本文针对SIM Box欺诈这一全球性电信安全问题提出了一种全新的防御方案。SIM Box设备在跨国欺诈活动中扮演核心角色，每年从个人受害者和移动运营商处窃取数十亿美元。以往缓解措施主要聚焦于检测欺诈通话会话，但直接阻止SIM Box设备接入网络这一更直接的途径未得到充分研究。作者提出了一种简单的访问控制逻辑，能够在SIM Box设备使用蜂窝网络进行通信时将其识别并阻止。其核心创新在于不依赖易被伪造的国际移动设备标识（IMEI），而是通过对设备型号（如区分iPhone 13与其他智能手机）和设备类型（智能手机与物联网设备）进行精确指纹识别。作者利用网络层辅助信息构建了包含超过3.1万个特征的指纹，并在85部智能手机上进行了实证实验，结果表明这些指纹具有高度区分性，能够阻止绝大多数非法SIM Box设备发起未授权语音通话。本文提出的方案是首个实用且可靠的未经授权蜂窝设备型号检测方法，显著简化了SIM Box欺诈的缓解流程，为移动运营商和安全防护系统提供了一种可落地的预防性控制手段。

这篇论文对移动应用生态中的设备指纹识别行为进行了大规模分析。研究采用市场视角，聚焦于第三方SDK（软件开发工具包）所支持的跨应用追踪。数据集包括来自流行Maven仓库的超过22.8万个SDK、从Google Play商店收集的17.8万个Android应用，并通过静态分析管道检测超过500种个体信号的外泄。据作者所知，这是迄今为止最大规模的SDK行为分析。研究旨在揭示SDK如何收集设备信息并将其用于指纹识别，从而帮助理解移动广告和追踪市场的运作方式。论文主要贡献包括：提供了SDK指纹识别行为的系统化分类、量化了不同类别SDK的流行度与行为差异、并指出了当前应用商店审核和隐私保护的盲区。适合移动安全研究人员、隐私保护从业者及应用开发者阅读。

本研究针对不同设备平台（如桌面端、移动端、物联网设备等）上JavaScript代码执行行为不一致的问题进行了系统性的实证分析。由于硬件差异、操作系统版本、浏览器引擎实现差异以及安全策略（如内容安全策略CSP）的不同，同一JavaScript脚本在不同平台上可能产生不同的执行结果，这给Web应用的一致性、安全性以及用户隐私带来了挑战。为了检测和量化这种差异，作者开发了名为SyntTest的工具，该工具能够生成大量的JavaScript测试用例，并在多种设备平台上自动化执行以收集行为数据。通过对超过10,000个真实世界网站的分析，研究发现约15%的网站存在显著的跨平台执行差异，其中涉及DOM API调用差异、事件处理顺序不同、以及安全限制（如跨域请求、localStorage访问）导致的功能异常。论文进一步将这些差异分类，并探讨了它们对安全审计、Web爬虫、以及前端合规性的影响。实验结果表明，现有的一体化测试工具（如Selenium）难以完全模拟实际设备环境，可能导致漏报或误报。作者最后提出了一些缓解策略，包括使用更细粒度的设备指纹检测和增强的沙箱测试环境。该工作为Web安全研究人员和浏览器开发者提供了宝贵的参考，揭示了跨平台兼容性问题背后隐藏的安全风险。