本文是一篇关于去中心化金融（DeFi）金库（Vault）的系统化知识梳理（Systematization of Knowledge）论文。作者指出，DeFi 金库是基于智能合约的资产管理系统：它汇集用户存款、执行可编程策略，并铸造代表对底层资产与策略收益索取权的代币化份额。随着金库设计从早期收益聚合器（yield aggregator）演进为模块化、主动管理的系统，一种新的控制层——策展（curation）——逐渐成为核心：策展人负责挑选策略、配置风险参数并协调日常运行执行。这一层的引入把传统金融中的委托—代理（principal-agent）问题带入链上，并衍生出新的失效模式，例如策略选择偏差、参数配置失当、权限与责任边界模糊、运行依赖单点化等，而现有文献缺乏统一的分析框架。针对这一问题，论文做了三项工作：第一，提出统一的系统模型与形式化定义，覆盖份额记账（share accounting）、角色划分（roles）与运行依赖（operational dependencies），使不同实现之间可以对齐比较；第二，构建三套互补的分类法，分别刻画（a）金库的资产敞口与目标、（b）策展人的治理与问责机制、（c）策略执行模式及其对应的失效模式；第三，将一组具有代表性的生产环境协议映射到上述维度，验证框架的可用性与覆盖度。总体目标是支撑对区块链金融应用的严谨分析和更安全的系统设计。该工作属于架构与治理层面的分析性研究，适合 DeFi 协议设计者、智能合约审计与区块链安全研究者，以及关注链上资管风险的合规与风控人员阅读。

该论文研究一个此前较少被形式化的问题：一个被正确治理的 LLM Agent 可能进入一种「两难」状态——既不允许继续执行，也不允许自动停机。此时系统已检测到自身可观测性层或漂移检测层出现持续性失效，但它无法自行判定谁拥有恢复执行、拒绝继续或重新校准部署的授权。作者将这种状态命名为「身份绑定的治理事件（identity-bound governance event）」，并给出解决该事件的机制。 核心方法是提出「可追责证明块（Accountability Proof Block, APB）」，由三部分构成：系统构造的证据块（记录失效事实与上下文）、人工提供的决策块（由人给出恢复/拒绝/重校准的决定），以及一个 ed25519 签名，将上述两块绑定到已注册的主体（principal）身份上。其安全性质是双向约束：系统无法伪造该签名，主体也无法在未被检测的情况下篡改证据。作者据此证明四条定理：协议有界治理完备性（Protocol-Bounded Governance Completeness）、不可否认性（Non-Repudiability）、匿名重授权不可能性（Impossibility of Anonymous Re-Authorization）、以及有限时间 APB 构造终止性。工程实现采用 RFC 8785 JSON 规范化以保证签名前的字节级确定性，并用基于 UUID4 的重放判定谓词防止决策块被重放。 实验方面：治理完备性在 3,812 次停机事件上全部成立，零未解决案例；验证器在 9 类对抗向量、共 1,800 次攻击中检出率 100%；k-of-n 多主体变体在 2,000 次单密钥捕获尝试中零误接受。作者还对六个开源 LLM 进行校准研究，发现漂移阈值 T* 在同一模型内部稳定（sigma/T* < 2%），但在不同模型间差异显著，从而否定了「规模单调性」假设——参数量最大的模型并未漂移。结论是 T* 必须按部署逐一测量，而 APB 正是把该阈值转化为「可追责的授权转移」的载体。 适合阅读人群：从事 LLM Agent 安全治理、人在回路审批、审计与合规机制设计的研究者与工程师，以及对密码学协议在 AI 运维中落地感兴趣的读者。

