三架专用采集无人机和一台固定累积无人机的架构
本文提出 UNAD+,一种用于未知网络攻击检测的增强型混合框架,旨在解决传统入侵检测系统在检测零日攻击时面临的挑战。现有监督学习方法在已知攻击类别上表现良好,但无法处理训练数据中未出现的新攻击类型;无监督方法虽能检测未知攻击,但误报率高,限
本文讨论了构建开源OT渗透测试平台LINICS的经验。背景:IT安全专业人员拥有Kali Linux等成熟开源平台,但工业控制系统底层的操作技术(OT)领域缺乏类似资源。作者团队架构、构建并发布了LINICS,旨在为OT安全测试提供一站式开
这篇论文聚焦于AI智能体在安全关键角色中的评估基准问题。作者基于近期实证证据,系统性地指出了当前基准测试存在的三个核心缺陷:首先,基准测试本身存在漏洞(benchmark vulnerabilities),即智能体可能通过捷径或表面模式而非
联邦学习面临日益严重的模型投毒攻击威胁,这损害了其在提升隐私保护方面的应用。现有防御方法通常依赖固定阈值或固定聚类数来区分恶意与良性梯度,但难以适应恶意客户端的动态投毒策略,且常因客户端本地数据集的异构性导致良性梯度丢失。为了解决这些问题,
本文提出一个数学与密码学框架,用于在高维离散路径空间中精确恢复噪声隐藏路径。研究灵感来自路径积分观点,其中全局量由众多可能轨迹的贡献产生。与近似全局路径和不同,本文研究从不完整、有噪声、投影和聚合的可观测数据中恢复一条精确隐藏轨迹的逆问题。
该论文聚焦于嵌入式微控制器上神经网络推理过程中的时序侧信道泄露问题,特别是激活函数评估引起的时序变化。作者提出了一种恒定时间实现方法论,旨在消除激活函数执行时的时序依赖性,从而抵御侧信道攻击。方法结合了四个关键技术:无分支选择(避免条件分支
时间序列预测(TSF)在金融、能源、交通等领域至关重要,但容易受到后门攻击的威胁。然而,针对TSF的后门防御研究仍不充分,主要面临两个挑战:一是数据纠缠导致信道级信号稀释,使得传统的样本过滤和触发器合成防御方法无法有效定位后门;二是任务形式
安全运营中心(SOC)面临持续的警报疲劳问题:在低发生率的数据流中,即使极低的误报率也会产生大量的调查负载,而聚合的F1分数往往掩盖了分析人员的实际负担。本文提出PACT(Pareto-aware Controller for Trigge
该论文是一篇针对网络安全中人类漏洞评估(Human Vulnerability Assessment, HVA)的系统性文献综述(SLR)。研究背景是:传统漏洞评估主要关注数字资产和技术基础设施,但忽略了对人类因素的结构化分析,而人类因素正
该论文提出了一种名为QT-PUF的新型物理不可克隆函数(PUF),专门针对医疗物联网(IoMT)中的可植入设备设计。背景方面,随着IoMT的普及,可穿戴和植入式设备的安全信任问题日益突出,物理篡改或伪造可能直接危及患者安全、隐私和数据完整性
该论文提出了CCLab,一个用于系统性评估学习型和非学习型拥塞控制器(CC)鲁棒性的对抗测试框架。拥塞控制器对网络性能至关重要,但其在不利条件下的鲁棒性尚未被充分理解。尽管近年来学习型CC在受控环境下表现出色,但当控制器输入信号被破坏或环境
该论文通过实证研究评估了在Intel SGX2可信执行环境中运行Polars(一个基于Arrow原生数据框架的引擎)进行机密分析查询处理的性能。研究使用Gramine作为安全库操作系统,在TPC-H SF30基准测试和Azure Blob存
本文提出了一种通过差分隐私的原始-对偶视角来证明后门攻击鲁棒性的通用框架。随机平滑是认证对抗扰动(包括通过随机训练实现的投毒攻击和通过随机推理实现的逃避攻击)的强大工具。然而,将这些保证扩展到后门攻击(其中训练数据和测试数据被联合扰动)仍然
本文研究差分隐私(DP)中的广义私有测试问题,该问题由 Liu 和 Talwar 在 STOC 2019 提出。给定一个数据集 X 和一系列黑盒 ε_t-DP 机制 M_t,分析师需要接受第一个成功概率 p_t = Pr[M_t(X)=+1
本文在点态最大泄漏(PML)框架下研究隐私保证的两种关键性质:后处理鲁棒性(即隐私保证在输出经过任意后处理时仍然有效)和对失败概率的上界控制(即泄漏超过某阈值的概率有界)。作者首先考察了两个受(近似)差分隐私启发的候选定义,证明二者无法同时
本文提出了一种数据驱动的图像加密框架,通过SINDy-PI算法直接从数据中辨识混沌映射的完整显式动力学方程(包括交叉项和高阶非线性),取代传统加密方案中预定义的混沌映射。在Henon映射、三维Logistic映射和分段线性Lozi映射三种不
该论文针对国家安全等高风险场景中AI系统失控(Loss of Control, LoC)威胁,提出一种基于任务特定基准反向推导缓解措施的实证方法论。现有安全杠杆包括权限(affordances)和许可(permissions)管理,但如何确