该论文针对运营中天然气 SCADA（监控与数据采集）网络的资产可见性与安全防护问题展开研究。标题的核心观点是“如果无法理解网络，就无法保护网络”，因此作者团队对一套实际运行的天然气 SCADA 网络进行了被动测量与特征化分析，旨在揭示此类关键基础设施网络在真实环境中的组成结构、通信协议、流量模式以及潜在的安全盲区。论文可能涵盖对网络拓扑、设备类型（如 RTU、PLC、HMI）、协议使用（如 Modbus、DNP3、OPC）的识别，并评估当前安全监控手段在这些环境中的局限性。其研究贡献预计包括：提出一套面向 SCADA 网络的非侵入式观测方法论，总结运营天然气网络的基线行为特征，并据此为防御者提供资产盘点、异常检测和分区隔离方面的建议。由于目前仅有标题和元数据，无法获取完整摘要，上述描述是从题目和作者背景（多位 SCADA 安全领域知名学者）进行的合理推断。该工作适合 ICS 安全研究员、SOC 运营人员以及天然气基础设施的网络安全管理者阅读，用于理解实际 SCADA 网络与实验室环境的差异，从而改进监测与防御策略。

本文对加密货币挖矿池的隐蔽使用进行了系统化研究，尤其关注恶意挖矿程序（cryptojacking）所自建的隐蔽挖矿池。研究背景是：工作量证明（PoW）挖矿能耗巨大，已在美国纽约州、中国和印度等地被禁止，导致挖矿池作为挖矿活动的中心枢纽成为监管执法的重点目标。与此同时，恶意挖矿软件常使用自有的隐蔽挖矿池来规避检测并隐藏收益钱包地址。然而，此前缺乏对隐蔽挖矿池协议实现、使用方式及端口分布的系统性理解，相关研究几乎空白。本文旨在填补这一空白，通过大规模测量与分析，揭示隐蔽挖矿池在真实世界中的滥用情况。论文的主要贡献包括：首次系统化梳理隐蔽挖矿池的协议特征和部署模式；提出基于网络测量和主动探测的方法来识别隐蔽挖矿池；分析其基础设施、运营规模及与已知恶意家族的关联；并讨论了当前检测手段的不足及潜在改进方向。该研究为蓝队和安全分析师提供了针对隐蔽挖矿活动的检测思路和威胁情报视角。由于本文仅为会议论文摘要，具体方法与实验细节尚待全文验证。

本文提出了一种名为 IVANTAGE 的新型主动测量技术，利用 IPv6 节点强制实现的 ICMP 速率限制机制中的侧信道，将分布在全球 9500 个自治系统、182 个国家的约 110 万个远程路由器作为“观测点”，从而在仅使用单个本地观测点的条件下，完成对远程 IPv6 网络的大规模测量。该技术解决了主动互联网测量中某些任务需要大量分布式观测点的问题。作者将 IVANTAGE 应用于两个具有挑战性的测量任务：一是测量入站源地址验证（ISAV）的部署情况，二是测量任意互联网节点之间的可达性。在 ISAV 测量方面，覆盖了所有 IPv6 自治系统的 50%，发现其中 79% 易受 IP 欺骗攻击，这是迄今为止最大规模的 IPv6 ISAV 测量研究。在可达性测量方面，该方法在评估中实现了超过 80% 的精确率和召回率。此外，作者还对 ICMP 速率限制的实现进行了全网测量，详细讨论了 ICMP 速率限制机制本身潜在的安全与隐私风险，并提出了可能的缓解措施。研究代码已开源。论文适合网络测量、IPv6 安全、协议实现分析领域的从业者阅读，其侧信道方法也为网络探测提供了新的视角。

该论文提出了一种名为 Lemon 的网络级 DDoS 检测系统，旨在解决在网络核心进行大规模流量测量时，传统方案依赖路由信息或需逐流维护状态而导致的扩展性差、部署复杂等问题。核心创新在于实现一种"路由无关"（routing-oblivious）的逐流测量机制，使得系统无需感知具体路由路径或修改现有网络设备，即可准确统计网络中各条流的流量特征。Lemon 通过精心设计的哈希与采样算法，在保证测量准确性的同时显著降低内存和计算开销，能够基于流量特征实时识别异常波峰，从而在攻击早期发现分布式拒绝服务（DDoS）事件。实验部分（基于真实网络流量数据与原型实现）验证了 Lemon 相比现有方法具有更高的检测精度和更低的资源消耗，并能适应高速网络环境。该研究对于在网络核心部署轻量级、可扩展的 DDoS 检测方案具有理论参考价值，适合网络测量、流量分析与安全监控方向的研究人员阅读。

网络功能虚拟化（NFV）使得以低成本将多种网络功能作为云服务提供成为可能，其中网络测量任务（如重流检测和流量分布估计）是许多核心网络功能的基础，能够提升企业网络的性能与安全性。然而，将网络测量服务部署在第三方多租户云服务提供商中引发了严重的隐私与安全问题。最近研究表明，泄露和滥用流统计信息可能导致严重的网络攻击，如分布式拒绝服务（DDoS）、网络拓扑操纵和投毒等。为此，本文提出 OblivSketch，一种作为云服务的 oblivious 网络测量框架。OblivSketch 利用不经意随机访问机（ORAM）和安全飞地（如 Intel SGX）来保护流统计信息的隐私，确保云服务提供商无法窥探或篡改测量数据。该框架支持多种测量任务，包括重流检测、流量分布估计和熵估计等，并能在保持隐私的同时提供可接受的性能开销。实验结果表明，OblivSketch 在真实网络流量数据集上能够高效运行，与现有非隐私保护方法相比，性能损失在可接受范围内。主要贡献包括：设计了第一个支持多种 oblivious 网络测量任务的原型系统；提出了针对重流检测和分布估计的 oblivious 算法；实验验证了隐私保护下的实用性能。本文适合云安全研究人员、网络管理员以及对隐私计算感兴趣的读者。

该论文针对Android平台上的生育追踪应用（Fertility Tracking Apps）进行了基于网络的测量研究。这些应用记录用户的月经和怀孕数据，涉及高度敏感的健康信息。以往研究多关注此类应用的用户隐私认知因素，而较少从技术角度考察其实际数据处置行为。作者从Google Play商店选取了20款流行的生育追踪应用，通过系统化分析应用功能，并在一个能够记录TLS剥离流量的受控环境中执行标准化用户交互，捕获应用与第三方广告服务之间的网络流量。研究发现，在20款应用中有5款明确泄露了用户的健康数据（如周期状态、怀孕意图等），此外，通过高度定向的上下文广告URL，还观察到隐式数据泄露。同时，部分应用采用了广告变现模式但并未明显泄露用户数据，另外一些应用则与广告服务交互极少。这些发现为普遍存在的用户隐私担忧提供了技术证据，并强调了消费者在选择生育追踪应用时隐私保护的重要性。本研究适合安全研究人员、隐私倡导者、应用开发者和政策制定者阅读。