这篇论文研究的是数据空间（dataspace）与 LLM 智能体交汇处的一个治理盲区。作者指出，数据空间连接器（connector）的决策点只决定「是否允许一次传输发生」，而不管被传输的值里到底装了什么。对基于合同的传统应用来说这尚可接受，但对会自行组合工具调用、并派生（spawn）子智能体的 LLM 智能体而言就不够了。现有文献分成两拨：一拨研究「让智能体自动生成治理工件」并评估其输出质量；另一拨是治理文献，研究决策与授权机制。但「谁有权把一个治理工件授权为可用」这个问题恰好落在这两拨之间，两边都没有认领。作者提出，已发布的策略就是数据空间决策点实际执行的东西，因此「发布」本身就是一个治理事件；那么当一个智能体既是策略的约束对象（subject）、又是策略的作者（author）时，它实际上在书写约束自己的规范——作者把这一现象命名为「作者性风险」（authorship hazard），并给出唯一原则：智能体永远是治理平面的主体，而绝不是治理平面的作者。为此，智能体通往「发布」的授权通道在构造上被彻底关闭；它剩下的影响通道——起草供人类审批的文本——则被当作一个执行（enforcement）问题来处理，而不是当作创作自由。实验部分使用一份冻结的智能体草稿语料：如果允许未经批准的发布，会逆转 80 条授权决策，且其中大多数草稿只改动某个字段的敏感度分类、完全不改策略正文；一个只读「策略 diff」的分类器必然、无一例外地漏掉这类草稿（因为 diff 里根本没有策略文本变化）。作者主张把「分类」本身也视为一种作者性行为，这样全部此类草稿都会被路由到人工审查；为此所需的「由注册表持有分类」的机制在文中被设计和建模，但尚未在原型中实现。在执行边界上，作者给出两组对照数据：当受保护字段仅靠提示词声明的职责来保护时，105/105 的情况下受保护字段会到达模型；而把 ODRL duty 编译成调用时（invocation-time）的工具调用约束后，该数字降到 0/105。不过当敏感值并不局限于某个具名（named）字段时，编译出的条件仍在 7/7 的情况下把值暴露出来。最后作者指出，集中式审批池（centrally provisioned approval pool）无法扩展到触发该问题的那种参与者规模，暗示必须走分布式、注册表驱动的分类与授权路径。

本文研究 Tor 网络在 2019 年推行的版本生命周期终止（End-of-Life, EoL）政策所引发的社会技术（sociotechnical）问题。该政策会拒绝过时版本的 Tor 中继加入网络，被拒绝的中继在共识权重（consensus weight）中占据相当可观的比例。从运维角度看，这一政策有助于网络维护、减少向后移植（backporting）工作量并缩短漏洞暴露窗口，但其社会技术层面的影响此前从未被系统研究。作者采用三种互补方法展开工作：第一，开展了一项用户研究（N=26），访谈/调查中继运营者，结果显示运营者虽然并非普遍知晓 EoL 政策，但总体上对其持正面态度；同时他们的运维实践差异明显，其中一种做法是把刚安装、尚未被网络接纳的中继也排除在外，反映出政策执行与运营者实际行为之间的错配。第二，作者基于历史数据构建网络仿真，用以评估该政策对 Tor 客户端对抗常见对手模型时的即时影响。结果表明政策只带来边际性的对抗优势（marginal adversarial advantage），相比之下网络 churn（中继的进入与退出）对用户匿名性的影响更为显著，说明节点流动性而非版本淘汰才是匿名性的主要威胁来源。第三，作者提出了一套安全度量指标，用于在两个不同的对手模型下评估单个中继对网络安全的贡献，从而可以按个体效用与安全性对中继排序。基于该指标对四轮排除（exclusion rounds）的分析显示，被拒绝的中继中通常只有少数（a minority）贡献了全部被排除中继所提供安全性的 50% 以上，即 EoL 排除并非等量损失，而是高度不均衡地削减了安全价值。最后，作者据此提出了 EoL 政策实施的改进建议，以缓解潜在弊端。该工作适合匿名网络研究者、去中心化网络治理与版本淘汰策略制定者，以及从事网络测量与安全评估的工程师阅读。

