该论文是一篇关于Intel SGX（Software Guard Extensions）安全性的系统化知识（SoK）综述。论文系统梳理了自SGX提出以来学术界和工业界发现的各类攻击向量，包括侧信道攻击（如L1TF、Foreshadow、ZombieLoad等微架构攻击）、软件漏洞（如enclave内内存安全缺陷）以及针对SGX远程认证机制的绕过方法。作者将这些攻击按攻击阶段（初始化、执行、持久化）和攻击面（硬件、固件、软件）进行分类，并评估了现有防御措施的有效性。主要贡献包括：（1）构建了SGX攻击分类体系；（2）对已知攻击进行元分析，揭示其根本原因（如共享资源竞争、推测执行泄露）；（3）指出现有防御（如安全区页面缓存锁定、加密内存）无法完全阻止侧信道攻击；（4）提出未来SGX安全研究的方向，包括硬件定制化安全指令和运行时完整性监控。论文适合系统安全研究人员、SGX应用开发者以及可信执行环境（TEE）设计者阅读。

本文是一篇关于软件隔离（compartmentalization）的系统化知识梳理（SoK）论文。软件隔离通过将大型系统分解为具有有限权限的小型组件来最小化漏洞利用的影响，这一理念历史悠久且经过广泛研究，但在实际主流软件开发中仍未得到广泛应用。论文首先指出当前术语和分析方法的不一致性，提出一个统一模型，用于系统分析、比较和指导隔离方法的设计。基于该模型，作者回顾了211项研究工作和61个主流隔离开系统（如Chrome沙箱、AppContainer等），对比分析发现：主流系统高度依赖人工方法、自定义抽象和传统机制，而研究领域中则涌现出大量自动化、细粒度的方案，两者之间存在显著差异。论文揭示了研究与实践之间的割裂，并给出建议：隔离问题应整体解决；需要简化隔离策略的定义；在面临混淆委派和硬件限制时，应更好地反思威胁模型；以及弥合研究与主流需求之间的鸿沟。本文不仅梳理了隔离领域的历史与现状，还为该领域的未来发展方向提供了框架，适合安全系统研究人员、操作系统开发者及对权限分离感兴趣的工程师阅读。

现代车载网络面临内部电子控制单元（ECU）和外部车联网（V2X）通信不断扩大的攻击面。联邦学习（FL）作为一种去中心化范式，被用于在不牺牲数据隐私的前提下部署入侵检测系统（IDS）。然而，车载FL-IDS文献存在方法论碎片化和实验设置不切实际的问题。本文呈现了一篇系统化知识（SoK）论文，统一了车载攻击面的分类学，评估了FL拓扑结构，并映射了投毒攻击和推理攻击等对抗性威胁。通过审计60多篇出版物，识别出反复出现的陷阱：人为的独立同分布（IID）数据划分、依赖琐碎的基准测试、对抗性评估薄弱、以及忽略实时CAN总线约束。最后，定义了一个前瞻性研究议程，并概述了将车载FL-IDS从乐观仿真过渡到安全现实部署所需的最低基准测试要求。

本文是一篇系统化知识总结（SoK）论文，专注于自动化内核漏洞发现与利用生成领域。研究背景在于内核漏洞对系统安全构成严重威胁，而传统手动发现和利用生成效率低下。该论文系统梳理了现有自动化方法，包括模糊测试、符号执行、静态分析等技术在内核漏洞发现中的应用，以及如何自动生成可利用的漏洞验证程序或利用代码。核心贡献在于提出了一种分类法，将现有工作按技术类型、适用阶段、自动化程度等维度进行归类，并比较了不同方法的优缺点。实验部分基于对大量已发表论文的元分析，评估了各方法在发现真实漏洞和生成可靠利用方面的有效性。主要发现是当前方法在覆盖率、效率和可扩展性上仍有局限，尤其缺乏针对复杂内核机制的通用解决方案。论文还指出了未来研究方向，如结合机器学习与符号推理、提升对硬件漏洞的自动化能力等。适合内核安全研究人员和系统安全工程师阅读，以了解该领域现状与挑战。

