该论文系统性地研究了虚假信息（disinformation）的战术、威胁与目标，并提出了一种建模方法用于分析和缓解虚假信息。作者首先梳理了虚假信息传播的常见战术，包括利用社交媒体机器人、伪造账户、协调性不真实行为（CIB）、人肉搜索（doxing）、虚假新闻、深度伪造（deepfakes）等，并针对每种战术分析了其背后的威胁模式（如影响公众舆论、操纵选举、破坏信任等）。论文核心贡献在于提出了一个多层建模框架，该框架结合了攻击图（attack graph）、行为分析和社会网络分析，能够从传播链、参与者意图、目标受众和心理影响等多个维度刻画虚假信息事件。实验部分基于多个真实世界案例（包括2016年美国大选干预、COVID-19疫情虚假信息等）进行了验证，结果显示该框架能有效识别虚假信息的关键传播节点和策略，并生成可操作的缓解建议。此外，论文还讨论了当前检测技术的局限性，如基于NLP的检测容易被对抗性样本绕过，以及跨平台协同检测的挑战。最后，作者提出了一种基于博弈论的防御策略优化方法，帮助平台和监管机构在资源有限的情况下优先应对高风险虚假信息。该研究为网络安全分析师、社会媒体平台以及政策制定者提供了系统性的视角来理解和对抗虚假信息。

该论文对俄语网络犯罪论坛 exploit.in（同时存在于明网和暗网）上的 Crypter-as-a-Service（CraaS）生态系统进行了纵向分析。CraaS 是现代恶意软件经济的关键赋能层，通过地下服务市场提供按需规避能力。研究人员从约 100 万篇帖子中，结合关键词过滤、大语言模型辅助标注和人工验证，提取了 2020 年 1 月至 2025 年 8 月期间的 491 个主题和 2,949 篇帖子。分析表明，exploit.in 上的加壳器并非作为静态工具出售，而是作为持续维护的运营服务，其价值取决于定期更新（有时每日更新）、持续的杀毒软件规避以及基于信任的交付。论文提出了 5 种卖家类型和 4 种买家轮廓的分类法，并绘制了结构性市场交易中的买卖双方对应关系。定价模型涵盖从低成本的按构建 Telegram 机器人服务到高端定制开发和薪资招聘。通过社交网络分析，发现市场围绕一小部分高度核心的参与者呈层级结构，许多参与者充当信任经纪人或其他有影响力的中间人，市场稳定性依赖于更广泛的信任和治理基础设施，包括托管、担保人、信誉系统和安全保证金。最后，论文讨论了 exploit.in 上的 CraaS 模型与 HackForums 上报道的模型之间的差异，指出 exploit.in 表现出更专业化和面向服务的 CraaS 配置。该研究为理解地下加壳服务市场的运作方式提供了重要洞见。