本文针对企业中员工使用个人生成式 AI 工具（如 ChatGPT、Gemini、Claude）进行日常工作所带来的治理挑战，提出了一种参数化的成熟度模型。作者将这种现象定义为 BYOAI（Bring Your Own AI），它是 Shadow AI 的一种特殊形式，特点是员工通过个人账户在企业的身份与安全控制之外使用这些工具。现有的治理框架大多面向企业统一管理的 AI 工具，无法覆盖员工个人账户下的非托管 AI 使用场景。为弥补这一空白，研究团队通过对文献的系统性综述，构建了风险分类法和框架参与概况。基于此，他们开发了一个参数化治理模型，用于量化治理成熟度对残余风险的降低程度。该模型采用五级成熟度阶梯，并通过一条链条将治理层级与技术控制架构相耦合，使控制层的覆盖范围能够影响最终的安全结果。研究基于 30 个精选记录（包括 24 项研究和 6 份框架文档），发现最突出的风险类别是数据暴露和合规问题，同时框架参与度不一致。研究确立了三个相互支撑的支柱：技术支柱、治理支柱和人员支柱，以提供安全保障。模型结果显示，基于禁止的解决方案在残余风险降低方面几乎等同于基线方案，而基于分层控制的方案能显著降低模型化的外泄风险并提高可执行的覆盖范围。本文的核心贡献在于提出了一个可量化的治理成熟度模型，并为 BYOAI 风险控制提供了系统性的设计思路，适合企业安全架构师、治理合规人员以及研究 AI 治理的学者阅读。

这篇论文通过一项与荷兰执法部门的独特合作，首次获得了某家以滥用问题闻名的托管服务商内部运营后端的访问权限，从而对反滥用生态系统进行了罕见的内部观察。研究核心问题是：不同类型的滥用举报（如CSAM、垃圾邮件、版权侵权、端口扫描等）在托管服务商那里会得到怎样的处理？哪些举报会被缓解，哪些会被忽视？背后的决策逻辑是什么？作者利用这家托管服务商的内部滥用处理数据，分析了举报者身份、滥用类别以及外部治理工具（如屏蔽列表、断网对接、执法问询）对服务商行为的影响。主要发现包括：客户通知率高度依赖于举报者的类型和滥用类别；CSAM和垃圾邮件相关的举报通常会触发缓解行动，而版权侵权和端口扫描的举报则经常被忽略；能够直接影响业务连续性的治理工具（如屏蔽列表、断网、执法问询）显著影响服务商的通知行为，而来自个体的滥用举报则容易被忽视。论文贡献在于揭示了反滥用生态系统中各治理机制的实际效力差异，为政策制定者调整治理手段与有效的滥用处理实践提供了依据。适合关注网络安全治理、滥用处理流程、托管商合规以及互联网政策研究的人员阅读。

该论文聚焦企业级自主AI代理（autonomous AI agents）的运行时治理问题。作者指出，当前企业部署自主AI代理时，沿用了为人类用户和长期服务设计的传统控制模型，但在三个关键方面不匹配：一是代理主体（principals）是临时的，其出现和消失速度远超传统的资源调配；二是代理的行为由模型而非程序选择，因此其可能尝试的动作集合无法预先知晓；三是代理的种群是“被发现”而非“被配置”的，因为任何能调用API的人都可以创建一个代理。基于此，作者主张对自主代理的治理本质上是一个运行时问题，既不是模型对齐问题，也不是构建时问题。他们从动作生效前后必须回答的问题中推导出五个原语：发现（discovery）、身份（identity）、治理（governance）、证明（attestation）和供应链（supply chain）。对于每个原语，论文阐述了若缺失会导致什么失败，以及为何其他原语在结构上无法替代它。作者描述了一个具体实现：在代理动作生效前根据策略进行中介，依据租户级动作词汇表进行授权，并将动作记录在哈希链签名账本中，该账本可由第三方在供应商不参与的情况下验证。论文报告了该架构的代价：强制执行点位于请求的关键路径上；身份验证需要每个工作负载附带一个边车（sidecar）；失败关闭的调解会将可用性事件转化为拒绝服务。作者明确说明了实现状态：四个原语已构建并运行在私有试点中，第五个（供应链）作为独立工具构建，尚未集成到请求路径中。论文强调，这种五部分分解并非恰好匹配作者构建代码的偶然描述，而是一个有意的分类。本文适合研究自主代理安全、AI系统治理和零信任架构的安全工程师、平台架构师和研究员阅读。

