该论文是一篇聚焦移动设备（尤其是智能手机）GNSS 欺骗问题的综述。研究背景是：现代智能手机的绝大多数日常功能都依赖卫星导航定位，而其内置 GNSS 接收机因接收的卫星信号功率极低、民用信号结构与频点公开，天然容易受到人为射频干扰攻击。作者把这类攻击区分为两类：一是干扰（jamming），通过压制信号使接收机无法形成位置、速度与时间（PVT）解算；二是欺骗（spoofing），攻击者发射伪造的卫星信号，诱导受害接收机解算出错误但表面正常的 PVT 结果，因而更为隐蔽。正因智能手机数量庞大且其中存有大量敏感地理位置数据，它已成为恶意欺骗的首要目标。核心问题是：现有综述虽已较全面地梳理通用 GNSS 欺骗对抗手段，却普遍忽略了移动端特有的限制——手机的硬件约束（天线尺寸与增益、低成本晶振、缺少多天线阵列、算力与功耗预算）以及操作系统与应用层无法深入访问 GNSS 接收机内部处理链（如相关器输出、原始观测量）造成的可见性缺失，使许多经典反欺骗方案无法在手机上落地。本文的贡献有三：其一，建立了一套统一的分类法，用于刻画 GNSS 欺骗的攻击效果与相应的对抗措施类别，便于横向比较；其二，对智能手机 GNSS 脆弱性刻画的研究历史做了回顾；其三，系统概览了面向智能手机场景提出的欺骗检测与对抗技术，并给出比较框架来权衡各方案在移动平台上的优缺点。适合移动安全研究者、定位与导航安全研究人员、终端/SOC 安全工程师以及 OEM 与芯片厂商的安全评估人员阅读。

该论文关注移动智能设备上儿童面临的在线风险——诱骗(grooming)、诱导性消费与金融诈骗等，这些风险往往嵌套在合规正常的应用内部，而非来自明显恶意程序。作者指出，当前主流做法是「自动化预防与检测」范式，无论是基于规则还是基于 AI 模型，都受制于固有的不可靠性：误报与漏报无法根除，一旦漏报，后果由儿童承担。因此论文主张引入一种互补的、human-in-the-loop(人工介入)的事后取证范式，并据此提出 GUIAuditor——据作者称是首个实现该设想的系统。 GUIAuditor 的核心概念是「GUI Provenance(界面来源溯源)」：把儿童在移动端的交互过程转化为可查询、带语义的交互记录。技术上，系统利用多模态大语言模型(MLLM)将按时间排列的 GUI 事件序列翻译成人类可读的叙事描述，使监护人能够像阅读「事件回放」一样理解发生了什么。为让该方案在手机端可行，论文提出一条证据蒸馏(evidence distillation)流水线：相比业界常用的周期性采样做法，可将需要送入模型分析的数据量削减 89.2% 以上，而准确率损失可忽略，从而显著降低算力与功耗压力。 评估方面，作者构建了包含 295 段交互片段的新数据集。GUIAuditor 在「记录关键事件」任务上取得 95.23% 的 Macro-F1；其两阶段取证查询引擎在超过 90.20% 的自然语言提问中，能把正确证据检索到首位(top-1)，说明监护人用自然语言追问「孩子刚才和谁聊了什么」这类问题具备可用性。端到端测试在三款现代智能手机上完成，完整流水线(含端侧 MLLM 推理)额外带来约 2.1W 功耗、每事件 7.4 秒延迟，峰值内存约 3.1GB。 结论是：事后 GUI 取证在当代移动设备上已具备实际运行可行性，可为监护人主导的安全复核提供有效上下文，是自动化拦截之外的一条补充路径。论文适合移动安全、儿童保护、端侧 AI/隐私计算以及数字取证方向的研究者与工程师阅读。

该论文来自 arXiv cs.HC 方向，作者为 Sarah Radway、Zoe Robert、Matthew Soto、Julianna Cimillo、Sebastian Diaz、Meg Marco 与 James Mickens（哈佛大学系统安全与隐私研究团队）。研究背景是：过去三十年在线广告行业建立起庞大的数据采集生态，其核心目标是追踪用户在线行为以推断其人口统计学特征与兴趣偏好。传统广告技术（adtech）生态依赖的是高度结构化的文本数据，例如 IP 地址、GPS 坐标、电商购买记录与访问过的 URL。然而，近年来的机器学习模型不仅能解析结构化文本，还能处理多媒体文件与非结构化文本输入，这意味着用户的照片、视频、收件箱与日历内容如今都变成了可被自动化分析的高价值数据源，隐私风险因此显著上升。 论文指出，智能手机应用场景中的风险尤为严重。手机本身已经是敏感用户信息的天然汇聚点，但用户往往并不理解：允许某个应用访问自己的照片，并不只是把照片的字节数据交给应用，应用实际上还获得了基于这些照片所能推断出的一整套关于用户本人的结论（例如生活状态、社交关系、消费能力、健康或情感状况等）。 为量化这一风险，作者构建了 Priva-See——一个基于大语言模型（LLM）的针对应用所采集用户数据的推断系统。Priva-See 的设计反映了研究者对现实中 adtech 公司如何利用机器学习构建用户画像的最佳理解，即尽可能贴近真实商业侧的数据推断能力，而非刻意夸大。作者通过一项经 IRB（机构审查委员会）批准的用户研究，让 465 名参与者在自己的手机上部署 Priva-See。实验结果的关键发现是：即便 Priva-See 只能访问用户数据的一个子集，它依然能够做出具有明显隐私侵入性的推断，说明攻击面并不需要完整数据即可成立。此外，参与者在使用后对自身权限共享意愿产生了显著变化，即该体验显著降低了他们今后分享权限数据的意愿，说明用户对风险的认知在被具象化后会明显改变。 基于观测到的隐私侵害，论文最后提出对智能手机操作系统在收集用户数据访问同意时应如何改进的建议，目标是让用户在授权时能更好地理解数据被采集之后所具备的下游使用与推断能力，而不是仅仅看到一个抽象的权限名称。该工作适合关注移动隐私、权限模型设计、LLM 推断能力边界、adtech 数据治理以及 HCI 与隐私可用性交叉方向的研究者、安全工程师与产品/合规人员阅读。

