PDF是当前文档交换的事实标准，用户经常需要打开来自不可信来源（如电子邮件附件或互联网下载）的PDF文件。然而，PDF标准的丰富特性也为攻击者提供了可乘之机。本论文作者并非关注常见的安全实现漏洞，而是系统性地分析了PDF文件结构本身固有的“危险路径”——即合法的PDF标准特性在组合使用时可能导致的安全问题。通过深入解析PDF规范，作者识别出多条危险路径，并将由此引发的攻击归纳为四大类别。摘要仅完整描述了第一类：拒绝服务（Denial-of-Service）攻击，即攻击者通过构造特制的PDF文件，导致处理该文档的主机资源耗尽或崩溃，从而影响正常服务。其他三类攻击（如信息泄露、代码执行等）在摘要中未给出，但基于论文标题和PDF安全领域的已知研究，可能涉及隐私泄露和沙箱逃逸等。本研究的主要贡献在于：不从漏洞角度出发，而是从PDF标准设计层面揭示其内在风险，为后续更安全的文档处理提供了理论依据和分类框架。该工作适合PDF解析器开发者、安全研究员以及依赖PDF处理的系统管理员阅读，以理解除普通漏洞外，标准本身也可能成为攻击面。

本文针对文件格式合规性评估中单解析器不可靠的问题，提出一种基于多解析器错误消息集合的统计检测方法。研究背景指出，由于解析器和格式规范本身存在缺陷，合规文件可能解析失败，而非合规文件却能被顺利读取，后者带来显著安全风险。作者建议，评估文件格式合规性的更好方式是检查一组解析器产生的错误信息，而非依赖单一解析器。如果已有合规与非合规文件样本，则可利用基于伪似然比的统计检验高效判断文件的合规性和安全性。该方法与具体格式无关，不直接依赖格式的正式规范。论文以PDF格式（ISO 32000-2）为例进行说明，但未使用任何PDF特有细节。此外，作者展示主成分分析（PCA）可帮助格式规范设计者评估文件与解析器样本的质量和结构。实验表明，尽管这些测试非常基础，但用于衡量文件格式变异性和识别非合规文件既新颖又出奇有效。本文适合安全分析师、文件格式规范设计者以及关注文件解析安全性的研究人员阅读。

本文提出了一种基于概率模型和加权Dowker复形的统计方法，用于检测文件格式的方言（即同一格式的不同变体）。核心思路是，当文件被一组预定义的解析器处理时，解析器会生成一系列布尔“消息”（例如解析成功/失败、特定结构存在与否等），这些消息共同构成文件的“行为特征”。作者假设在每种方言内部，消息之间是统计独立的，并基于此建立概率模型，通过计算后验概率来判定一个文件属于特定方言。针对两种方言的场景，论文提出了一种阈值分类算法，且该算法可以从主要包含一种方言的训练集中“引导”出来（即通过少量标记数据扩展至未标记数据）。实验验证表明，理论推导的分布和实际经验分布均能达到良好的分类性能，且优于仅统计消息数量的简单方法。此外，当消息独立性假设不成立时，可检测出方言之间的“边界”，帮助格式分析师更高效地制定新的检测标准。本文的主要贡献包括：1）提出了一种可实验验证的概率模型；2）通过阈值算法实现实用的方言分类；3）利用独立性假设的违反来识别方言边界；4）在真实文件数据上验证了方法的有效性。该研究适合文件格式分析、数据清洗、恶意软件检测等领域的从业者阅读。