本文是一篇关于全同态加密（FHE）编译器的系统化知识综述（SoK）。全同态加密允许第三方在加密数据上执行任意计算，同时既不知道输入也不知道计算结果，从而在不信任或可能被攻陷的计算环境中提供弹性。该概念自1970年代提出，但直到2009年Craig Gentry提出首个可行方案后才得以实现。随着云服务中敏感数据的大规模收集以及数据泄露事件的频发，高度监管的业务日益需求机密和安全的计算解决方案，这推动了FHE工具的快速发展。为了理解近期FHE工具的发展态势，本文进行了广泛的调研和实验评估，探索当前技术现状并识别未来发展方向。作者对现有的FHE工具和编译器进行了系统化分类、评估和对比，通过实验测量了它们在多种应用上的性能和可用性。最后，本文为希望开发基于FHE应用的开发者提供了建议，并讨论了FHE工具开发的未来方向。该综述覆盖了主流FHE编译器（如HElib、SEAL、TFHE等），评估了它们的编程模型、优化策略和实际性能，并指出了当前面临的挑战，如性能瓶颈、易用性不足以及缺乏标准化。本文适合对同态加密技术感兴趣的安全研究人员、密码学工程师以及隐私计算开发者阅读。

本文是一篇系统化知识综述（SoK），针对钓鱼攻击中面向用户的干预措施进行了全面的分类学研究。钓鱼攻击作为普遍的网络安全威胁，不仅针对个人也针对组织。以往的反钓鱼措施开始认识到用户的核心作用：用户作为攻击目标的最前沿，同时也是最后一道防线。然而，现有面向用户的钓鱼干预措施分散于不同的研究领域，缺乏系统化的整理，导致难以全面把握已有工作的各种方法。本研究通过系统性文献分析，构建了一个钓鱼干预措施的分类法。该分类法从四个维度对现有干预措施进行归类：干预类型（如警告、培训、检测辅助）、应对的钓鱼攻击向量（如电子邮件、短信、语音钓鱼）、干预发生的时间（实时或事后）以及所需的用户交互水平（主动、被动或无交互）。此外，论文还揭示了文献样本及先前元分析中暴露的不足与挑战，并结合可用安全领域的最新动向进行讨论。本文旨在为未来钓鱼干预措施的研究提供有益的方向指引，适合安全研究员、可用性工程师及反钓鱼产品设计者阅读。

本文是一篇关于人工智能安全代码生成（AI Secure Code Generation）的系统化知识综述（SoK）。随着AI系统越来越多地用于代码生成，如何确保其生成代码的安全性成为核心问题。现有研究尝试了提示工程、微调、强化学习以及基于agent的工作流等方法来提升安全性，但缺乏对这些技术系统性的理解。作者提出了一个三级评估框架：第一级衡量模型对安全编码原则的自然语言理解能力；第二级评估模型在代码生成时实际应用这些原则的能力；第三级分析知识-执行之间的差距。该框架被实例化于多种模型和编码agent上，评测基准涵盖孤立的功能级安全（如函数漏洞）和完整的Web应用安全场景。实验结果表明，对安全编码原则的理解是代码级安全结果的显著预测因素，包括功能性正确性、安全性以及两者的联合正确性。然而，模型仍然存在严重的知识-执行差距：它们能够识别相关的安全原则，但未能成功转化为安全且功能正确的代码。这些发现以原则为中心的视角揭示了AI安全代码生成的当前进展、主要陷阱，并指出了未来方向，包括原则引导生成、针对性评估、基准设计以及agent工作流的改进。本文适合安全研究人员、AI开发者以及关注代码安全的从业者阅读。

二进制逆向工程是软件理解、漏洞发现、恶意软件分析和固件审计的基础，但由于编译过程中语义信息的不可逆丢失，该任务具有本质上的挑战性。近年来，机器学习、大型语言模型（LLM）和智能体AI系统的进展加速了AI增强二进制逆向的采用，但相关研究工作在不同逆向领域、工件表示、学习方法和评估实践上日益碎片化。本文首次对AI增强二进制逆向进行了系统化的知识梳理（SoK）。作者分析了2015年以来发表的144篇研究论文，根据推理任务将其划分为22个二进制逆向领域（如函数识别、类型恢复、控制流重构等）。进一步地，他们提出了一个统一的分类法，涵盖传统逆向流水线和AI增强逆向流水线，将传统分析技术、二进制派生工件、表示策略、学习范式和下游推理任务联系起来，并明确了LLM和智能体AI系统的新兴角色。通过建立通用词汇和结构化框架，该工作提供了过去十年该领域演变的整体视图。研究揭示了看似不同方法背后的共同结构，指出了持续存在的技术挑战和评估缺口，并识别了未来研究的有希望方向。这些见解有助于厘清当前领域状态，为下一代可靠且可扩展的AI增强二进制逆向系统奠定基础。适合安全逆向工程师、AI4Security研究人员以及二进制分析工具开发者阅读。

