本论文系统性地研究了DNS响应预处理过程中的逻辑漏洞，提出了一类名为TuDoor的新型攻击。作者通过深入分析DNS RFC标准和多种DNS软件实现，发现了三种此前未知的逻辑漏洞类型，并基于这些漏洞设计了三种攻击方式：DNS缓存投毒、拒绝服务（DoS）和资源消耗攻击。实验表明，攻击者可以在1秒内使用少量精心构造的畸形DNS响应数据包对易受攻击的解析器实施缓存投毒或DoS攻击，或绕过查询限制耗尽解析器资源（如CPU）。研究评估了影响的广泛性，包括24款主流DNS软件（如BIND、PowerDNS、Microsoft DNS）、7款路由器/路由器操作系统、18个公共DNS服务以及约180万开放DNS解析器中的424,652个（23.1%）。按照负责任披露流程，已向所有受影响厂商报告漏洞，其中BIND、Chrome、Cloudflare和Microsoft等18家厂商已确认并讨论缓解措施。此外，已分配33个CVE编号，并提供了在线检测工具作为缓解措施之一。研究强调了标准化DNS响应预处理逻辑的迫切性。

本文提出了一种名为Warmonger的新型拒绝服务攻击向量，针对无服务器计算平台。攻击者利用无服务器计算平台中所有用户函数共享同一组出口IP地址访问外部内容服务器的特性，通过恶意行为（如发起大量请求、违反协议等）导致这些出口IP被目标内容服务器封禁，从而造成整个平台范围内的拒绝服务。作者对四个主要无服务器服务提供商（SSPs）进行了长达数月的实验，收集并分析了其出口IP使用模式。研究发现，部分SSP使用的出口IP数量极少（最少仅4个），且完全共享给所有用户。攻击者只需少量资源即可触发IP封禁，使平台内所有用户无法访问该外部服务器。本文揭示了无服务器计算平台中存在的新安全威胁，并提出了可能的缓解措施，例如使用独立的出口IP池、实施更严格的滥用检测机制等。该研究适合云安全研究人员、无服务器平台提供商以及安全运维人员阅读。

该论文首次对以太坊交易池（txpool/mempool）的设计安全性进行系统研究。Txpool是存储未确认交易的缓冲区，控制着下游服务（如挖矿、交易传播）所能看到的内容。研究发现txpool存在拒绝服务（DoS）攻击面，攻击者可能通过特定策略耗尽节点资源或操纵交易池状态，从而影响交易正常处理。论文分析了Ethereum客户端中txpool的实现逻辑，识别了多种潜在的漏洞模式，并通过实验验证了攻击的可行性。研究的主要贡献在于填补了以太坊txpool安全分析的空白，为后续防御机制设计提供了基础。

大语言模型（LLM）已广泛应用于自然语言理解与生成、具身智能及科学发现等领域。随着计算需求增长，这些模型越来越多地以云服务形式部署，用户通过互联网访问。然而，这种部署模式引入了一种新的威胁：通过无限推理进行的拒绝服务（DoS）攻击。攻击者精心设计输入，诱使模型进入超长甚至无限生成循环，从而耗尽后端计算资源，降低或拒绝合法用户的服务。为缓解风险，许多LLM提供商采用闭源黑盒设置以隐藏模型内部结构。本文提出ThinkTrap，一种新颖的输入空间优化框架，即使在黑盒环境下也能对LLM服务实施DoS攻击。其核心思想是首先将离散词元映射到连续嵌入空间，然后利用输入稀疏性在低维子空间中进行高效的黑盒优化，以识别能够引发多个先进LLM产生超长或非终止生成的对抗性提示，以最小词元开销实现DoS。作者在多个商业闭源LLM服务上评估了该攻击，结果表明，即使远低于这些平台通常限制的请求频率（如每分钟10次），攻击也能将服务吞吐量降至原始容量的1%，甚至在某些情况下导致完全服务失败。

正则表达式（regex）在现代编程语言中广泛使用，但同时也是拒绝服务（DoS）攻击的潜在向量。近期实证研究表明，在典型正则引擎中，多达10%的正则表达式具有超线性最坏情况时间复杂度。因此，许多Web服务被报告易受正则表达式拒绝服务（ReDoS）攻击。若能透明地降低正则引擎的时间复杂度，则可消除ReDoS漏洞，且对应用开发者无额外成本。然而，现有的ReDoS防御方法——替换正则引擎、优化引擎或逐个替换正则表达式——在正确性和兼容性方面存在问题。完全的记忆化（memoization）虽然正确且兼容，但其空间开销过高。目前尚无有效的ReDoS防御被实际采用。本文提出了一种选择性记忆化方案，能够以较低的空间开销可证明地消除超线性正则行为。作者设计了多种具有不同空间/时间权衡的选择性记忆化方案，并进一步提出了一种利用正则引擎语义洞察的编码方案，以降低记忆化的空间成本。此外，还考虑了安全处理扩展正则特性的方法。作者在真实世界正则表达式语料库上实现了所提方案并进行了评估。实验表明，对于中位数正则表达式，选择性记忆化将记忆化的空间成本降低了一个数量级；而运行长度编码进一步将90%正则表达式的空间成本降低为常数。这项研究为防御ReDoS提供了一种高效且兼容的方法，有望在不改变开发者行为的情况下消除此类漏洞。