该论文针对 Android 恶意软件大规模筛查场景中「特征提取成本过高」这一瓶颈提出了一种轻量级方案 Name2Pkg。传统深度学习检测方法普遍依赖 APK 内部特征（如权限、API 调用、字节码、资源文件）或运行时行为序列，这些特征虽然判别力强，但解析与特征工程开销大，难以在应用商店上架审核、批量爬取样本初筛等超大规模、低时延的前置环节部署。作者的观察是：正常应用在命名上通常保持一致性——用户可见的应用名（app name）与包名（package name）往往存在语义、拼写或品牌上的对应关系；而恶意样本为规避检测、仿冒品牌或快速批量生成，常在两者之间呈现弱对应甚至明显不一致。基于此，论文将恶意软件筛查形式化为序列异常检测问题，仅使用应用名与包名两个极易获取的字段。方法上采用字符级 sequence-to-sequence 模型，建模「给定应用名条件下包名的条件似然」，并以长度归一化后的负对数似然作为异常分数；关键在于该模型属于 one-class 设定，仅使用良性样本进行训练并校准判定阈值，不依赖任何恶意样本标注，这大幅降低了数据获取与标注成本，也使模型对新型恶意家族具备一定泛化性。实验在 67,129 个真实世界应用的数据集上进行，在留出测试集上取得 ROC-AUC 0.982、恶意软件召回率 0.885（对应实际误报率 0.044）。工程指标方面，模型检查点仅 3.57 MiB，CPU 单样本推理延迟 28.20 ms，说明其可在无 GPU 的普通服务器上完成高吞吐批量筛查。作者将 Name2Pkg 定位为大规模安全系统中的高效预过滤信号，用于在昂贵深度检测之前削减候选样本量。其局限在于仅凭命名一致性无法覆盖命名规范的恶意应用，且不同语言、地区、第三方品牌命名习惯可能影响阈值校准，需要结合后续深度分析形成多级流水线。

该论文面向当前 AI 智能体大规模自动化挖掘漏洞、但其报告数量已超过维护者人工审核能力的现实困境，提出了一套「探针（probe）」驱动的漏洞报告评估框架。作者指出，智能体提交的漏洞报告往往依赖特定应用自身的安全属性（security property），格式与判定标准高度不统一，导致大量人力被耗费在甄别真假与理解语义上。为此，论文将「漏洞是否真实可触发」与「违反了哪一条安全属性」解耦：探针是一段可执行的安全属性检查代码，而不是针对某个已知漏洞的特征匹配规则。评估时，将被报告的攻击在目标应用上重放，同时运行探针；若探针被触发，既证明该攻击确实生效，又能精确指出被破坏的安全属性。作者强调，由于探针编码的是属性而非已知漏洞实例，因此其具备发现探针编写时尚不为人知的漏洞的能力。 作者将该框架实例化为 MobileCybench：一个面向 Android 应用的智能体漏洞挖掘基准，覆盖 13 个 Android 应用，包含 495 条由作者编写并人工复核的探针。评测在 4 种设定下展开：智能体分别扮演受害者设备上的恶意应用，或仅持低权限账号的远程攻击者；两种攻击者位置又各自分为「仅提供混淆后的 APK」与「可访问应用源码」两种情况。共评测 5 个编码智能体配置：OpenCode 搭配 GPT-5.5、GPT-5.6-Sol、GLM-5.2，以及 Claude Code 搭配 Opus 4.8 和 Opus 5。结果显示：在仅提供混淆 APK 的条件下，表现最好的 OpenCode + GPT-5.6-Sol 在恶意应用设定中触发了 53.8% 应用中的探针，在远程攻击者设定中为 16.7%；当提供源码后，全部智能体在两种攻击设定下的平均触发率由 28.8% 提升至 32.8%。此外，构建与运行该基准的过程中共发现 23 个此前未被报告的漏洞，其中大部分已获应用维护者确认。论文整体贡献在于：把漏洞发现的评测从「报告文本质量」转向「可执行、可复现、属性导向」的客观判定，为智能体安全能力评测提供了一个可复用范式，并给出了移动端场景下的实证基线数据。

该论文提出了一种名为 CLoader 的 Android 运行时规避框架，旨在使 Frida、Xposed 等动态插桩/钩子工具在受安全保护的移动环境中不被检测。研究背景是：企业移动设备管理（MDM）、加固应用与反恶意软件系统普遍依赖静态签名、时序启发式与完整性校验来发现钩子行为，传统静态配置的钩子工具容易被识别。核心问题在于如何在不改动目标应用架构的前提下，动态协调网络、时序与代码层面的多种规避手段。CLoader 设计了一个统一的运行时控制层，将网络层（如随机化端口分配）、时序层（延迟执行触发）与代码层（运行时代码混淆、自完整性检查）的变换进行系统化编排，以干扰基于签名的扫描、时序启发式检测和篡改检测。该框架通过自定义 Android 加载器隔离钩子活动与安全监控器，同时保持完整的拦截与修改能力。作者在企业反恶意软件系统、加固应用及设备管理平台上进行了验证，声称在其评估矩阵中达到约90%的绕过率。主要贡献是提出了一种可组合、可动态调整的规避架构，并展示了在封闭移动生态中进行渗透测试与恶意软件分析的可行性。适合移动安全研究人员、红队及防御方（用于理解检测盲区）阅读。

该论文研究的是 SUPL_INIT 这类由网络侧发起的定位触发消息，在以短信方式投递到手机时，是否会对用户构成位置隐私与身份泄露风险。SUPL（Secure User Plane Location）是蜂窝网络中承载定位业务的用户面协议，其中 SUPL_INIT 属于网络发起的触发消息，可通过短信下发至终端，从而在无需用户任何点击或确认的情况下单方面启动一次定位会话：终端收到后被指示自行解算位置，并把位置连同 IMSI 等用户标识一起上报给消息中指定的服务器。作者关心的核心问题是，如果攻击者能向目标手机投递一条伪造的 SUPL_INIT，是否就能让手机静默地把自身位置与用户身份回传到攻击者控制的服务器，从而形成一种低成本、零交互的跟踪与身份关联手段。为此，作者在 Google Pixel 8 手机上开展了实测评估，该机型采用三星 Exynos 基带与博通 GPS/GNSS 子系统，因此测试同时覆盖了基带处理与 GNSS 定位这两个关键环节。实验得出的结论是：在该设备上未发现此类隐私问题——对于经短信投递的、未经请求的（unsolicited）SUPL_INIT，手机并不会向攻击者选定的服务器发送任何位置数据，说明终端实现中存在有效约束或校验，阻断了这条潜在的静默定位外泄路径。该工作属于负结果（negative result）性质的实测研究，价值在于给出了特定机型上可复现的明确结论，为后续跨厂商、跨基带平台的横向对比评估提供了基线，同时也提示运营商与终端厂商在 SUPL 鉴权与网络侧触发消息处理上的安全设计是值得单独验证的攻防面。