该论文针对智能体工作流（agentic workflows）评估标准过于单一的问题展开研究。传统上，系统是否成功仅取决于是否达到正确结果，但在机构化场景中，这一标准远远不够：一个动作即使结果正确，也可能依赖于错误的权威来源、包含未经证实的完成声明，或受到后续变更的影响而失效。为此，作者提出“受治理执行”（governed execution）概念，要求工作的决策、完成状态及对变更的响应都必须有可检查的来源证明（provenance）支撑。论文实现了名为 Matrix 的确定性因果状态层，它能够记录权威依赖与事实依赖、验证完成证据，并有选择性地使受影响的工作失效。通过受控对比实验，论文发现：治理路径与直接路径虽然常常得到相同的结果，但只有治理路径能够一致地保留治理证据、拒绝未经支持的闭环操作，并将恢复范围限制在依赖任务上。此外，在角色分离的迁移挑战中，一个强制的完整性契约因其确定性执行特性，过度拦截了在作者上下文之外生成的合成数据包，暴露出治理机制在跨场景泛化时的局限。作者明确表示，Matrix 并非通用的准确性增强器，其核心价值在于作为机构完整性层，使智能体工作可审计、可独立验证。该研究适合关注 LLM 安全、AI 治理、可审计智能体系统的安全工程师、研究者和合规人员阅读。

本文提出了一种面向安全分析的大语言模型（LLM）系统生命周期模型。研究背景是：LLM 正以前所未有的规模被集成到关键基础设施和企业工作流中，但现有的生命周期框架主要面向运营效率设计，而非安全分析，导致数据来源验证、工件签名、智能体权限控制、退役处置等安全相关活动常常被隐式处理或假设会得到适当关注。同时，治理框架通常按风险等级或管理流程组织要求，却没有明确将这些要求与适用的生命周期阶段相关联。针对这两项缺陷，作者提出了一种以安全相关边界而非工作流优化为组织原则的生命周期模型。该模型包含 32 个阶段，分布在四个核心流水线层（数据、模型、分发、应用）中，并辅以包含 12 个阶段的 LLMOps 支柱和包含 9 个类别的治理支柱。其中 13 个阶段是本文新引入的独立单元，因为它们暴露了现有框架未明确区分的不同安全关注点。此外，作者构建了一个治理映射，综合了 NIST AI RMF、欧盟《人工智能法案》以及 ISO/IEC 42001，揭示出现行监管格局的一个结构性特征：治理证据集中在面向部署的阶段（这些阶段系统对监管者可见），而最关键的决策——数据选择、对齐策略和能力边界——却发生在面向开发的阶段，而这些阶段监管可见性最低。该研究的主要贡献在于提出一个显式化安全关注点的生命周期模型，并指出监管覆盖与安全关键决策位置之间的错配，为后续改进 LLM 系统的安全治理提供了依据。适合安全研究人员、LLM 系统开发者和政策制定者阅读。

本文提出了一种面向开放数字孪生生态系统中可验证AI代理的神经符号化参与治理框架。研究背景是：随着大语言模型赋能的自主AI代理日益成为高价值决策支持系统的重要组成部分，在多机构、去中心化环境下，现有代理系统缺乏对身份、能力和策略合规性的强健验证机制，可能导致未授权交互和策略违规。核心方法包括：1）通过多层语义配置文件表示代理，将概率性神经推理与确定性制度治理桥接，实现可信的人机协作和有意义的人类监督；2）将代理能力锚定在正式领域本体上，使参与具备机器可解释、策略感知和上下文敏感的特性；3）由组织权威机构签发凭证，并通过基于区块链的智能合约验证，确保可审计的参与且不暴露敏感数据。作者使用一个包含诊所、数字孪生和可穿戴设备提供者代理的决策支持原型进行演示，结果表明该框架有效阻止了未授权交互并以可管理的开销强制执行机构策略。研究贡献在于提供了跨机构边界的可扩展、可信的人机协作治理路径。适合数字孪生、多代理系统、AI治理与安全领域的研究人员和工程师阅读。

本文研究去中心化自治组织（DAO）中治理权力的行使机制及其安全影响。DAO 是一种通过智能合约管理区块链协议的治理实体，其治理合约明确规定了利益相关者如何提出、表决和执行协议变更。作者指出，治理合约的设计选择对 DAO 及其管理的智能合约的安全性和隐私性具有深远影响，不当设计可能引入关键漏洞。论文首先阐述了实现 DAO 时设计选择带来的信任与透明度权衡；其次，通过真实案例强调了糟糕的设计选择如何导致严重漏洞。为此，作者分析了 48 个公开且活跃的基于以太坊的 DAO，这些 DAO 控制着大量资本。他们将设计选择分类为几个关键维度，简洁地描述了 DAO 利益相关者如何发起协议变更、投票以及根据投票结果执行变更。分析揭示了一类新型攻击——治理攻击，这类攻击直接利用 DAO 治理机制的基本设计缺陷，即使智能合约实现无 bug 也无法避免。文章的核心贡献在于系统化地分类 DAO 治理设计选择，并提出治理攻击的概念，为 DAO 安全研究提供了新视角。适合区块链安全研究者、DAO 开发者和智能合约审计人员阅读。

