该论文针对安全检索领域中的操作型分类（operational triage）问题，提出了一种基于电导修复证据图（conductance-repair evidence graphs）的时间戳框架。传统安全检索通常假设证据完整并基于排序评估，但实际场景中，CVE描述、弱点元数据、修复提交、EPSS评分、KEV成员资格、验证向量元数据及侧信道基准路径等信息通过不同渠道到达，且存在缺失、延迟、投毒或仅在决策时刻后才可见等问题。论文提出的框架引入时间戳允许掩码（temporal admissibility mask），在检索时仅考虑决策时刻之前可用的证据。对于缺失的渠道，采用确定性图流递归（deterministic graph-flow recurrence）而非学习型预测器进行修复，并生成修复证书（repair certificate），记录来源探针、决策时间、 withheld边、修复渠道、禁止的后决策边、后端可用性、数值偏差及验证器结果。理论层面，论文给出缺失渠道识别问题的自适应下界⌈log2 N⌉，证明最小有害修复问题是NP难的，并针对q个可疑渠道给出了固定参数可证搜索界。实验基于30条去重公共安全记录、57个术语和58条 withheld的可允许文档-术语边。在随机边 withholding 下，电导修复将召回率@k从0.017提升至0.069，平均精确率从0.062轻微下降至0.060（合成安全测试集使召回率@k从0.055提升至0.099），表明在随机边损坏下广泛可允许修复的极限。实现对比了NumPy、PyTorch、JAX和TensorFlow等后端的同一流/SVD/einsum内核性能，记录不可用后端而非静默替代。BBBC019和LIVECell元数据仅作为稀疏演化渠道的结构控制，无临床或生物学性能声明。论文适合安全检索、威胁情报、漏洞管理领域的研究者阅读。

本文针对网络安全防御中漏洞优先级排序（triage）的“前瞻性（prospective）”评估问题展开研究。在实际场景中，防御者无法同时修复所有新披露的漏洞，因此需要基于截止决策时间点可见的公开证据来预测漏洞的可利用性（exploitability）。论文提出了一种“计算预算下的可利用性证据图”（Compute-Budgeted Exploitability Evidence Graphs）方法。该方法将安全公告、漏洞利用归档、修复提交以及黑客社区讨论等异构信息源统一建模为时间证据图（temporal evidence graph）；然后引入一个预算选择器（budgeted selector），为每个CVE仅选取少量（如2份）证据文档，并基于这些文档计算可利用性评分，同时每个评分都附带一个可审计的证书（auditable certificate），其中包含支持信号、时间戳、来源层和泄漏标志（leakage flags）。实验部分使用了12012个来自公开来源的前瞻性CVE进行验证。结果显示，预算下的证据选择将泄漏安全的前瞻性recall@50从仅基于严重性的基线0.010提升至0.026，而每个CVE使用两份证据文档即可捕获大部分价值。值得注意的是，一个强交叉编码器重排序器（cross-encoder reranker）却将前瞻性recall降至0.016，这表明语义相关性与可利用性证据并非等同。更重要的是，论文指出现有研究中常见的简单随机划分和未过滤证据的做法会显著高估性能——将表观前瞻性recall夸大8.5倍，EPSS高召回率夸大5.0倍。本文的主要贡献在于提出了一个泄漏安全的评估协议（leakage-safe evaluation protocol）以及可用于验证漏洞优先级声明（contestable vulnerability-prioritization claims）的可复现证据证书。该工作有助于安全运营团队在有限资源下更准确地识别最危险的漏洞。