该论文是系统化知识（SoK）研究，旨在对现代Web浏览器的低层攻击面进行系统化分类和分析。背景是：浏览器作为远程攻击面，内存破坏漏洞在真实世界利用中仍占核心地位。尽管过去十年已有大量浏览器测试和漏洞披露工作，但社区仍缺乏一个明确的、防御导向的低层攻击面系统化框架。先前SoK论文调查了浏览器漏洞和缓解技术，但视角碎片化，未回答一个核心问题：现代Web浏览器的低层攻击面如何结构化？哪些部分在现有安全测试中尚待探索？为回答该问题，作者提出三个子问题：（RQ1）浏览器的攻击面如何沿输入类和组件结构化？（RQ2）内存破坏漏洞在该分类中出现在何处？（RQ3）这些攻击面模式对现有浏览器安全测试有何启示？针对RQ1，作者推导出一个架构驱动的“输入×组件×权限”分类法，将浏览器架构抽象为统一视图。针对RQ2，他们将2016年至2025年间公开的2233个内存破坏报告映射到该分类法上。针对RQ3，他们将过去十年的学术浏览器模糊测试器（按目标输入类分类）叠加到bug密度图上。系统化工作揭示：当前测试集中在已充分探索的组件，而bug密集、高影响的攻击面测试不足。此外，他们识别出三个与学术工作正交的模糊测试部署缺口。该工作为未来的浏览器安全研究提供了结构化基础。

该论文是一篇系统化知识（SoK）综述，聚焦于涉及高风险用户的数字安全研究。高风险用户指更容易遭受数字攻击或受到不成比例伤害的群体。这类研究对保护用户数字安全至关重要，但也给研究人员和用户带来显著安全挑战。论文分析了196篇学术文献，提取出14项研究风险和36项安全实践，这些实践来自一个不断壮大的研究人员社群。同时，结合12位领域专家的口述历史，论文提供了分阶段、整合的实用指南，帮助研究人员规划、执行和分享更安全的涉及高风险用户的数字安全研究。最终提出了未来研究方向，包括报告、研究和资助高风险用户相关研究。该工作旨在标准化并加强这类研究的安全性，适合计算机安全与隐私领域的研究人员、伦理委员会以及关注用户安全的从业者阅读。

该论文是一篇关于后量子密码学（PQC）在软件系统中实现的系统化知识（SoK）研究。随着量子计算威胁的临近，将现有密码学算法迁移至抗量子算法已成为保护软件系统的关键任务。尽管标准化算法（如CRYSTALS-Kyber、Dilithium等）已发布，但开发者和组织在将其集成到实际软件系统中仍面临重大挑战。现有研究多聚焦于密码学性能和算法安全性，缺乏对影响PQC成功实现的更广泛社会-技术因素的理解。本文从人（Human）、组织（Organisation）、技术（Technology）三个维度系统梳理了PQC实现的方法与挑战。通过综合现有文献，研究发现当前知识体系存在显著不平衡：技术解决方案占据主导地位，而人力和组织层面的考虑（如开发者培训、组织流程调整、成本效益分析等）被严重忽视。进一步分析表明，这些挑战并非孤立存在于单一维度，而是跨HOT维度的相互关联的社会-技术约束，共同影响实现效果。为此，作者提出了PQC-HOT模型，这是一个概念框架，用于解释HOT维度之间的交互如何共同影响PQC实现。该模型将SoK中识别的实现干预措施和挑战整合为一个结构化的框架，支持系统化的决策、规划和组织转型策略。基于这些洞察，论文还指出了未来研究方向，包括如何设计可扩展、可持续的PQC实现方案。本文适合安全架构师、开发团队、风险管理者和政策制定者阅读，帮助他们从全局视角理解PQC迁移的复杂性。