该论文提出了一种名为“AI as a Research Object”（AI-RO）的新范式，旨在解决生成式人工智能在科学研究中的治理问题。作者认为，与其争论AI是作者还是工具，不如将AI交互视为研究过程中结构化、可检查的组件。基于Research Object理论和FAIR原则，他们设计了一个框架，通过交互日志和元数据包来记录模型配置、提示和输出。该框架特别适用于安全和隐私（S&P）研究场景，因为这些场景中的来源构件必须满足保密性、完整性和可审计性要求，而通用的披露做法无法满足。作者实现了一个轻量级的写作流水线，其中语言模型在显式约束下综合人类作者的结构化文献综述笔记，并生成可验证的来源记录。论文以立场陈述的形式呈现，并附带一个初始演示工作流，主张科学中生成式AI的治理可以通过结构化文档、受控披露和完整性保护来源捕获来实现。基于此示例，他们概述了未来发展的必要方向，以使此类实践实用且广泛采用。对于安全研究人员而言，该工作直接回应了AI辅助研究中的可归因性和可复现性挑战，为评估和信任AI生成内容提供了可审计的基础。

本文是Cardano区块链Voltaire治理系统的完整技术规范与研究议程报告。Cardano的Voltaire治理系统通过CIP-1694引入，并于2024年9月Chang硬分叉后正式启用，旨在解决去中心化协议演进中的适应性、安全性和利益相关者代表性之间的平衡问题。论文首先提供了Voltaire机制的完整技术规范，包括三体架构（三个治理主体：代表、宪法委员会和权益池运营者）、七种治理行动类型（如硬分叉、参数更改、资金提取等）、投票规则（基于权益的投票，需达到特定阈值）以及宪法框架。该规范足够详细，可用于直接实现或形式化分析。其次，论文建立了一个原则性治理优化的研究议程，包括设计基于智能体的仿真平台、分析委托动态、优化多目标参数以及博弈论激励设计。作为初步结果，作者提出一个形式化治理内核：一个最小可执行模型，将自修正治理建模为状态转换系统，从而支持严格的安全性和活性分析。该报告还指出，Voltaire系统目前管理着一个价值约2.35亿美元（截至2026年7月初为14.7亿ADA）的财库，是一个大规模活实验室，邀请研究社区通过严谨研究推进区块链治理科学。

本文针对第三方供应商（如分析平台、云服务、身份提供商、软件供应商）日益嵌入数字服务交付所带来的网络安全治理挑战，通过分析2025年11月OpenAI-Mixpanel安全事件这一典型案例，揭示了供应商环境中的安全事件如何转变为与客户保持关系的焦点组织的治理和问责问题。作者借鉴组织信任研究和代理理论，指出第三方网络安全风险既是信任关系也是委托问题：客户信任可见的服务提供商，而服务提供商依赖的供应商其安全实践仅部分可见和可控。论文提出了“传递信任”（transitive trust）的概念，即客户对数字服务的信任依赖于该服务提供商授权的供应商的安全实践。在此基础上，构建了“堡垒与守门人”框架，通过信任和数据流而非仅凭正式组织所有权来解释网络安全治理边界。分析提出了四个命题：供应商整合、元数据暴露、供应商保证和数据扩散。该研究为网络安全治理学术贡献了关于委托数据处理如何产生面向客户的问责性的解释，并识别了对供应商分层、数据分类、合同设计、持续保证和数据最小化的启示。读者对象为网络安全治理研究人员、风险管理人员及供应商管理决策者。

