Helol Tunnel: Covert Channel Exploitation of TLS Extensibility & Privacy Features
该论文研究的是网络协议隐蔽信道，即利用协议本身的合法字段进行数据外泄与命令控制（C2）通信。作者把目标锁定在最普及的传输层安全协议 TLS 上，具体聚焦于握手阶段的 Client Hello（CHLO）报文：这些报文由大量可枚举、可组合的密
#fingerprinting
共收录 22 条相关情报。
← 返回所有主题Adaptive Traffic Camouflage: Causal and Resource-Aware Defense Against IoT Fingerprinting
该论文研究的是物联网（IoT）设备流量指纹识别与反制问题。背景在于：即便对载荷做了加密，攻击者仍可通过包大小、发包时序、方向序列和分包方式等流量形状特征（traffic shape）推断设备身份，从而在智能家居、工业物联网等场景中实现设备识
Inference-Engine Fingerprinting Attacks are Practical: Exploring Model-Driven Environmental Discovery, Exploitation, and Escape
本文关注一个常被沙箱讨论忽视的攻击面：推理引擎本身。背景是前沿模型已经表现出利用复杂软件漏洞的能力，OpenAI 与 Anthropic 近期的沙箱逃逸事件说明这一风险并非理论推演。然而业界在讨论如何隔离推理栈组件时，注意力往往集中在网络代
Attestream: Usage-Aware Intermittent Data Distribution with Verifiable Lifecycle Provenance for Machine-Learning Data Streams
该论文提出 Attestream，一种基于区块链的架构，用于间歇性交付的数据集流，解决持续产生且商业价值高的数据（如传感器流、遥测数据、机器学习训练数据）提供商无法验证数据是否被实际使用的问题。核心思想是将持续交付与可验证的使用报告绑定：数
AdaptPrint: Response-Adaptive Fingerprinting of Black-Box LLM Services
本文提出了一种针对黑盒大语言模型（LLM）服务的响应自适应指纹识别方法 AdaptPrint。黑盒 LLM 服务已成为实际部署的常见范式，但其不透明性阻碍了安全风险的系统评估，也给模型所有者的版权审计带来困难。黑盒 LLM 指纹识别通过查询
Time-Print: Authenticating USB Flash Drives with Novel Timing Fingerprints.
USB接口作为计算机系统普遍存在的连接方式，为主机与外设间提供高效的数据与电力传输。即便在云和远程计算流行的今天，USB在设备间数据传输中仍扮演关键角色，尤其在高安全隔离的“气隙”系统中应用广泛。然而，近年研究揭示USB并不如传统认知中安全
Targeted Counterfactual Fingerprinting for Black-Box LLM Ownership Verification
大语言模型（LLM）作为高价值资产，常面临通过重新部署、微调、量化或进一步对齐而衍生的窃取风险。由于部署后的LLM通常仅通过黑盒查询API对外暴露，所有权验证往往依赖于文本响应的比对。然而，黑盒环境下的开放式生成具有高度的表面形式可变性，重
FLINT: Fingerprinting Federated Learning Architectures from 5G PHY-Layer Side Channels
本文提出了一种名为 FLINT 的新型黑盒指纹识别框架，旨在通过 5G 物理层（PHY）侧信道推断联邦学习（FL）模型的架构家族（如 CNN、RNN、Transformer）。传统针对 FL 的侧信道攻击通常假设攻击者具有网络层数据包级别的
One Token Is Enough: Fingerprinting and Verifying Large Language Models from Single-Token Output Distributions
该论文提出一种轻量级的LLM指纹识别与验证方法，仅需单token输出分布即可区分不同模型。当前LLM服务常通过不透明的API聚合器、转售商或推理提供商提供，客户端无法技术验证所调用模型是否与宣称一致，且已有审计发现相当比例的商用端点与供应商
On the Internet, Nobody Knows You're an LLM Bot: Unmasking Web Agents with Multi-Layer Fingerprinting
本文研究LLM驱动的Web Agent（基于大语言模型的自动化浏览器代理）的检测问题。自2023年以来，这类新型机器人能够自动化复杂网络任务，超越传统Selenium等工具，通过模仿人类行为甚至绕过多重反机器人机制。然而，网站管理员难以区分
Can Machine Learning Break Wi-Fi Privacy? A Study on MAC Address Randomization
本论文研究MAC地址随机化在IEEE 802.11网络发现阶段作为被动追踪防范措施的有效性。尽管MAC地址随机化已被广泛采用，但作者通过机器学习指纹识别技术证明了设备仍可被识别，暴露了现有隐私协议的漏洞。研究评估了被动攻击者在不同窃听场景下
Robust and Precise Application Fingerprinting on 5G Physical Uplink Channel
该论文揭示了一种5G物理层侧信道攻击方法。5G加密了传统控制信道，使先前的空中指纹攻击失效。然而，作者发现由于蜂窝通信标准强制规定了链路自适应机制，上行链路的调制与编码方案（MCS）保持稳定，因此传输占用的物理资源块（PRB）数量能够准确反
A Public and Reproducible Assessment of the Topics API on Real Data.