本文聚焦智能手机「开屏广告」(splash ads)——即用户启动 App 时作为首个交互页面全屏弹出的广告，系统性地回答了「这类广告能否被有效阻断」这一问题。作者首先指出开屏广告的现实危害：它们常通过隐藏或难以察觉的触发机制（如晃动手机、轻微倾斜等）引导用户误操作，跳转到以营利为目的的第三方页面；在真实世界中已造成显著影响，包括延误紧急求助流程、分散驾驶员注意力，以及严重降低视障用户对 App 的可用性。 研究方法上，作者收集并分析了 108 个有文档记录的广告防御实现方案，评估其对开屏广告场景的适用性，以及用户实际部署这些方案所需承受的门槛。分析发现存在大量部署障碍：多数方案要求设备 root 或越狱、在运行时进行代码注入，或直接修改目标应用本身。即便是不需要上述高危操作的方案，也往往附带额外要求，如申请敏感权限、长期维护规则库、自行编译源码，或付费订阅。 随后作者开展了实测评估：选取 11 款工具、共 13 种配置，在 10 款热门 App 上运行。结果仅有一款工具在全部 10 款 App 上都成功阻止了由广告触发的跳转，且该工具依赖 Accessibility（无障碍）权限，广告在被关闭前仍会显示约 1 秒。其余配置要么完全无法阻止跳转，要么导致宿主 App 无法启动、或卡死在广告页面上。 最后，作者讨论了尚未解决的开放挑战与可能的未来方向，强调亟需通过政策与生态激励，推动手机厂商提供更友好、更受监管的平台级能力。论文属于对现有防御生态的测量与刻画型研究，而非提出新的攻击手法。

该论文聚焦物联网（IoT）领域一个长期被忽视但规模庞大的问题：厂商停止支持后仍在用户手机上运行、并持续与 IoT 设备交互的“伴侣 App”。作者将这类应用定义为 "IoT abandonware"（物联网弃置软件），并声称这是首个针对已停更 App 安全风险的大规模测量研究。研究的数据集是截至 2025 年 3 月已至少两年未更新或已停止服务的 61,500 个 Android 端 IoT 伴侣应用。方法上，作者对反编译后的二进制文件提取“潜伏与内嵌资源”，包括打包进 APK 的第三方库、硬编码域名和权限声明，并据此评估安全影响。分析分为两条主线：第一，识别出已被弃置后仍有新披露 CVE 的过时依赖组件，以及可能被域名接管（domain takeover）或被用于数据外泄的端点；第二，基于所提取权限推断敏感数据，做静态数据流分析，追踪这些数据如何流向已失效或可被劫持的外部端点。核心发现是：厂商失去控制权很久之后，持久化的分析 SDK 与第三方追踪器仍在持续汇聚用户数据和设备遥测，形成攻击者可重定向或滥用的数据流。整体上，作者在 73.6% 的样本中识别出安全风险，安装量排名前 1000 的应用中有 30 个仍在向已损坏（broken）的外部端点发送数据。该研究的意义在于把“软件供应链弃置”这一议题从桌面/服务端延伸到了 IoT 移动生态，量化了弃置 App 带来的远程利用、未授权设备访问与长期数据滥用风险，并给出了依赖、域名、权限与数据流四个可操作的观测维度。

本文针对超级应用(super-app)这一新兴移动架构展开安全与隐私分析。超级应用在单一宿主 App 内运行第三方 mini-app(小程序),使用户在一个入口内获得多种服务。过去十年的超级应用生态安全研究几乎都默认宿主是「可信中介」,本文挑战这一隐含假设,指出该信任缺乏依据:微信已被证明会大规模被动追踪用户在 mini-app 中的活动;俄罗斯 MAX 的母公司被报道与国家对网络言论的刑事追诉深度关联;伊朗 Bale 则因国家支持而在全球最长的互联网断网期间仍可用。作者以俄罗斯 MAX 为案例研究表明,恶意超级应用在设计层面天然拥有足以静默削弱 mini-app 与用户安全隐私的能力,且不易留下痕迹:捕获 mini-app 的 UI 内容、读写其本地存储、向 mini-app 运行时注入任意 JavaScript、中介其网络流量,以及控制认证上下文从而实现静默的用户身份冒充。关键论点是这些能力并非 MAX 独有缺陷,而是源自架构本身赋予宿主的特权——任何采用该模型的超级应用都具备同等能力。作者据此呼吁移动操作系统与应用商店尽快介入,在架构盲点被进一步利用之前加以约束。论文属于案例研究+架构分析性质,适合移动安全研究者、OS/应用商店平台治理方、以及开发 mini-app 的产品与安全团队阅读。

该论文挑战了一个长期存在的安全假设：由于 TCP 初始序列号（ISN）随机化与 UDP 源端口随机化等内建机制，针对 TCP 及 DNS（基于 UDP）客户端-服务器连接的"路径外"（off-path）攻击在现代网络中已被认为不切实际。作者提出并验证了一种新的协作式威胁模型：在客户端运行的、无特权（unprivileged）的恶意应用程序，尽管无法直接嗅探流量（实际上是 off-path），但若与一个远程 off-path 攻击者配合，二者可以通过"本地 + 远程"的信息拼接，推断出原本应当保密的连接状态，包括 TCP 序列号以及 DNS stub resolver 所用连接的 UDP 源端口。其技术路径并非利用内存破坏漏洞，而是滥用合法的标准接口与系统特性：通过 bind() 等标准 socket API 调用、IP options 协议机制、以及操作系统提供的 cBPF（经典 Berkeley 包过滤器）与 procfs 等能力，对目标连接的 TCP 初始序列号与 UDP 源端口进行推断；其中特别利用了主流操作系统 ISN 生成算法的某些可预测性质。在实证层面，作者在 Linux、Android、Windows、macOS 与 iOS 上演示了 TCP 连接劫持，并在 Windows、Android 以及 Linux 上流行的 systemd-resolved DNS stub resolver 上演示了 DNS 缓存投毒；评估覆盖多种操作系统与贴近真实的部署环境，包括位于"保持源端口映射"的 NAT 集成路由器之后的网络场景。作者已向 Microsoft、Apple、Linux 与 Google 披露相关技术，并促成多个补丁的发布。该工作把"本地低权限应用"从单纯的端点风险提升为可放大远程网络攻击的关键一环。