本文针对自主AI代理可能执行具有重大影响且不可逆的操作（如临床处方和软件部署）这一现实问题，提出了一种新的治理模型。核心思想是借鉴人类社会中机构管理强大自主行动者的方式：不监控其推理过程，而是在关键行动点要求独立认证的证据。作者将这种制度模式形式化为一个计算治理模型。在该模型下，AI代理保留规划和推理的完全自主权，但对指定的高风险行动没有执行权。执行取决于一系列前提条件，每个条件由独立的权威来源认证，并与声明的意图进行密码学绑定，最后由确定性策略评估。决策结果记录在防篡改日志中，可供独立重新验证。论文提供了概念验证实现，并通过软件部署和临床处方两个案例进行说明。该研究为AI安全治理提供了一种新的视角，即通过分离决策与执行，引入外部独立验证机制，以降低自主决策风险。适合AI安全研究者、治理模型设计者和政策制定者阅读。

随着AI系统从被动模型演变为能够自主发起行动、协作和委托任务的自主智能体，传统软件系统的边界变得模糊。传统的授权和委托框架基于固定的主体、显式请求和静态范围，不足以治理智能体系统。智能体AI需要更丰富的授权语义：智能体必须能够继承和委托权限，在时间限制下行动，并通过共享协议协调。现有的身份和访问管理（IAM）系统未能完全捕捉这种代理概念，缺乏递归委托、上下文边界和动态范围作为可执行治理原语的机制。与OAuth 2.0等访问委托标准不同，本文将委托视为一种契约条款，而不仅仅是基于静态令牌的同意凭证。本文提出了一种组合式治理框架，引入了智能体AI不可或缺的原语：定义了委托类型及其权限和问责含义，并引入了资源范围衰减的概念来约束智能体访问范围。这些概念被表达为通用关系定义，可以组合到现有授权域（如金融系统）中。为了操作化这种组合，定义了一个组合算子，将新的智能体语义（如递归委托链）叠加到现有关系策略上，而无需重写。通过形式化证明和实证评估，该框架为智能体AI中的问责授权提供了既形式化又实用的基础。

该论文提出了一个名为 memorywire 的供应商中立的线格式（wire format），用于代理内存操作。当前多种代理内存框架（如 mem0、Letta/MemGPT、Cognee、Zep/Graphiti、MemoryOS、MemTensor）各自拥有独立的 SDK、存储布局和操作词汇，导致集成工作重复、迁移成本高昂，且缺乏统一的人工审查机制。memorywire 基于 JSON-Schema 2020-12 规范，定义了五种内存操作（remember、recall、forget、merge、expire）和四种内存类型（语义、情景、程序、情感），并提供了 MemoryStore 接口、fan-out 路由器以及可选的“人在回路”（HITL）治理通道，允许在写入长期存储前进行人工审核。该格式并不旨在与 Model Context Protocol (MCP) 竞争，而是与之互补。作者给出了开源参考实现，包含五个后端适配器（sqlite-vec、mem0、Letta、Cognee、pgvector）。实验评估包括：在包含 100 个事实和 50 个查询的标注数据集上，召回率@5 达到 1.000，写入延迟 p50=37.8ms，读取延迟 p50=40.6ms；对抗融合实验表明，在 1-of-N 排名 0 注入扫描（K∈{0,5,...,50}）中，Reciprocal Rank Fusion (RRF) 始终保持召回率@5=1.000，而最大融合（max fusion）在 K≥5 时跌落至 0.500 且泄漏率达 80%；跨 16 场景的适配器一致性测试通过了 80 个用例中的 68 个，零故障。本贡献并非新的算法，而是将现有组件（如 RRF、有限状态机、短时/长时记忆整合、差异批准工作流）封装成一个协议中立、经验验证的参考实现，旨在促进代理内存操作的互操作性与安全治理。

