该论文首次系统性地研究了水下数据中心（UDC）面临的声学注入攻击威胁。与陆地数据中心不同，水下环境的长距离声波传播特性使得攻击者能够通过声学信号远程干扰关键基础设施。作者构建了接近真实UDC服务器操作的试验台，通过封闭水体实验和开放湖泊实验，实证评估了声学注入攻击对容错存储设备、资源分配软件和分布式文件系统的影响。实验表明，攻击者可使RAID 5存储系统吞吐量降低17%至100%；仅需2.4分钟的持续声学注入即可导致分布式文件系统节点无响应并自动移除；使分布式数据库延迟增加高达92.7%，降低系统可靠性；诱导负载均衡管理器将高达74%的资源重定向至目标服务器，造成过载或资源共置。在湖泊开放实验中，使用商用扬声器在最大允许距离6.35米处实现了可控的吞吐量降级。论文还评估了标准防御措施的有效性，并提出了基于机器学习的检测系统，在30秒FIO基准测试数据集上达到0%假阳性率和98.2%真阳性率。该工作旨在帮助制造商主动保护UDC免受声学注入攻击，确保海底计算基础设施的安全。适合安全研究人员、数据中心设计者和水下基础设施运营商阅读。

本文提出了一种基于哈希的隐蔽载体过滤策略（Hash-Based Covert Carrier Filtering），用于增强网络隐蔽通道的抗检测能力。传统网络隐蔽通道的隐蔽性依赖于隐蔽算法的保密性，但随着逆向工程技术的进步，算法一旦暴露即易被检测。该策略通过引入密钥依赖的过滤规则，使通信双方能够从载体集合中随机动态地选出稀疏子集作为实际使用的隐蔽载体集。这种机制不仅增强了载体选择的随机性，还将隐蔽性安全根基从算法保密转移至密钥安全。作者采用基于机器学习的流量分析方法，在网络存储型和定时型两类隐蔽通道上进行了实验验证。结果表明，当过滤密钥大小超过6位时，该策略能显著降低分类器的检测效果；同时，单包处理延迟低于8微秒，表明其具备在高速网络环境中部署的可行性。本工作为提升隐蔽通道的生存能力提供了新的思路，适合对抗审查和隐私保护场景的研究人员阅读。