该论文提出 ActReal，一个针对系统级移动智能体的物理动作攻击框架。研究背景是：系统级移动智能体（如手机自动化代理）已从固定脚本演变为自适应系统，能持续观察界面、推理并调整动作，从而可能被用于自动化攻击，在动态 UI 中导航并完成复杂任务。现有应用检测自动化主要依赖触摸轨迹、动作时序以及触摸与惯性测量单元（IMU）信号之间的物理耦合。然而，具有特权的系统级代理执行器可以同时控制触摸屏输入和应用程序可见的传感器数据传递，这使得它能联合生成时间对齐的触摸和六轴 IMU 信号，从而规避这些检测。ActReal 的核心方法是将语义化的智能体动作转换为任务有效的触摸和 IMU 事件，具体包括两个关键组件：真实轨迹适配（genuine-trajectory adaptation）和物理引导的 IMU 生成（physics-guided IMU generation）。前者使触摸轨迹更接近真实人类操作，后者利用物理规律生成与触摸动作同步的 IMU 读数，从而模拟真实物理耦合。实验结果表明，ActReal 在事件层面达到平均 77.5% 的攻击成功率；即使检测器同时联合观察触摸和 IMU 信号，攻击成功率仍保持在 71.1%。该研究的主要贡献是指出了系统级移动智能体环境下的安全盲区，展示了一种能同时规避触摸和传感器检测的物理动作攻击方法，并提醒移动安全社区需要更强大的多模态自动化检测机制。适合移动安全研究人员、智能体平台开发者以及从事传感器安全与对抗机器学习的研究者阅读。

本文提出了一种名为“屏幕窃读”（Screen Gleaning）的新兴TEMPEST攻击方法，该攻击能够在不具备视觉视线的情况下，读取移动设备屏幕上显示的内容，从而泄露诸如短信验证码等敏感信息。攻击者利用天线和软件定义无线电（SDR）捕获设备在驱动屏幕显示时无意辐射的电磁信号，并将该信号重建为灰度图像（称为“emage”）。由于重建图像往往模糊或存在噪声，人眼难以直接解读，作者证明这一问题可以通过深度学习分类器有效解决，即使用机器学习模型从emage中识别出屏幕上的具体内容。论文的核心贡献包括：演示了针对安全代码（如短信验证码）的完整攻击流程；提出了一个标准化的测试平台（testbed），用于在不同攻击者模型下评估屏幕窃读攻击；系统分析了攻击者模型的维度（如攻击距离、设备类型、屏幕内容等）；并讨论了潜在的防御对策。作者强调，随着SDR和深度学习技术的快速发展，此类攻击的威胁将日益严重。该研究主要面向移动安全、侧信道分析、硬件安全和隐私保护领域的研究人员及安全工程师，旨在提高对电磁侧信道攻击的认识，并推动相应防护措施的研发。

该论文提出并分析了一种无需证书颁发机构（CA）的文档共同签名协议，允许两台移动设备仅通过单向、有损、低带宽的视觉信道（动画屏幕码被对方摄像头读取）进行协作签名，且信任路径上无中间服务器。协议的核心在于：信任不再依赖证书颁发机构，而是基于平台安全元件（Secure Element）生成的硬件证明令牌，该令牌通过无码率（喷泉码）在视觉信道中完整传输，并与共同签名进行密码学绑定。主要技术贡献是一种两阶段哈希锚定机制，解决了交互式共同签名中固有的循环签名依赖问题：第一方在第二方身份未知前先对文档作出承诺，第二方身份随后在不会使第一方签名失效的前提下绑定到该承诺。论文给出了威胁模型，定义了四个安全属性（锚定绑定、共同签名不可分割性、证明绑定的密钥来源、签名后篡改可检测性），并将其归约为标准假设（哈希函数的抗碰撞性和底层签名方案的EUF-CMA安全性），安全元件被建模为理想签名预言机。作者在iOS/Android上实现了原型，使用Secure Enclave/StrongBox中的ECDSA P-256、SHA-256、Apple App Attest / Play Integrity以及LT风格喷泉码，并配备独立的第三方验证器，可完全离线重算所有锚点并检查两个签名。

该论文聚焦于移动端短消息钓鱼攻击（SMiShing）的用户易感性研究。随着手机普及率激增，通过短信发送钓鱼链接的诈骗活动日益猖獗，然而关于哪些用户群体最容易受骗的数据却十分匮乏。既有针对电子邮件钓鱼的研究表明，受害风险可能与人口统计学因素及情境因素相关。作者采用先前已发表的模拟方法，基于美国成年手机用户的代表性样本开展了两项大规模调查。研究结果显示，年轻个体和大学生群体尤其容易受到攻击；同时，参与者在识别合法短信方面存在明显困难，第二项研究进一步比较了金融类短信变体的识别效果。基于这些发现，论文提出研究人员、监管机构和电信运营商应为24岁以下用户及大学客户设计移动端专属的干预措施，如增加消息验证与警告机制。该研究为移动端安全意识培训的精准投放提供了实证依据。

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。

该论文对被称为“专家认可”的儿童应用（Kids' Apps）中的隐私功能进行了系统性分析。研究背景在于，儿童应用通常声称符合隐私保护标准，但实际实现可能存在较大出入，而家长往往依赖应用商店的评级或专家推荐来做出选择。作者提出了一种静态与动态相结合的审计方法，对一批被标记为适合儿童使用的应用进行逆向工程与行为分析，重点检查其数据收集、第三方SDK调用、权限使用、隐私政策一致性以及是否存在不符合年龄要求的追踪行为。研究发现，许多所谓“专家认可”的应用仍包含潜在的隐私泄漏风险，例如未披露的数据共享、广告追踪标识符的使用以及预加载的第三方追踪库。论文还讨论了现有隐私标签与审核机制的不足，并提出了改进建议，包括增强透明度、强化运行时监控和建立更严格的合规验证流程。该研究为家长、应用商店审核人员以及政策制定者提供了有价值的实证依据。适合移动安全研究人员、儿童在线隐私保护从业者以及应用合规审计人员阅读。

该论文（标题为《CATana: On the Dangers of SIM-Originating AT Commands》）重点关注移动通信中一个常被忽视的安全边界：SIM 卡与基带调制解调器之间的信任关系。传统安全模型通常把 SIM 卡视为可信的认证实体，但在现代移动架构中，SIM 卡（或 eSIM）具备主动向调制解调器发送 AT 命令的能力。论文借此揭示了恶意或受损的 SIM 卡可通过这种“SIM 发起 AT 命令”机制，试图与基带进行非预期交互，从而影响设备状态，甚至可能为攻击者所利用。研究者提出了名为 CATana 的分析与检测框架，用于系统化地理解这种命令通道的行为，评估其潜在风险。由于目前仅获得论文摘要（abstract_only），本文档无法提供具体的实验数据或验证细节；但从标题与摘要可见，该工作属于移动安全与基带安全的前沿探索，旨在向安全社区揭示一种新型攻击面，并探讨相应的防御措施。论文的核心贡献包括：定义并描述 SIM 发起 AT 命令的威胁模型，提供检测思路，以及讨论如何提高调制解调器固件的健壮性。适合移动设备制造商、运营商以及基带安全研究者阅读。