该论文研究了去中心化自治组织（DAO）中反富豪投票机制的有效性问题。在典型的DAO治理中，投票权与代币持有量成正比，这导致少数大户集中控制权，从而引发基于代币控制的治理攻击。社区因此转向反富豪投票机制，如二次投票（QV），旨在通过赋予每个代币次线性投票权来削弱大户的影响力。然而，论文通过建立包含区块链现实摩擦（如按钱包拆分和投票成本、固定设置成本、最小余额要求）的链上投票成本模型，证明在无许可区块链上，任何仅从钱包余额派生投票权的规则都无法成功防止Sybil攻击。具体地，论文证明：无论采用何种成本方案，只要任意大小的钱包具有非零投票权，Sybil攻击者通过将代币拆分到多个钱包即可实现至少与代币持有量成正比的投票权增长。对于实际提出的用于抑制治理权力的凹函数规则（单调递增、有限且正值），最优策略下的投票权在代币持有量上渐近线性。将模型应用于真实DAO（ENS、Compound、Uniswap、Arbitrum、ZKsync）的数据，发现攻击成本远低于风险资产价值。作者重放了这五个DAO最近十个最终提案的投票过程，在线性、二次、对数和幂（β=0.25）投票规则下，测得二次投票的Sybil放大因子在1172倍至4039倍之间，而在更陡峭的幂规则下超过229000倍。因此，论文从根本上质疑了当前主流反富豪机制的有效性，对DAO治理安全设计具有重要理论指导意义。

后量子密码（PQC）就绪已成为关键基础设施面临的紧迫挑战，但现有障碍更多来自密码可见性不足、依赖关系复杂和治理碎片化，而非算法本身的缺失。本文以欧洲一家关键服务提供商为匿名案例，详细描述了其采用“先发现后迁移”策略推进PQC就绪的实践经验。该组织首先利用自动化工具对全网络进行密码资产清点，建立基于证据的基线，包括算法类型、密钥长度、使用场景、生命周期等。发现阶段揭示了三大系统性挑战：1）密码资产所有权高度分散，各部门缺乏统一管理；2）遗留系统与现代环境中的证据质量参差不齐，部分老旧系统文档缺失；3）严重依赖第三方供应商的密码路线图，可控性低。为将这些发现转化为可操作的风险缓解措施，组织设计了一套结构化的暴露登记册（exposure register），将资产关键性、机密数据保密期限（如需要保持机密超过10年的数据更易受“先收获后解密”攻击）、以及迁移可行性三个维度结合，对密码资产进行优先级排序。作者由此提出核心论点：PQC发现不应仅被视为技术清点工作，而应上升为一种治理能力——它能够稳定组织关于密码使用的知识，将模糊的不确定性转化为可衡量的责任主体，从而支撑基于风险的决策和跨团队协调。案例表明，即使不立即启动算法替换，建立系统的发现与暴露优先级框架也能显著提升组织的密码敏捷性。本文适合安全架构师、CISO、网络风险管理者和政策制定者阅读，为大型机构应对后量子过渡提供了可复用的治理方法论和实操经验。

该论文提出了一种通过分析链上投票行为来检测去中心化自治组织（DAO）内部党派社区形成的方法，以预判组织分裂（分叉）事件。作者从治理智能合约中提取投票事件，构建投票者矩阵编码参与模式，并通过成对相异性分析量化地址之间的意识形态分歧。利用多维尺度分析（MDS）可视化关系，结合轮廓系数优化的k-means聚类识别党派社区。以Nouns DAO为案例（该协议经历过多次分叉），研究表明将在分叉中分裂的地址在实际分叉事件前数月就已聚类在一起。对从合约部署到第一次大分叉的330个提案的分析显示，90%的分叉地址在最后44个提案中聚类，而随机数据中仅为47%。结果表明，通过链上治理分析可以检测并可视化党派社区，在组织分裂前提供早期预警。

本文提出一个将网络安全治理框架（如NIST CSF）转化为可操作的缓解决策的系统。核心挑战在于治理框架虽能评估组织成熟度，但无法直接指导在资源约束下对防御策略进行选择和优先级排序。该方法首先将CSF成熟度评估映射到MITRE ATT&CK缓解能力，使组织安全态势与以攻击者为中心的防御规划直接集成。为了处理对手行为的复杂性，采用可变阶马尔可夫模型（VOMM）在观察到的ATT&CK技术序列上训练，以在深度强化学习（DRL）环境中实现可扩展的对手模拟。通过集束搜索重构可能的攻击路径和防御响应，然后在明确预算约束下联合优化缓解措施的选择。该环境支持并发对手和现实缓解成本。实验在多种奖励设定和配置下表明，该方法能产生稳定的策略、有意义的成本-风险权衡以及与组织成熟度一致的可解释缓解计划。研究证明了攻击者感知的DRL能够生成基于实际框架和威胁行为的、资源受限的实用防御策略。