本文针对 XRP Ledger 网络的共识机制鲁棒性问题展开研究。XRP Ledger 允许参与者选择一组受信任的节点（即唯一节点列表 UNL）进行通信，并以高阈值（如 80%）达成共识，决定下一账本状态应包含的交易。然而，该共识协议要求各参与者的 UNL 之间存在显著重叠，且每个 UNL 内部需达到高度一致。攻击者可能通过攻击构成网络连接骨干的节点，将可相互通信的受信任节点数降至阈值以下，从而破坏共识过程。为了提升现有 XRP Ledger 拓扑的鲁棒性，作者形式化定义了 quorum 鲁棒性和网络鲁棒性，并基于此评估多种策略。提出的主要策略是边增补（edge augmentation）方法，即根据不同构造规则添加新的边；对比策略是来自先前工作的重连（rewiring）或边替换方法，即在保持总边数不变的前提下重新排列边。针对每种策略，作者考虑了两种情形：所有节点参与边构造/重连，以及仅部分节点参与。实验结果表明，相比于默认的 XRP Ledger 拓扑，增补策略能显著提升网络鲁棒性；某些增补策略在仅少量增加边数（例如每节点三条边）的情况下，其鲁棒性指标也能达到甚至超过重连策略。此外，基于随机 K-out 的增补策略在保持网络拓扑相似性（以 Jaccard 相似度衡量）方面优于重连方法，即对原有网络结构的改动更小。该研究为分布式账本网络的拓扑加固提供了量化分析和实用策略，适合区块链网络设计者、共识协议研究者以及负责 XRP Ledger 基础设施安全的人员阅读。

该论文研究AI加速漏洞发现对互联系统安全的影响，提出一个结合排队论与网络理论的模型。模型将企业环境表示为加权依赖图，包含漏洞池动态补充、有限修复容量、分类降级、利用窗口压缩以及动态传播机制。通过数学推导给出了漏洞积压的稳定性条件，并建立了积压量与级联风险之间的动态耦合关系。仿真实验表明，当可操作的漏洞发现速率超过修复吞吐量时，积压会迅速增长，系统性风险非线性上升。在枢纽节点主导的拓扑中，网络分段比单纯提升修复速度更能有效减少传播性危害，而最佳防御策略是结合修复自动化与降低网络耦合。论文贡献在于理论化地分析了AI加速漏洞发现对修复管道的冲击，并提出了量化评估与防御策略的框架。适合安全研究员、风险管理工程师以及负责漏洞管理与网络架构的团队阅读。

本文对隐形互联网项目（I2P）的节点选择机制进行了实证网络拓扑分析，旨在研究地理位置是否系统性地影响I2P的路由拓扑。I2P的设计原则之一是避免从同一个/16子网中选择多个节点以最大化匿名性。研究团队使用SWARM-I2P数据集（包含327个路由器和254个连接），进行了同配性分析、社区发现和置换检验。结果显示，在网络层面上不存在显著的地理同配性：同配系数r=0.017（p=0.222），同一国家内的连接比例（11.1%）在统计上接近随机期望值（10.91%）。社区发现揭示了110个高度模块化的社区（Q=0.972），但与地理位置的匹配程度仅为中等（NMI=0.521）。结论是，I2P中的聚合节点选择导致了高度异质、随机的地理混合，这为理解性能与匿名性之间的权衡提供了基础。