本篇论文从域名和网络流量的角度分析了CyberBunker 2.0——一个知名的防弹托管服务商（Bulletproof Hoster）。防弹托管商通常为恶意活动提供基础设施，且对执法和移除请求不予配合。研究通过收集和分析与CyberBunker 2.0相关的域名注册信息、IP地址资源、DNS记录以及网络流量模式，揭示了其运营特征、客户群体分布以及所托管的恶意内容类型。主要贡献包括：系统化地刻画了防弹托管服务商的基础设施架构；发现其域名使用策略（如快速轮换、隐私保护注册）与常规托管商的差异；通过流量分析识别出其客户中占比最高的为钓鱼诈骗、恶意软件分发和C2服务器。该研究有助于安全社区更好地理解并追踪此类隐匿性强的托管服务，为后续的封锁与反制措施提供数据支撑。由于仅基于论文标题和作者推断，本文摘来自 abstract_only 模式。

该论文提出了一种名为 C2SR（Cybercrime Scene Reconstruction，网络犯罪现场重建）的框架，用于事后取证分析。传统取证方法通常依赖静态证据（如日志、文件快照），难以全面重构攻击者的行动路径和系统性影响。C2SR 通过追踪系统状态变化（包括文件系统、注册表、内存等）来动态重建攻击场景。核心方法包括：① 基于系统调用的因果跟踪，记录进程与资源之间的依赖关系；② 构建状态依赖图（State Dependency Graph），表示不同时刻系统状态的演变；③ 利用图分析方法自动识别关键攻击步骤和受影响对象。实验在真实恶意软件样本和模拟攻击场景上进行，结果表明 C2SR 能够有效重构攻击流程，定位恶意行为入口点，并减少人工分析工作量。该工作对数字取证、恶意软件分析和事件响应具有参考价值。

本文提出 TeleHunt，一个用于系统性评估 Telegram 上网络犯罪社区发现策略有效性的框架与工具。研究背景是 Telegram 已成为网络犯罪活动的重要平台，但如何高效、可靠地定位这些隐蔽社区仍缺乏系统研究。TeleHunt 采用引用驱动的雪球采样策略，结合消息级分类、上下文过滤和市场细分标签，能够从开源或暗网种子出发，自动扩展探索。作者通过实验系统比较了种子来源、指针类型（如邀请链接、用户名提及）和探索策略对发现结果在效率、可达性和重新发现三个维度的影响。主要贡献包括：(i) 一个模块化的网络犯罪内容发现流水线；(ii) 首次对 Telegram 发现策略的系统比较，并实证刻画了不同市场细分（如数据泄露、毒品交易）的可达性；(iii) 一个包含 172M+ 消息、覆盖 6,022 个 Telegram 社区的大规模标注数据集。该研究为威胁情报分析人员提供了方法论指导和可用工具，有助于提升对 Telegram 生态中网络犯罪活动的监测与溯源能力。

网络犯罪在规模和复杂性上呈指数级增长，传统分类方案难以捕捉现代威胁的复杂性和多样性。为此，本文提出 STRIKE（Structured Taxonomy for Risk, Impact, Knowledge, and Emerging Threats），一种统一的多维网络犯罪分类框架。STRIKE 覆盖传统与新兴领域，包括勒索软件、钓鱼、网络入侵、儿童性虐待材料（CSAM）、加密货币劫持、深度伪造和供应链攻击。它利用攻击向量、对抗战术、社会影响、检测技术和缓解策略等标准对威胁进行组织。此外，论文还回顾了最新的检测方法进展，并提出了一个响应工作流，以协助从业者在活跃威胁条件下进行应对。该工作为研究人员、安全专业人员和政策制定者提供了威胁分析、比较评估和自适应网络防御的实用基础。