Never Emitted: Reporter Attribution in GitHub's Machine-Readable Vulnerability Records
该论文《Never Emitted: Reporter Attribution in GitHub's Machine-Readable Vulnerability Records》研究漏洞记录中“发现者/报告者归属（credit）”信息的
#attribution
共收录 10 条相关情报。
← 返回所有主题PURA: Provably Unbiased and Robust Multi-Bit Watermarking for AI-Generated Text Attribution
该论文提出了一种名为 PURA 的新型多比特水印方法，用于对 AI 生成文本进行细粒度归因。现有方法在保持原始生成分布、支持大容量负载以及编辑后恢复能力之间难以兼顾。PURA 的核心创新在于不在 token 概率层面直接扰动，而是在潜在采样
Topological Attribution Distance (TAD): Revealing Segment-Level RAG Influence on LLM Output Geometry for Incident Log Analysis
本文提出了一种名为拓扑归因距离（Topological Attribution Distance, TAD）的新方法，用于解决大语言模型（LLM）在网络安全运营中输出证据归因与溯源的问题。随着LLM和Agentic AI被集成到安全运维系统
High Stakes, Low Certainty: Evaluating the Efficacy of High-Level Indicators of Compromise in Ransomware Attribution.
本次输入仅提供了论文标题、作者列表及其 arXiv 分类（Algorithms and the Foundations of Software technology），未包含完整摘要。根据标题和作者的研究背景，该论文聚焦于勒索软件归因中高级
APT to Disagree: A Comparative Analysis of Attribution in Commercial TI.
本文针对商业威胁情报（CTI）中高级持续性威胁（APT）归因的一致性问题展开系统性比较研究。研究背景：准确归因对于安全团队制定针对性防御策略至关重要，但不同 CTI 供应商对同一攻击事件的归因结果经常存在分歧，这可能导致资源浪费和防御盲点。
Expert Insights into Advanced Persistent Threats: Analysis, Attribution, and Challenges.
本文通过半结构化访谈15名不同角色和专业背景的安全从业者，探讨了高级持续性威胁（APT）分析、归因及面临的挑战。研究发现，从业者在APT归因中采用三层方法，每层有各自目标和挑战。他们通常更关注理解对手的战术、技术和程序（TTP）及动机，而非
CLOUDBURST: Cloud-Layer Observations Using Beacons for Unified Real-time Surveillance and Threat Attribution
《CLOUDBURST: 基于信标的云层实时监控与威胁溯源》论文针对云原生环境中的外泄威胁面，指出现有蜜标和信标框架无法应对S3预签名URL、容器镜像、Kubernetes密钥、Terraform状态模块和IAM角色令牌等新型工件。作者提出
FedAttr: Towards Privacy-preserving Client-Level Attribution in Federated LLM Fine-tuning
该论文提出了一种名为 FedAttr 的新协议，用于在联邦学习（FL）环境下对大型语言模型（LLM）微调过程进行客户端级别的归属分析。传统的基于水印的放射性检测方法已证明在集中式LLM微调中有效，但在联邦学习中面临挑战：联邦学习依赖安全聚合
LCC-LLM: Leveraging Code-Centric Large Language Models for Malware Attribution
本论文提出 LCC-LLM，一个面向恶意软件归因与多任务静态分析的代码中心基准数据集与证据驱动框架。研究背景是当前基于 LLM 的恶意软件归因受限于不支持的指标以及缺乏代码级别的证据支持，难以准确识别恶意和脆弱代码片段。为解决这些问题，作者
ARCANE: Cross-Campaign Attacker Re-identification via Passive Beacon Telemetry -- A Bayesian Network Framework for Longitudinal Cyber Attribution
当前的网络归因方法通常针对单个事件独立分析，缺乏跨战役聚合证据以提升对手识别能力的系统性研究。本文提出一个问题：跨战役归因是否能够减少歧义，还是受限于数据结构上的固有瓶颈？作者将攻击者指纹建模为多维特征向量，包含行为、基础设施和时序特征，这