该论文为一篇 SoK（系统化知识）论文，主题是蜂窝网络基带（Cellular Basebands）的安全性问题。基带是移动设备中负责与蜂窝网络通信的关键组件，其安全性直接影响用户的通信隐私和设备完整性。论文旨在系统化梳理基带安全领域已有的研究成果、已知漏洞类型、攻击面以及防御措施。由于本次输入仅提供论文标题与作者信息，未包含完整摘要，因此无法详细描述论文的具体方法论和实验发现。基于标题推断，论文可能总结了基带协议实现中的安全弱点、远程攻击途径、基带固件逆向分析技术、以及业界已提出的缓解方案。适合移动安全研究人员、基带固件开发者、以及移动设备安全审计人员阅读。建议读者查阅原文获取更完整的系统化分析结论。

该研究聚焦于用户在访问在线服务时对移动应用（App）与网页浏览器（如Google Chrome）的感知差异，重点考察安全性、隐私和可用性三个方面。作者通过设计实验并结合对Android智能手机用户的调查问卷，收集了用户在选择使用App或浏览器时的关键顾虑和偏好数据。研究旨在揭示哪些因素（如对数据收集的担忧、界面易用性、信任度、更新机制等）会影响用户的选择，并识别用户可能存在的误解或认知偏差。预期研究成果将帮助开发者理解用户真实需求，从而针对性地改进两种平台的安全提示、隐私设置和交互设计，提升整体用户体验。由于目前仅有论文摘要，未提供具体实验细节和结果数据，因此本摘要仅基于摘要内容概述研究目标和方向。

该论文研究了移动设备（如智能手机和智能手表）通过蓝牙低功耗（BLE）协议持续广播信标所带来的位置跟踪风险。虽然应用层采用了加密匿名机制来防止恶意监听者直接识别用户，但攻击者可以利用设备发射信号中固有的物理层（PHY）硬件缺陷进行指纹识别，从而绕过匿名保护。作者通过大规模实地测试，分析了影响BLE物理层指纹识别稳定性的多种因素，包括BLE芯片组硬件设计差异、发射功率水平、热条件变化以及低成本无线电（可用于广泛部署以捕获原始物理层信号）的局限性。研究在数百个不受控的BLE设备上评估了这些因素对指纹识别准确性的影响，结果表明物理层识别是一种可行但有时不可靠的跟踪手段。论文的主要贡献在于系统性地量化了物理层指纹识别在真实场景中的可行性与局限性，为移动设备隐私保护和无线跟踪防御提供了实证依据。适合移动安全研究人员、隐私保护工程师以及蓝牙协议栈开发者阅读。

本文提出并验证了 WIGHT，这是首个通过充电线缆在电容触摸屏上制造“幽灵触摸”的有线攻击方法。攻击者只需诱导用户将设备连接到恶意充电端口（如公共充电站），即可在无需触碰屏幕的情况下注入虚假触摸事件，从而操纵设备执行危险操作，例如自动同意恶意蓝牙配对、接收带病毒文件等。该方法在多种电源适配器甚至 USB 数据拦截器场景下依然有效，突破了传统认为“数据隔离即可防攻击”的假设。核心原理是利用电源线上注入的共模噪声，使其绕过低通滤波和电压管理机制，干扰触摸屏的电容测量过程；同时攻击信号与屏幕的扫描周期精确同步，可将幽灵触摸定位到屏幕特定坐标。作者实现了三类攻击：注入攻击（凭空生成触摸）、篡改攻击（改变真实触摸的坐标）和拒绝服务攻击（使设备无法识别合法触摸）。在 6 款手机、1 款平板、2 块独立触摸面板、6 款电源适配器和 13 条充电线缆上进行了实验，验证了三种攻击均可行。论文揭示了一个全新的攻击向量，并将风险面从软件扩展到了物理硬件接口，对公共充电基础设施和移动设备安全具有深远影响。

Arm TrustZone 是移动设备上硬件支持的可信执行环境（TEE）的事实标准，旨在隔离安全计算与普通世界（即常规操作系统）。然而，实际部署的 TEE 通常是专有、难以审查且众所周知的不安全：过去几年中，全球数百万设备的 TEE 及其托管的可信应用（TA）屡次被证明容易遭受控制流劫持等攻击。更关键的是，运行在 Arm TrustZone 安全世界中的代码可以完全访问普通操作系统的内存。自 2013 年 Thomas Roth 首次提出基于 TrustZone 的 rootkit 以来，攻击研究社区在此类 rootkit 上的进展似乎停滞。TrustZone rootkit 的最大挑战在于安全世界无法解释普通世界的内存数据。本文提出了一种机制，通过运行时自动逆向工程内核数据结构，从安全世界实现对 Linux 内核的恶意子版本并绕过基本保护机制。作者提供了一个完全可工作的概念验证 rootkit，驻留在 Arm TrustZone 中，以演示所提出的机制。他们评估并展示了该 rootkit 在不同版本的 Linux 内核上（尽管数据结构发生变化）的兼容性。研究结果表明，TrustZone rootkit 是可行的，且可能在内核更新后仍然存活，这提醒我们：信任未经审查的专有供应商代码可能带来真实危险。

本文针对移动应用在不同地理区域间代码级安全与隐私差异（GFD）进行了首次系统研究。虽然已有工作关注元数据级别（如权限、隐私政策）的区域差异，但代码实现层面的差异缺乏深入分析。作者开发了名为Freelens的框架，解决了代码混淆和分析可扩展性等关键挑战，能够自动识别并表征跨区域的安全相关代码变化。基于该框架，作者对分布在十个不同互联网自由程度国家的21,120个Android应用进行了大规模实证研究。研究发现：广告库、数据处理逻辑和认证机制等存在显著的区域差异，这些差异经常破坏安全基线，并导致隐私保护水平不均衡。研究还揭示了GFD现象的上升趋势，强调了制定统一隐私安全标准的紧迫性。最后，作者为开发者、平台提供商和监管机构提供了可操作的建议，以促进用户权益的公平保护。

本文首次对iOS 14引入的本地网络权限进行了全面分析，从技术和用户两个维度展开。技术方面，研究者通过系统性地访问本地网络，发现两种通过WebView绕过权限的方法，并指出受保护的本地网络地址范围不足。通过对10,862个iOS和Android应用进行大规模动态分析，揭示了应用访问本地网络的模式及iOS与Android之间的差异。用户方面，基于权限弹窗中呈现的概念，设计并实施了一项N=150的在线调查，评估用户对权限的理解、威胁认知及常见误解。结果显示，虽然83.11%的参与者能意识到至少一种威胁，但84.46%的人存在误解，表明该权限的概念对用户而言高度技术化，难以做出明智决策。本研究为移动操作系统权限设计提供了重要参考，并提出了改进建议。