本研究对谷歌提出的Topics API进行了公开、可重复的评估。该API旨在替代第三方Cookie，通过浏览器根据用户浏览历史推断出少量兴趣主题，供广告商实现定向广告，同时声称保护用户隐私。此前的研究争议集中在数据集真实性和结果可重复性上：
Escaping the Confines of Time: Continuous Browser Extension Fingerprinting Through Ephemeral Modifications.
该论文提出了一种新颖的浏览器扩展指纹识别技术，能够绕过传统时间敏感的检测方法。通过利用浏览器扩展的瞬时修改，攻击者可以持续地识别用户安装的扩展，即使这些扩展在正常浏览过程中不会留下持久痕迹。研究展示了如何通过操纵扩展的API行为或临时注入内
Cascading Spy Sheets: Exploiting the Complexity of Modern CSS for Email and Browser Fingerprinting.
本文系统性研究了现代CSS动态特性在无脚本指纹识别中的应用，特别是针对浏览器和电子邮件客户端。作者提出了三种创新技术：基于模糊测试的CSS容器查询利用、基于模板的算术函数利用以及复杂选择器利用，能够高精度推断应用、操作系统和硬件配置。在浏览
CLIF: Cross-layer LEO-ISL Fingerprinting for Physical and Network Attack Detection in Dense LEO Constellations
低地球轨道（LEO）巨型星座（如SpaceX的Starlink和Amazon的Kuiper）依赖光学星间链路（ISL）实现自主网格路由，为全球提供低延迟通信、物联网和安全服务。随着星座密度增加和多运营商对等组网，ISL完整性对商业可用性和国
FLIPS: Instance-Fingerprinting for LLMs via Pseudo-random Sequences
该论文提出了一种针对大型语言模型（LLM）的实例级指纹识别方法FLIPS。当前LLM的指纹识别技术主要服务于知识产权保护，其设计偏向于对实例级参数（如指令提示、采样配置、量化方式等）变化的鲁棒性，然而这导致无法区分同一模型的不同配置。但AI
Fingerprinting Inference Systems of Large Language Models
本文研究了大语言模型（LLM）推理系统的指纹识别问题。作者指出，LLM 的行为不仅取决于模型本身，还受推理系统中各组件（如推理引擎、注意力后端和硬件平台）的影响。不同组件的实现存在细微差异，导致同一模型在不同系统上运行时产生微小的数值偏差。
Implicit Identity Technologies for LLMs: Fingerprinting and Watermarking across Datasets, Models, and Generated Content
本文是一篇针对大型语言模型（LLM）领域内指纹识别与水印技术的综述论文，旨在统一术语、生命周期阶段和评估目标，为LLM资产保护与溯源建立结构化基础。LLM的研发需要大量数据、算力和专业知识，且正被部署于高风险场景，因此保护LLM相关资产并追
Structural Analysis of Cryptographic Sequences using Stringology-Based Fingerprinting
本文提出一种基于字符串学（Stringology）的指纹框架（SBF），用于对加密序列进行结构性分析。传统上，加密原语（如流密码、伪随机数生成器PRNG、分组密码模式）产生的序列通过统计随机性测试来评估质量，但这些测试仅验证全局统计特性，无