随着现代企业网络普遍迈入100GbE线速时代，网络监控与安全应用面临严峻的可扩展性挑战。传统做法往往依赖昂贵硬件、过度采样或复杂分布式部署，而随机丢包导致的随机性数据采样常使流量质量下降，尤其会漏掉隐藏在低速率流量中的关键安全事件（如APT或恶意软件的C2通信）。针对这一问题，本文提出XNET系统，旨在利用商用硬件实现线速监控，并通过动态采样增强高安全价值流量的可见性。XNET基于Linux的XDP（eXpress Data Path）技术高效处理数据包，在核心网卡驱动层对数据包按安全价值进行分类，并依据配置策略进行选择性采样，从而在不牺牲关键信息的前提下大幅降低需要存储和分析的流量规模，使安全相关流量占比显著提升。系统设计具有高度灵活性、可扩展性和动态适应性，可根据网络实际需求调整采样策略。作者在大型真实网络中使用纯商用硬件部署XNET，实验结果显示，XNET可在无丢包的情况下实现高达84%的流量削减，同时将原本几乎被忽略的低速率流量可见性提升5倍。在受控压力测试中，XNET展示了最高100Gbps的可扩展能力。此外，在IDS应用中，XNET采样机制保持了99.6%的检测率，证明其能在压缩数据流的同时维持高检测效能。该研究为高速网络环境下的安全监控提供了低成本、高效的解决方案，适合网络运维人员、安全分析师及研究人员阅读。

本文研究了球面 Hellinger-Kantorovich (SHK) 梯度流的稳定性及其在差分隐私 (DP) 中的应用。SHK 几何将运输和反应耦合，其梯度流与生灭 Langevin 动力学一致，可用于从 Gibbs 分布中采样。作者提出了一种扰动理论，针对两个不同势函数 V 和 V'，从相同的初始分布出发，比较它们对应的 SHK 梯度流，并量化势函数差异随时间的传播效应。通过统一的扰动界，获得了对数似然比和 Rényi 散度的无维点态控制；在额外结构条件下，还导出了 KL 散度的界。这些结果被应用于差分隐私中指数机制的近似采样：对数似然比控制提供了基于 SHK 采样器的显式时间相关纯 DP 保证，而 KL 散度界则通过曲棍球棒散度给出近似 DP 证书。此外，本文还推导了一个效用界，将指数机制固有的次优性与有限时间采样误差分离开来。该工作为基于梯度流的隐私保护采样算法提供了理论支撑，揭示了势函数扰动对采样分布隐私保证的影响机制。

该论文研究差分隐私（DP）约束下的分布采样问题。传统方法使用KL散度等密度比度量评估DP采样效用，但存在两个关键局限：1）无法捕捉支撑集的几何结构；2）当分布支撑集不同时不适用。为克服这些局限，作者提出以Wasserstein距离作为效用度量的新框架，并设计了基于Wasserstein投影的Wasserstein投影机制（WPM），该机制在极小化极大意义下最优。此外，还开发了近似计算该机制的高效算法并提供了收敛性保证。该工作为差分隐私采样提供了几何感知的实用工具，适用于需要生成隐私保护且保持数据几何结构样本的场景。