本文研究了中国移动应用中广泛使用的PII-as-Factor Authentication（PaFA）机制，即使用个人身份信息（如身份证号、银行卡号）作为额外认证因子的方法。作者发现了一种新型威胁：由于应用之间的同时使用和业务交互，目标应用的认证强度可能弱于设计预期。攻击者只要知道比PaFA系统要求更少的认证因子（仅SMS OTP），就可以通过从其他应用收集信息或滥用跨应用授权来绕过认证。为了系统评估风险，作者提出了半自动系统MAGGIE，用于测试目标应用的PaFA安全性。通过对中国应用市场中234个真实应用的测量，发现75.4%部署了PaFA的应用存在被绕过的风险，包括支付宝、微信、银联等流行敏感应用，可能导致用户账户劫持、未授权购买等严重后果。此外，作者还进行了用户调查以展示实际影响，并向厂商报告了发现，提出了缓解措施。该研究揭示了跨应用信息泄露和认证机制滥用的新攻击面，对移动应用安全设计有重要警示意义。

本文研究第三方移动代理（Agent）应用中的安全漏洞，重点关注基于视觉语言模型（VLM）的自动化手机交互代理。这些代理通过截图感知设备状态并依赖VLM推理执行动作，拥有高权限决策能力。与传统移动应用相比，代理与环境的交互方式引入了新的攻击面。作者总结了代理应用与普通应用在环境交互中的关键差异，分析了代理的安全姿态，并识别出两类独特攻击面：屏幕感知攻击面（利用人类与机器视觉之间的差异）和误用通道攻击面（拦截或操纵代理执行管线）。他们设计并实现了七种具体攻击，包括隐式文本注入、不可见像素区域利用、截图篡改以及主机PC命令注入等。在五个流行的移动代理框架上的评估表明，恶意应用可以在无需任何特权权限的情况下劫持代理动作并执行任意命令，同时保持对用户视觉上的不可见。这些发现揭示了自主代理设计中的根本信任错配，并强调了在多租户平台上需要感知感知安全模型的紧迫性。

隐私是现代社会中个人的基本权利，但隐私保护技术在日常交互中的实际采用仍然有限。零知识证明（ZKP）提供了强大的隐私保证，但其技术复杂性阻碍了广泛应用。本文提出一种可验证二维码（verifiable QR）的概念，使得离线验证者能够验证编码在QR码中的零知识证明。基于这一核心思想，作者构建了一个新颖的QR驱动的zkSNARK证明验证框架（称为zQR），专为移动平台设计。该框架整合了区块链技术以实现可审计性、不可否认性和日志记录，并利用大型语言模型（LLM）自动生成电路，降低了ZK电路设计的门槛。作者针对多个攻击面进行了安全讨论，包括二维码篡改、证明伪造、区块链数据完整性等。实验评估测量了时间成本（证明生成和验证延迟、QR码编码和解码延迟）和财务成本（区块链gas消耗）。结果表明，zQR作为概念验证框架在移动平台上具有可行性，证明可以紧凑地表示为QR码符号版本19（低纠错等级）。论文最后讨论了潜在应用（如数字身份、凭证验证）、当前限制（如二维码容量、移动端性能）以及未来方向。该研究主要面向隐私保护技术研究人员、移动安全工程师以及区块链开发者，提供了一种将零知识证明与物理介质结合的新思路。

Eye-Shield 是一种针对移动设备屏幕信息的实时保护方案，旨在防御肩窥攻击。肩窥攻击是指攻击者通过偷窥用户屏幕获取密码、PIN码、浏览行为等敏感信息，而用户在公共场所使用手机时极易遭受此类攻击。Eye-Shield 利用人眼视觉特性，生成在近距离（如30cm内）清晰可见、但在远距离或大角度下变得模糊或像素化的图像，从而防止旁人在不打扰用户正常交互的情况下窥视屏幕内容。该方案可同时保护图像和文本信息，实验表明能将肩窥者的识别率分别降低至24.24%（图像）和15.91%（文本）。Eye-Shield 在Android和iOS平台分别实现了24 FPS和43 FPS的帧率，支持最高1440x3088分辨率，且内存、CPU和能耗开销可接受。研究人员通过Amazon Mechanical Turk和实地用户研究验证了其防护效果和可用性，表明Eye-Shield在不显著影响隐私意识用户使用体验的前提下有效保护屏幕信息。

本文对嵌入AI（EAI）移动应用中的密码学误用进行了首次大规模测量研究。随着EAI应用从辅助界面演变为主动控制路径，移动端的密码学安全直接关系到网络物理信任。然而，现有安全研究主要关注EAI设备和云基础设施，忽视了移动控制层这一关键攻击面。为了填补这一空白，研究团队构建了EAIAppZoo基准，包含507个跨6个EAI领域的真实应用，并采用自动化语义感知分析管道测量了5类主要密码学失败模式的普遍性与特征。测量共发现12,975个误用实例（评估精度80.74%），揭示这些失败是由EAI特有的工程约束而非随机开发者错误驱动。研究还发现了结构性的安全权衡：延迟敏感的控制路径系统地削弱传输保护，而离线设备配置和对传统IoT SDK的依赖加剧了本地硬编码认证凭据。通过真实案例研究，展示了移动端密码学缺陷如何绕过标称的网络保护，使攻击者能够拦截命令通道并劫持EAI实体的物理控制。最终，研究指出移动应用已成为网络物理系统中脆弱且被忽视的密码学信任边界。

本文提出IoTSpotter框架，旨在从市场层面自动构建移动-IoT应用的快照，即那些作为IoT设备伴侣或自动化提供商的移动应用。研究背景：消费级IoT产品和服务无处不在，但由于缺乏对市场上IoT产品的全面了解，难以准确评估其安全性。核心问题：无法从市场规模的视角理解IoT安全，缺乏对移动-IoT应用的系统性识别和分析方法。方法：IoTSpotter通过分析Google Play上的应用元数据、描述、权限、API调用等特征，自动检测移动-IoT应用，并从中提取与IoT相关的工件，如支持的设备、IoT专用库等。实验：利用IoTSpotter从Google Play中识别出37,783个移动-IoT应用，这是目前最大的移动-IoT应用数据集，并揭示了7个关键结果（ℛ1-ℛ7）。在此基础上进行了三项安全分析，得出10个有影响力的安全发现（F1-F10）：(1) 在超过100万次安装的917个移动-IoT应用中，94.11%（863个）存在严重密码学违规；(2) 65个IoT专用库受79个唯一CVE影响，并被40个流行应用使用；(3) 7,887个应用受Janus漏洞影响。最后，对18个流行移动-IoT应用的案例研究揭示了这些漏洞对重要IoT工件和功能的严重影响，从而推动了针对IoT上下文的移动安全分析的发展。

