本文对移动支付应用中的反欺诈安全挑战（step-up authentication）进行了首次大规模伦理与公平性测量研究。作者以真实生产环境中的现有反欺诈系统 Boxer 为基础，在 5,085,444 台真实设备、496 个真实应用上收集数据，分析了该系统在不同硬件配置和性能条件下的实际表现。研究发现，尽管 Boxer 整体有效，但在机器学习模型运行帧率低于 1 FPS 的低端设备上无法有效扫描，导致使用廉价设备的用户被不合理地阻止，造成服务公平性问题。基于这一洞察，作者设计了新系统 Daredevil，专门用于扫描支付卡，能够适配现代移动设备的广泛性能差异和硬件配置。与 Boxer 相比，Daredevil 将帧率低于 1 FPS 的设备数量减少了一个数量级，从而提供了更公平的反欺诈系统。该研究首次系统性地揭示了安全挑战架构中的伦理缺陷，并给出了可落地的改进方案，对移动支付安全、设备公平性和自动化反欺诈系统设计具有重要参考价值。适合移动安全研究员、反欺诈系统工程师、隐私与公平性研究者阅读，也值得安全产品设计者关注用户设备差异带来的实际影响。

本文重新审视了网络设备中 RSA 弱密钥的普遍性问题。自 2012 年以来，多个学术团队报告了互联网 HTTPS 主机 RSA 密钥中的漏洞，并将其归因于多种弱点（如素数选取不当、共享素数、熵源不足等）。2016 年的一项后续研究通过分析大量 RSA 模数，评估了厂商和终端用户对最初披露所采取的行动，结果发现弱密钥仍然广泛存在，且厂商几乎没有采取任何补救措施。本文在此基础上进行了再评估，重点关注更大的 RSA 模数（2048 位），并尝试对研究中发现的意外异常现象提供补充分析。研究延续了前人的大规模测量方法，但将分析对象扩展到当前更常见的 2048 位密钥，旨在揭示现代网络设备中弱密钥的持续存在情况，并探讨可能的生成机制或供应链问题。该工作对于理解公钥基础设施中的长期安全债、设备制造商在密钥生成流程中的过失，以及互联网信任体系的潜在脆弱性具有重要参考价值。适合关注密码学应用安全、网络设备安全性、大规模扫描分析以及 PKI 信任模型的研究人员和安全工程师阅读。