该论文聚焦于隐私合规研究中一个关键难题：如何将实际数据使用场景中的具体数据项与法律法规、政策或企业内部规则所定义的隐私数据进行系统化比较。由于不同应用程序使用的数据项高度多样，且不同司法辖区对隐私数据的界定存在差异，这一比对工作非常复杂。为此，研究者此前构建了隐私数据分类体系（taxonomy），用于刻画隐私数据类型与粒度级别之间的关联，从而辅助隐私合规分析。然而，已有的分类体系构建方法严重依赖人工或启发式规则，难以高效纳入来自不同领域的新术语，导致体系的可扩展性受限。针对这一局限，论文提出了GRASP方法，一种可扩展且高效的自动化构建与扩展隐私数据分类体系的手段。GRASP的核心创新是引入了一种基于粒度感知语义投影（granularity-aware semantic projection）的上位词预测模型，并在实验中证明其性能优于现有的最先进上位词预测方法。在此基础上，作者进一步设计并实现了Tracy——一个隐私专业助手，能够自动识别并解读数据泄露事件报告中的私人数据，以支持符合GDPR要求的数据泄露通知流程。为验证Tracy的实用性，研究团队邀请15位隐私专业人士进行了可用性研究，结果显示Tracy具备较高的可用性和用户满意度。本文适合隐私合规工程师、数据保护官（DPO）、安全分析师以及从事隐私增强技术与NLP交叉研究的学者阅读。其核心贡献在于将先进的语义表示技术应用于隐私分类体系的自动构建，显著降低了对人工的依赖，并为自动化合规审计工具的开发提供了新的可行路径。

该论文提出了一种以'被击败的缓解措施'为组织维度的基准污染（benchmark contamination）分类法，旨在解决当前排行榜分数中模型能力与数据泄漏在观测上难以区分的问题。作者指出现有污染分类法主要用于自动化检测，但未能回答发布者在面对已应用缓解措施时仍存在的有效性威胁。论文定义了五种污染类型：直接（direct）、衍生（derivative）、时间（temporal）、分布（distributional）和获得性（acquired），涵盖训练时和评估时的泄漏。其中，前四种分别对应不同的缓解措施失效场景，而第五种'获得性污染'是评估过程中产生的，属于单次运行的性质，因此必须与报告的分数一同记录，而非随基准发布。作者进一步操作化为一个四字段披露协议，允许'未知'为有效条目，并发布了遵循CC BY 4.0许可的JSON Schema、验证器及工作示例。为了检验该分类法的可用性，两位外部编码者使用预先注册的工具对41篇文档进行了分析。结果显示，在29篇主通道文档上，各变量的线性加权κ值从0.00到0.35（中位数0.21），而单编码测试-重测上限为0.84，说明信度受类别不平衡影响而偏低；合并后通过机会校正升至0.46，但并非因一致性提高。两个变量（分层报告和本文引入的获得性类型）低于预先注册的流行度稳健阈值，分歧主要集中在变量是否适用，而非文档陈述内容。文档中仅13%报告了引导预算（elicitation budget），且没有文档覆盖全部五种类型。论文的贡献包括：该分类法、由此衍生的分数侧工件，以及对工具可靠性和当前披露状况的预先注册测量。该研究适合AI评估设计者、模型审计人员以及关注基准可信度的研究者和从业者阅读。

本文是一篇系统化知识综述（SoK），旨在解决网络安全事件响应领域缺乏统一框架来系统组织累积知识的问题。事件响应涉及技术、人机交互、组织理论和人为因素等多个领域，需要一个综合性的视角。作者通过对417篇学术文献和40篇非科学出版物的系统回顾，推导出“网络安全事件响应影响因素分类法”（CIR-IF Taxonomy）。该分类法将现有的实证研究结果纳入其中，提供了从1999年到2024年中期的全面知识概览。作者还将该分类法与七种既有的科学框架以及NIST SP 800-61r3事件响应概况中引用的NIST网络安全框架要素进行了系统比较。比较结果显示，CIR-IF分类法在事件响应驱动和塑造因素方面提供了更丰富、更严谨、更系统化的视图。该研究适合事件响应研究人员、安全从业人员以及希望提升组织事件响应准备度的管理者阅读。主要贡献在于建立了一个统一、可扩展的分类体系，有助于识别未充分探索的研究方向，并指导未来的实证和理论研究。

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。

网络犯罪在规模和复杂性上呈指数级增长，传统分类方案难以捕捉现代威胁的复杂性和多样性。为此，本文提出 STRIKE（Structured Taxonomy for Risk, Impact, Knowledge, and Emerging Threats），一种统一的多维网络犯罪分类框架。STRIKE 覆盖传统与新兴领域，包括勒索软件、钓鱼、网络入侵、儿童性虐待材料（CSAM）、加密货币劫持、深度伪造和供应链攻击。它利用攻击向量、对抗战术、社会影响、检测技术和缓解策略等标准对威胁进行组织。此外，论文还回顾了最新的检测方法进展，并提出了一个响应工作流，以协助从业者在活跃威胁条件下进行应对。该工作为研究人员、安全专业人员和政策制定者提供了威胁分析、比较评估和自适应网络防御的实用基础。