该论文提出 ANONYCALL，一种在移动网络中实现原生私有通话的框架。当前移动通话中，呼叫方和被叫方的身份（电话号码）对网络运营商和中间节点可见，导致用户隐私泄露。ANONYCALL 旨在通过轻量级密码学协议与信令系统改造，在不改变现有蜂窝网络核心架构的前提下，为通话双方提供身份隐匿和端到端加密保护。该方法利用现有 SIM 卡的安全能力，结合临时身份标识生成与认证机制，避免依赖第三方可信实体。实验在模拟 LTE/5G 网络环境下评估，表明 ANONYCALL 能在几十毫秒内完成呼叫建立，附加延迟在可接受范围内，且对现有网元的改动最小。主要贡献包括：(1) 首个在标准移动网络层次实现原生私有通话的设计；(2) 一套可兼容现有 3GPP 信令流程的隐私保护协议；(3) 原型实现与性能评估，证明其实用性。

本文对三星移动设备中基于 TrustZone 的密钥管理员组件（Keymaster）进行了深入的安全分析。研究团队通过逆向工程和代码审计，系统性地评估了 Keymaster 的设计与实现，发现其存在若干安全缺陷，包括但不限于：密钥存储与隔离的不足、授权验证机制中的逻辑错误、以及硬件与软件交互接口的信任模型薄弱。这些漏洞可能导致攻击者利用特权或本地代码执行从 TrustZone 安全世界提取或滥用机密密钥。论文详细描述了攻击者如何在特定条件下绕过 Keymaster 的安全保护，窃取设备加密密钥、数字签名密钥或 DRM 密钥。实验在多个三星 Galaxy 设备上进行，验证了攻击的可行性。研究还讨论了此类缺陷对 OEM 设备安全供应链的影响，并提出了针对性的硬件/软件设计改进建议及检测方法。该工作对理解商用移动设备中硬件安全模块（TEE）的实际安全状况具有重要参考价值，并揭示了即使经过广泛商用的安全实现也可能存在根本性的设计盲区。

该论文研究移动设备安全重用（repurposing）面临的机会与挑战。背景是2022年全球约53亿部手机成为电子垃圾，许多设备本可通过重用延长寿命并减少生态影响，但网络安全常被忽视：这些设备内置的硬件安全机制（如安全启动链、可信执行环境（TEE）、硬件绑定的密钥）通常依赖供应商控制的预配置，并针对固定生命周期设计。论文以开放硬件智能手机PinePhone为实验平台，模拟了三种重用场景（如更换操作系统、移除原始供应商服务、将设备用于新环境），测试引导链完整性（boot chain integrity）、TEE隔离能力以及硬件绑定秘密保护是否仍有效。实验表明，重建信任锚点（trust anchor）极为复杂：原始供应商的签名密钥、固件更新机制、TEE中的安全存储均无法简单迁移；即使使用开放硬件，也需要深度逆向工程才能建立新信任根。作者基于实验提出安全重用的通用条件，包括：设备必须允许用户替换根密钥、TEE应支持动态安全世界切换、硬件秘密应可重置且不依赖远程供应商服务。主要贡献：1）首次系统评估安全机制在重用后的有效性；2）揭示厂商锁定机制（vendor-locked mechanisms）如何导致大多数废弃设备无法安全重用；3）提出一套可操作的安全重用需求。适合安全工程师、设备生命周期管理研究者、电子垃圾回收行业从业者阅读。

该论文提出了一种名为 AuthentiSense 的可扩展行为生物特征身份验证方案，专门针对移动平台设计。传统的一次性身份验证技术（如密码、指纹、面部识别）存在被窃取或模仿的风险，且一旦设备解锁后无法持续保护用户隐私。为弥补这一缺陷，基于行为生物特征的连续身份验证方法应运而生。然而，现有方案要么无法动态适应用户基数的变化（即用户无关性差），需要重新训练模型，要么难以在数百万用户规模下高效运行。AuthentiSense 通过引入少样本学习技术（具体为孪生网络 Siamese Network）解决了这些挑战。该系统仅利用用户与移动应用交互时产生的运动模式数据（加速度计、陀螺仪、磁力计），无需人工特征工程或大量训练数据。该方法的核心创新在于其用户无关性：模型无需针对新增用户重新训练，只需少量行为样本（例如 3 个样本）即可完成注册和验证，从而支持大规模用户场景。论文通过系统性测量实验评估了多个参数的影响，包括身份验证所需的交互时间（仅需 1 秒）以及 n-shot 验证（与注册样本的比较次数）对识别性能的影响。令人瞩目的是，在 few-shot 设置下（每个用户仅 3 个样本），AuthentiSense 的 F1 分数高达 97%，误接受率（FAR）为 0.023，误拒绝率（FRR）为 0.057。该方案实现了高精度、低延迟和可扩展性，为移动设备上的连续身份验证提供了一种实用且高效的新途径。

本文对可穿戴智能健康设备（WSHD）及其配套应用程序的安全性进行了系统分析。研究背景是WSHD近年来快速发展，但安全风险同步增长，尤其是用户个人健康信息的泄露问题。核心问题是WSHD设备、配套应用及通信渠道中存在的漏洞如何导致隐私泄露。研究方法包括对配套应用进行静态和动态分析，以及在蓝牙低功耗（BLE）通信层进行数据包伪造实验。主要发现：配套应用中存在硬编码的安全密钥、认证令牌和API端点，攻击者利用这些信息可以篡改从应用发送到云端的数据；同时，通过伪造BLE数据包，能够修改WSHD设备上的属性，例如心率读数等。实验证明这些安全风险对用户和制造商都具有严重影响。为缓解风险，作者提出了若干建议，包括在开发过程中实施安全编码规范、对API和BLE通信进行加密认证、定期安全审计等。本研究的贡献在于揭示了WSHD生态系统中多个层面的安全薄弱环节，并为制造商和开发者提供了可操作的加固指南。适合安全研究人员、智能健康设备制造商以及移动应用开发者阅读。