本论文是第一篇系统化整合机器学习模型去记忆化（dememorization）两种主要方法——不可学习性（unlearnability）和机器遗忘（machine unlearning）——的研究综述。不可学习性通过在训练前向数据注入难以感知的扰动，从而降低模型对特定数据的学习能力；机器遗忘则是在训练后移除模型已获取的敏感信息，防止未经授权的披露或使用。论文指出，这两种防御手段虽旨在保护知识不被滥用，但都存在“浅层去记忆化”（shallow dememorization）的问题，即在权重扰动下会错误声称数据已不可学或已遗忘。此外，输入扰动可能影响后续机器遗忘的效果，而机器遗忘可能意外恢复被不可学习性隐藏的领域知识。研究贡献包括：(i) 提出统一的不可学习性和可扩展机器遗忘方法分类法；(ii) 通过实验评估主流方法的鲁棒性、相互作用及浅层去记忆化问题；(iii) 首次给出经过认证遗忘（certified unlearning）处理的模型去记忆化深度的理论保证。该工作为在整个机器学习生命周期中统一去记忆化机制、实现敏感知识的深度遗忘奠定了基础。

本论文是一篇关于加速器可信执行环境（TEE）设计的系统化知识（SoK）综述。随着人工智能、大数据等计算密集型应用的普及，GPU、TPU、FPGA 等加速器被广泛部署，但其安全性面临严峻挑战，尤其是来自云环境中的恶意管理员或特权软件的攻击。可信执行环境（TEE）是一种有前景的防御技术，通过硬件隔离为敏感计算提供机密性和完整性保护。然而，将 TEE 扩展到加速器领域面临诸多独特挑战，如内存一致性、DMA 攻击面、侧信道泄漏等。本文对现有加速器 TEE 设计进行了全面调查和分类，提出了一个统一的分类框架，涵盖架构设计、安全模型、信任根、内存保护、数据流隔离等关键维度。作者分析了超过 20 种代表性方案（如 Graviton、HIX、ReDACT、TPM-based 方案等），并对比了它们在安全属性、性能开销、硬件修改需求等方面的权衡。此外，论文还讨论了加速器 TEE 的威胁模型、认证机制以及针对侧信道的防御措施。最后，论文总结了当前研究的空白和未来方向，包括异构内存管理、可编程硬件支持、多租户隔离等。本文旨在为硬件安全研究人员、系统设计者和云服务提供商提供系统化的知识参考，帮助理解加速器 TEE 的设计空间和挑战。

本论文是一篇系统化知识（SoK）研究，旨在从攻防双视角深入评估Linux内核加固机制的有效性。研究首先系统梳理了现有Linux内核安全加固技术，包括内核地址空间布局随机化（KASLR）、堆栈防护、控制流完整性（CFI）、内核控制流完整性（kCFI）、指针认证（PAC）、内存标记扩展（MTE）以及各种内存安全缓解措施。接着，论文从攻击者角度出发，分析了这些加固机制在实际漏洞利用中被绕过的可能性，总结了常见绕过技术及其适用条件。从防御者角度，作者评估了不同加固方案在阻止漏洞利用链各阶段（如信息泄露、控制流劫持、权限提升）的实际效果，并指出当前加固方案的覆盖盲区和性能开销权衡。论文还探讨了近年来提出的新型防御思路，如基于机器学习的异常检测和形式化验证的内核模块。通过对比实验和案例研究，作者揭示了以下关键发现：1）虽然现代内核集成了多层加固，但攻击者仍可通过组合特定绕过技术（如利用侧信道泄露KASLR基址）实现成功利用；2）不同加固方案之间存在依赖关系，单一机制的失效可能导致整个防御链崩溃；3）当前加固方案在兼容性与安全性之间尚未达到理想平衡。最后，论文提出了未来研究方向，包括开发自适应防护策略和硬件辅助安全机制。该研究成果对系统安全研究人员、内核开发者和安全运维人员理解内核防御现状与提升加固有效性具有重要参考价值。

该论文是一篇系统化知识（SoK）研究，系统梳理了传感器带外（out-of-band）漏洞的基本原理、分类及安全影响。传感器带外漏洞是指攻击者利用传感器物理特性（如声、光、电磁）绕过软件安全机制，导致信息泄露或控制流劫持。论文首先定义了带外攻击的威胁模型，区分了主动注入与被动窃听两类攻击模式；随后基于传感器类型（麦克风、摄像头、陀螺仪等）和攻击媒介（声学、光学、电磁）构建了分类法，覆盖了数十个已知漏洞（如激光攻击麦克风、电磁干扰陀螺仪）。进一步，论文分析了现有防御策略（物理屏蔽、信号随机化、多传感器融合）的局限性，并提出了统一的安全评估框架。实验部分通过复现典型攻击案例验证了分类法的完整性，并量化了不同传感器的攻击成功率与防御开销。该研究为嵌入式系统、物联网设备及移动终端的安全设计提供了系统化参考，适合安全研究员、硬件工程师及系统架构师阅读。