企业安全团队常用的修复指标如平均修复时间（MTTR）、SLA合规率、驻留时间或检测延迟等，虽然能反映部分修复效率，但往往掩盖了补丁实际到达资产环境的真实方式——例如通过计划维护窗口、部署环、紧急绕过路径等连续或周期性过程。本文提出了一种面向企业漏洞管理的“修复节奏审计”（remediation-cadence audit）方法，旨在系统性地记录和量化补丁部署的节奏特征。审计指标包括：常规平均滞后时间、发布周期、发布比例、队列几何结构、紧急/常规分流、非部署延迟、局部剩余压力证据以及宣称的速率场景。该方法将连续同均值简化模型与实际发布日历进行比较，输出局部容量判定和日历折扣——即由日历化部署消耗的均值容量占比。通过30天均值的示例数据包，展示了不同部署节奏下的影响：在两月发布列车场景下，日历折扣消耗17.4%的均值容量；月度发布列车消耗5.2%；两周筛查消耗1.3%。在16倍的攻击者调整速率范围内，两月折扣至少保持约12%，月度折扣保持在分辨率敏感的3-8%区间。因此，该审计将节奏评估转化为证据分辨率问题：当折扣相对于剩余压力不确定性或声称的余量显著时，不应单独使用MTTR/SLA作为部署证据。发布几何检查表明，部署环并不能自动恢复连续基准，而队列交错可能有利或有害。该方法是一个可复现的治理诊断工具，而非漏洞优先级排序器。本文适合安全运营负责人、漏洞管理策略制定者以及安全度量研究人员阅读。

本文提出一种结合拓扑数据分析（TDA）与长短期记忆网络（LSTM）的混合方法，用于增强网络入侵检测系统（NIDS）的性能。研究背景：现代网络流量复杂多变，传统NIDS难以高效检测新型攻击。核心问题：如何同时捕捉网络流量的拓扑结构特征和时序依赖关系。方法：采用多层级架构，首先利用TDA中的持续同调（persistent homology）提取网络流量模式的拓扑特征（如Betti曲线和持续图），然后输入LSTM网络建模时间序列。实验使用CIC-IDS2017数据集，包含超过280万条带标签流、77个网络变量和14种攻击类别（如DDoS、暴力破解、Web攻击、渗透、僵尸网络）。主要贡献：混合模型在AUC和F1-score上均达到1.000，5折交叉验证平均AUC=1.000±0.000，平均F1=0.999±0.001。消融实验表明拓扑特征（F1=0.990）和时序特征（F1=1.000）互补。与TDA+随机森林（F1=0.994）和孤立森林（F1=0.835）基准相比，所提方法在多个攻击类别上表现最优。适合安全研究人员、NIDS开发者阅读。