本文系统性地研究了专用URL缩短服务（DUSS）被滥用的“误导攻击”（Misdirection Attack）问题。DUSS广泛应用于大型企业，用于将受信任的长URL转换为短链接以优化用户体验，尤其是移动端。然而，攻击者可利用DUSS将其恶意链接转换为短链接，从而滥用用户对域名的隐含信任。当前学术研究对此类攻击缺乏系统认识。为此，作者首次从攻击面、可利用范围和现实世界安全影响三个维度进行了全面研究。研究发现，真实世界的DUSS普遍依赖自定义URL检查机制，但在Web域名安全假设上存在不可靠性，且未遵循安全标准。作者设计并实现了新型工具Ditto，从移动端视角实证研究易受攻击的DUSS。大规模实验表明，约四分之一的DUSS易受误导攻击。更重要的是，DUSS持有来自用户和基于域名的检查器的隐含信任，导致攻击后果扩展到移动设备上的隐蔽钓鱼和代码注入。作者已负责任地向受影响的DUSS企业报告了所有发现，并协助修复了漏洞。本文适合安全研究人员、移动安全工程师及URL缩短服务提供者阅读。

该论文提出了一种针对移动图形用户界面（GUI）代理的新型提示注入攻击方法，命名为MIRAGE（Mobile Injection of Realistic Adversarial GUI Examples）。移动GUI代理通常由视觉-语言模型（VLM）驱动，它们通过分析屏幕像素来感知界面，并基于所见内容选择操作，因此无法可靠地区分受信任的界面元素和用户生成的内容。MIRAGE利用这一弱点，在不修改代理、应用程序或操作系统的情况下，通过将攻击者控制的文本嵌入到普通的用户生成内容区域（如评论区、输入框等），将良性移动截图转化为提示注入样本。管道分为三个阶段：首先，定位器（Localizer）识别截图中的用户可控区域；其次，生成器（Generator）合成上下文相关的对抗性负载，并以应用程序的原生样式渲染到这些区域；最后，审查器（Curator）对生成样本的真实性进行过滤，并在不同应用、区域类型和攻击意图之间保持平衡。一个关键挑战是，注入后的截图必须在视觉上与真实的用户内容难以区分，同时仍能成功诱导代理执行恶意操作。通过在包含10个应用和11种攻击意图的1111个样本基准上测试，所有五种被评估的VLM代理均存在漏洞，攻击成功率在23%至30%之间。此外，与先前最先进的攻击方法相比，MIRAGE生成的截图在人类真实性评估中得分更高（满分为5分，MIRAGE得3.02，先前方法得2.52）。研究还发现，单个样本的真实性与攻击成功率之间不存在相关性，因此仅依靠视觉质量过滤无法可靠地防御此类威胁。该工作揭示了移动GUI代理面临的新型安全风险，并为后续防御研究提供了基础。

本文首次从系统角度对移动应用中跨端人脸验证系统（XFVS）的安全性进行了大规模测量研究。XFVS 将人脸验证功能拆分为两端：移动端负责采集照片或视频，服务器端负责验证。以往研究多关注机器学习模型对抗攻击的鲁棒性，但忽视了验证流程的设计与实现安全。为此，作者设计并实现半自动化系统 XFVSChecker，用于检测移动应用中的 XFVS，并检查其是否满足四项安全属性。评估发现，大多数现有 XFVS 应用（包括下载量达数十亿的应用）至少存在一类安全缺陷，可被四种类型的攻击利用。这些攻击仅需简单的先决条件（如受害者的一张照片），即可导致严重安全风险，包括完全账户接管、身份欺诈和财务损失。研究结果获得了14个中国国家漏洞数据库（CNVD）编号，其中CNVD-2021-86899被评为2021年度最有价值漏洞。本文适合移动安全研究员、应用开发者及安全评估人员阅读。

本文提出并形式化了一种新型匿名凭证（AC）模型——核心/辅助匿名凭证（CHAC），旨在解决现有AC系统在移动应用等现代场景中的实际部署障碍。现有AC研究虽然丰富，但未充分考虑凭证共享防御和资源受限平台（如智能手机中的SIM卡）的约束。CHAC模型将系统分为受限的核心设备（如SIM卡）和强大的辅助设备（如智能手机），核心设备执行与凭证大小或属性数量无关的操作，而辅助设备无法在无核心设备参与下使用凭证，从而防止凭证共享。作者利用灵活公钥签名（SFPK）和可聚合的基于属性的等价类签名（AAEQ）等原语，构造了一个可证明安全的通用CHAC方案，并给出了具体实例化。该方案的关键特性是：展示令牌的大小与凭证中的属性数量无关，且核心设备只需计算一次椭圆曲线标量乘法，无论属性多少。为验证实用性，作者在Multos智能卡（作为核心）和Android智能手机（作为辅助）上实现了原型。实验表明，即使对于包含1000个属性的凭证，凭证展示在智能卡上耗时低于500毫秒，在智能手机上约200毫秒。该工作为在移动环境下实现隐私保护且高效的匿名认证提供了可行方案，尤其适用于需要强隐私和资源受限设备的场景。

本文对移动应用中的机器学习模型保护现状进行了首次大规模实证研究。随着端侧机器学习（on-device ML）在移动应用中的普及，模型作为核心知识产权被部署在数十亿不受信任的设备上，面临被窃取的风险。研究旨在回答三个关键问题：模型保护在应用中的使用程度如何？现有保护技术的鲁棒性如何？模型泄露可能造成什么影响？研究者构建了一个简单的应用分析流水线，从美国和中国应用市场收集了46,753个热门应用，识别出1,468个包含机器学习模型的应用，覆盖所有热门应用类别。令人震惊的是，41%的机器学习应用完全没有保护其模型，可直接从应用包中提取。即使那些使用了保护或加密的应用，也有66%可以通过简单的动态分析技术提取出模型。提取的模型大多是商业产品，用于人脸识别、活体检测、身份证/银行卡识别以及恶意软件检测。研究者量化估计了模型泄露的潜在财务和安全影响，对不同利益相关者可能造成数百万美元的损失。研究表明，端侧模型目前面临极高的泄露风险，攻击者具有强烈的窃取动机。基于大规模研究，作者报告了对此新兴安全问题的见解，并讨论了技术挑战，希望启发未来对移动设备上健壮且实用的模型保护的研究。

该论文是迄今为止最大规模的Android平台私人信息收集（PIC）研究。研究者利用某流行移动安全产品用户提供的匿名化数据集，分析了2018年至2019年间21个月内1730万用户安装的210万款独特应用所产生的敏感信息流。研究发现，87.2%的设备至少向5个不同域名发送了私人信息，且不同地区的参与者（如亚洲与欧洲）对信息类型有不同偏好。美国（占总流量的62%）和中国（7%）是收集私人信息最多的国家。研究结果揭示了数据监管存在的问题，并鼓励政策制定者进一步规范私人信息的使用和共享，确保可问责性。该研究的核心贡献在于提供了大规模、跨地域的实证数据，为隐私保护政策提供了重要参考。