G-Lox 是一种面向桥分发系统的隐私增强方案，旨在解决现有系统（如 Lox）在支持自适应组级分配时面临的隐私泄露问题。传统桥分发系统中，分发器需要根据用户组（如按网络条件或受审查程度划分）动态调整桥分配策略，但这一过程可能暴露组标识或分配规则。G-Lox 引入基于两方计算的隐私墙，将自适应逻辑分散在两台非共谋服务器上，使得任何单一方均无法获知组标识或组到桥的映射。具体而言，G-Lox 利用两方分布式点函数（DPF）和函数秘密共享（FSS）协议实现私有状态访问，支持阻塞报告、传输感知重分配以及隐私保护的组分裂操作。系统设计确保状态更新和查询均以两方计算形式执行，从而隐藏单个服务器的输入和中间结果。实验方面，作者基于 C++ 和 EMP 库在真实 TCP 套接字上实现了原型，测量了不同状态规模下的通信和计算开销。结果显示，客户端开销极低：当状态大小为 2^16 时，每次迭代通信量仅数 KiB，在 M=1024 的配置下客户端发送 1968 字节、接收 1280 字节，迭代耗时约 0.25 秒。此外，针对组特异性阻塞和 Sybil 枚举攻击的仿真表明，与 Lox 和 rBridge 等基线系统相比，G-Lox 在保持广泛发行的同时显著提升了鲁棒性。本文贡献在于首次实现了兼具隐私保护与自适应性的桥分发机制，为受审查网络中的抗封锁分发提供了新思路。适合对隐私保护计算、匿名通信系统以及抗审查技术感兴趣的研究者和工程师阅读。

本文提出了一种基于哈希的隐蔽载体过滤策略（Hash-Based Covert Carrier Filtering），用于增强网络隐蔽通道的抗检测能力。传统网络隐蔽通道的隐蔽性依赖于隐蔽算法的保密性，但随着逆向工程技术的进步，算法一旦暴露即易被检测。该策略通过引入密钥依赖的过滤规则，使通信双方能够从载体集合中随机动态地选出稀疏子集作为实际使用的隐蔽载体集。这种机制不仅增强了载体选择的随机性，还将隐蔽性安全根基从算法保密转移至密钥安全。作者采用基于机器学习的流量分析方法，在网络存储型和定时型两类隐蔽通道上进行了实验验证。结果表明，当过滤密钥大小超过6位时，该策略能显著降低分类器的检测效果；同时，单包处理延迟低于8微秒，表明其具备在高速网络环境中部署的可行性。本工作为提升隐蔽通道的生存能力提供了新的思路，适合对抗审查和隐私保护场景的研究人员阅读。