ProvICS: A Provenance-based Intrusion Detection for Industrial Control Systems
本文针对工业控制系统（ICS）中信息技术（IT）与操作技术（OT）融合带来的多阶段网络攻击威胁，指出现有基于溯源（Provenance）的入侵检测系统（PIDS）虽然在IT环境中有效，但在工业信息物理系统（CPS）中应用受限，主要原因在于缺
#provenance
共收录 52 条相关情报。
← 返回所有主题PalanTír: Optimizing Attack Provenance with Hardware-enhanced System Observability.
本文提出PalanTír系统，旨在通过硬件增强的系统可观测性来优化攻击溯源。现有的攻击溯源方法主要依赖软件级日志（如系统调用跟踪），但软件日志存在高开销、被篡改风险以及缺乏底层语义等问题。PalanTír利用现代处理器提供的硬件性能监控单元
ProvenAI: Provenance-Native Traces of Evidence in Generated Answers
随着检索增强生成系统在问答任务中广泛应用，其提供的引用往往无法反映真实的信息来源影响。本文提出ProvenAI框架，将多跳问答中的透明度分解为三个独立可测量的层次：答案正确性（answer correctness）、引用保真度（citati
Parent-Hash DAG: A Cost Analysis of Constant-Time Append for On-Chain Registries
本文提出并分析了 Parent-Hash 有向无环图（PHDAG），这是一种用于链上注册表的追加型数据结构，其中每次追加操作只需对之前未触及的存储槽进行恒定数量的写入操作。此前，PHDAG 从未被作为独立原语进行形式化分析，也未被明确边界常
From Agent Traces to Trust: Evidence Tracing and Execution Provenance in LLM Agents
本文系统综述了基于大语言模型（LLM）的智能体中证据追踪与执行溯源问题。随着LLM智能体通过与外部工具、检索系统、记忆模块、环境及其他智能体交互解决复杂任务，其自主性增强，但行为验证、调试和审计难度增加。仅靠最终答案正确性无法解释输出如何产
Authenticity Debt and the Synthetic Content Threat Landscape: A Layered Framework for Trust, Provenance, and IP Governance in the Generative AI Era
这篇论文探讨生成式AI（GenAI）对内容真实性带来的系统性风险。作者提出了“真实性债务”（authenticity debt）概念：组织在部署AI生成内容时，若未保留可验证的来源、完整性和问责机制，将累积机构性负债，未来可能在监管、法律或
Implicit Identity Technologies for LLMs: Fingerprinting and Watermarking across Datasets, Models, and Generated Content
本文是一篇针对大型语言模型（LLM）领域内指纹识别与水印技术的综述论文，旨在统一术语、生命周期阶段和评估目标，为LLM资产保护与溯源建立结构化基础。LLM的研发需要大量数据、算力和专业知识，且正被部署于高风险场景，因此保护LLM相关资产并追
KYA: A Framework-Agnostic Trust Layer for Autonomous Systems with Verifiable Provenance and Hierarchical Policy Composition
该论文提出了KYA（Know Your Agents），一个框架无关的自主系统信任与治理层，旨在解决AI智能体运行中可能出现的错误、偏离、数据泄露或恶意行为等问题。K YA由五个核心原语组成：(1) 四门入站应用管道，结合Ed25519签名
Verifiable Provenance and Watermarking for Generative AI: An Evidentiary Framework for International Operational Law and Domestic Courts
本文提出一个统一的证据框架，将密码学内容来源、鲁棒统计水印和零知识证明映射到三个法律体系（国际军事行动法、国内诉讼程序、产品监管）的证明要求中。该框架定义了一个五级威胁模型，涵盖从朴素再生、对抗性清洗、跨模型再生、主动水印移除到内部来源伪造
TextSeal: A Localized LLM Watermark for Provenance & Distillation Protection
本文提出 TextSeal，一种用于大型语言模型（LLM）的本地化水印方案，旨在解决模型输出的来源追踪与蒸馏保护问题。该方法基于 Gumbel-max 采样，通过引入双密钥生成机制恢复输出多样性，并利用熵加权评分和多区域定位技术提升检测精度
The Case for Learned Provenance Graph Storage Systems.
本文提出了一种利用机器学习技术优化溯源图存储系统的思路。传统溯源图存储面临规模大、查询慢等挑战。作者设计了一种学习型索引结构，通过对图数据的分布进行建模，实现了更高效的存储与检索。实验表明，该方法在存储压缩比和查询延迟上优于传统方法。该研究
PASS: A Provenanced Access Subaccount System for Blockchain Wallets
提出基于溯源访问的子账户系统 PASS，通过 Inbox-Outbox 机制实现外部动作可验证溯源且内部转账私密，用于区块链钱包的灵活共享访问。