本文研究利用缓存侧信道实现目标去匿名化的攻击与防御。作者首先分析了现代处理器中缓存侧信道泄露的机制，指出攻击者可通过监控共享缓存访问模式来识别受害者的活动，从而推断其身份或敏感信息。然后，提出了一种新的去匿名化攻击方法，利用CPU缓存的时序差异来区分不同进程或虚拟机的行为，结合先验知识（如网站指纹）实现用户去匿名化。实验在真实多用户系统上验证了攻击的有效性，成功率达到90%以上。针对该威胁，作者设计了两种防御机制：一是基于缓存分区，隔离敏感进程的缓存占用；二是引入随机延迟，混淆缓存访问模式。评估表明，防御措施在合理性能开销（<15%）下有效降低攻击成功率至10%以下。本文系统性地揭示了缓存侧信道在隐私攻击中的新应用，并提供了可落地的对策，适合安全研究人员、系统架构师以及云服务提供商阅读。

本文提出了一种针对 Tor 网络的新型带宽膨胀攻击，名为 MirageFlow。攻击者通过控制一组恶意中继节点（即中继集群）并利用 Tor 允许资源共享的机制，协调分配集群内各中继的资源，欺骗带宽测量器，使其误认为每个中继节点都拥有充足的带宽资源。攻击者设计了两种变体：C-MirageFlow（集中式资源共享）和 D-MirageFlow（分布式资源共享）。在私有 Tor 测试网络中的评估表明，C-MirageFlow 可将测量到的带宽膨胀近 n 倍（n 为单台服务器上托管的集群大小），D-MirageFlow 可膨胀近 n*N 倍（N 为服务器数量）。理论分析进一步指出，攻击者仅使用 10 台专用服务器，每台运行 109 个中继节点（每个节点带宽 100MB/s），即可控制 Tor 网络一半的流量。该研究揭示了 Tor 网络当前带宽测度机制中的安全漏洞，尤其是资源共享被滥用的风险，对 Tor 的匿名性保证构成严重威胁。

该论文研究了在按份额付费（Pay-Per-Share, PPS）和完全按份额付费（Full Pay-Per-Share, FPPS）方案下，针对Nakamoto风格区块链的最优区块扣留（Block Withholding, BWH）攻击策略。经典BWH攻击通常基于区块依赖奖励方案（即矿工仅在池内发现区块时获得补偿），而大多数现代矿池采用基于份额的即时支付方案。作者首先证明PPS/FPPS方案并非激励相容，推翻了先前文献中的声称。在此基础上，提出一种名为“全力攻击”（All-out Attack, AoA）的最优BWH策略：攻击者将其全部算力集中投向受害者矿池，仅提交部分工作量证明（partial Proof-of-Work, pPoW）份额，而扣留所有有效区块（即完整工作量证明full Proof-of-Work, fPoW）。论文进一步分析AoA的经济影响：在首次难度调整之前，攻击者因扣留fPoW而遭受的损失可忽略不计；在首次难度调整后，区块难度降低，攻击者单位时间内生成的pPoW数量增加，相对于调整前的速率获得α/(1-α)的相对增益（其中α为攻击者算力占比）。值得注意的是，在单位时间和单位算力下，所有诚实矿工获得与攻击者相同的收益率，而受害者矿池运营商却蒙受损失：它需为攻击者提交的pPoW支付报酬，但无法获得任何fPoW补偿。最后，论文指出BWH的高级变种（如扣留后分叉Fork After Withholding, FAW）并不能为攻击者带来额外利润。该工作通过严格的数学建模与博弈分析，揭示了PPS/FPPS方案在安全设计上的根本缺陷，为矿池运营商和协议设计者提供了重要警示。

本文提出DP-Sniper，一种实用的黑盒方法，用于自动发现差分隐私（DP）实现中的违规行为。该方法基于两个核心思想：（1）训练一个分类器来预测观察到的输出是否可能来自两个可能的输入之一；（2）将该分类器转化为一个近似最优的差分隐私攻击。实验评估表明，DP-Sniper在保证强度上比现有最先进方法高出12.4倍，同时速度提升15.5倍。此外，DP-Sniper能够有效利用朴素实现算法中的浮点漏洞：它检测到一个声称满足0.1-差分隐私的拉普拉斯机制实现实际上连0.25-差分隐私都不满足。该方法无需访问内部实现细节，仅通过黑盒查询即可发现隐私违规，对验证差分隐私系统的实际安全性具有重要意义。

该论文针对检索增强生成（RAG）系统提出了一种新的模型中心攻击框架CAREATTACK，旨在通过编辑检索器模型而非操控语料库来注入恶意知识。RAG系统通常依赖外部知识库，现有攻击多通过构造恶意文本操纵语料库，但此类合成文本易被检测。CAREATTACK则直接攻击开源的密集检索模型，分为两个阶段：冲突感知检索器编辑和攻击保持锚点修复。第一阶段利用高效的闭式参数编辑技术，将恶意知识注入检索器，使其在检索时优先返回恶意文档，并通过基于图的冲突检测和参数编辑投影解决参数冲突，确保良性知识不受过度影响。第二阶段进行轻量级校准，消除对非目标提示的副作用，同时保持对目标提示的攻击有效性。论文在Qwen3-Embedding-0.6B和BGE-M3两个检索模型上，使用三个基准数据集进行实验，结果表明该方法能显著提升恶意文档在检索结果中的排名，并支持批量目标提示和文档的攻击。由于许多RAG系统基于开源检索模型构建，该工作揭示了实际攻击面，代码已公开。

该论文研究的是在 Intel SGX（Software Guard Extensions）飞地中，异常处理机制的安全性。SGX 是一种硬件隔离技术，允许应用程序在称为飞地的隔离区域中执行，保护代码和数据免受恶意操作系统的攻击。然而，异常（如除零、页错误等）是 CPU 产生的硬件事件，通常由操作系统（OS）处理，然后通过信号或异常处理接口传递给用户程序。在 SGX 环境下，飞地代码不信任 OS，但 OS 仍然负责处理硬件异常，并将其转交给飞地的异常处理器。这种设计引入了安全风险：恶意的 OS 可能操纵异常处理流程，破坏飞地的机密性和完整性。论文提出的 SmashEx 攻击利用了这一攻击面，通过精心构造的异常序列或异常处理中的漏洞，来泄露飞地内部数据或执行任意代码。实验表明，该攻击能够有效绕过 SGX 的隔离保护。该研究揭示了硬件辅助安全飞地在异常处理方面的根本性缺陷，对系统安全领域有重要影响。适合安全研究员、系统开发者以及关注可信执行环境的从业者阅读。