#audit-evidence

共收录 2 条相关安全情报。

← 返回所有主题
👥 作者: Mengting Wu, Lin Wang, Yong Zhang, Jiang Deng

该论文关注一个审计与验证中的根本性难题:验证者可能已经对每一条可获得的记录完成认证,却仍然没有依据宣称某次执行的账目是「完整」的。要做出完整性断言,必须先有理由说明:针对被评估的这次执行,究竟哪些记录是「本应产生」的。作者提出了一个分析模型,用于对「已声明的执行证据义务」做追溯式覆盖度评估。模型的作用范围(scope)由九个要素共同绑定:结构化 Intent、精确 Candidate、被选定的分析尝试(attempt)、执行与证据边界、阶段视界(stage horizon)、固定的记录义务档案(record-obligation profile)、具名验证者(verifier)、以及评估截止点(cutoff)。义务实例由分支前提与触发前提决定;某条记录是否可被采信(admissibility),则由来源能力、内容、完整性,以及对象与阶段的绑定关系共同决定。作者刻意区分了两个容易混淆的概念:义务清单的闭合(closure of the obligation inventory)与相关验证者视图的闭合(closure of the relevant verifier view),并据此定义三种报告结果——COMPLETE_WITHIN_SCOPE、INCOMPLETE 与 UNKNOWN。这三种结果仅描述「在截止点已到期义务」的当前覆盖状态;执行进度、外部结果知识、历史交付及时性则作为独立维度单独报告。论文用构造的服务主体禁用(service-principal-disablement)案例进行演示,覆盖了完整的分发与拒绝分支、应履行但缺失的最终结果记录、延迟交付之后的后续覆盖变化,以及把单次尝试的覆盖结论外推到全部尝试时的局限。其核心贡献在于把范围、分支、视界、义务、可采性、视图与截止点组合成一种「面向具体执行」的完整性判定框架,并强调完整性结论始终以所声明的义务档案与评估前提为条件。

💡 推荐理由: 蓝队/SOC 常把「日志齐全」等同于「过程可证」,该工作指出二者并不等价:完整性与否取决于事先声明的义务范围与评估截止点。它为 AI 代理与自动化执行的审计取证提供了可落地的结构化判定语言(三种结果 + 独立维度)。

🎯 建议动作: 研究跟进

排序因子: 影响边界/网络设备 (+5) | 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Roberto Fernández-Barrios, Iker Pastor-López, Amaia Pikatza-Huerga, Pablo García Bringas

该论文面向混合量子—经典(hybrid quantum-classical)计算工作流的完整性(integrity)问题,提出一个“声明相对”(claim-relative)的证据/参照框架,用于严格界定什么样的完整性主张可以被观测证据支持。作者的出发点是一个在安全评估中常被混为一谈的区分:观测不可区分性(observational indistinguishability)会产生结构性的“盲区”(blind regions),这与因批次有限、样本不足导致的统计性漏检(finite-batch statistical miss)在本质上是两回事。框架把完整性主张分层到一个“格”(lattice)上:若只要求结论完整性,一个可信的同批次标量 R0(same-batch scalar)就已足够;若同时要求聚合结果与结论完整性,则需要聚合量 M0;若要保证条目级身份(item identity)不被替换或错配,则需要条目对齐绑定(item-aligned binding)。论文通过大规模受控实验验证上述理论:在 3,600 次标签干预(label intervention)中,特征视图/预测视图实现了精确的标签路径不变性(label-path invariance);764 行几何对齐的“聚合盲”样本与配对的干净响应完全一致,攻击专属增量(attack-only increment)为零,即这类攻击在观测意义上不可分辨。针对统计性响应能力,几何对齐构造在使用保形(conformal)规则时能在 2,700 次改变结论的标签干预中检出 343 次,使用未校正的并集规则检出 1,183 次;而原始冻结的同条目几何只分别得到 11/2,617 与 43/2,617,说明检测能力高度依赖构造方式与统计校正策略。论文还报告保形规则在有干净数据上的误动作率为 0.048–0.059(描述性),并明确指出其有限样本保证要求样本可交换性(exchangeability),而重叠抽样设计违反了该前提,因此该保证在此不成立。此外,保持聚类结构的自适应压力测试(Gate A)在 40 个环境/划分单元中的 25–40 个里降低了响应比例,同时仍保留结论改变;一个包含 165 个设计单元的有限理想态矢量与有限次采样仿真分支,直接实例化了语义核、估计核与观测核之间的转移。作者最后强调,这个固定等权设计既不能估计真实部署中的攻击流行度,也不能给出对 QPU、供应商或已部署服务的保障性结论。整体而言,这是量子计算与机器学习安全交叉方向上偏方法论与可证明性边界的工作,适合关注完整性证明、审计证据链与统计保证适用条件的读者。

💡 推荐理由: 它把“观测不可区分导致的盲区”与“样本不足导致的漏检”明确区分开,提醒安全团队:某些混合量子—经典流水线中的标签/结果篡改在原理上无法被现有观测证据发现,而保形统计保证在样本可交换性被破坏时并不可靠,直接影响完整性方案的可信度评估。

🎯 建议动作: 研究跟进

排序因子: 影响边界/网络设备 (+5) | 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.4)