An Investigation of Performance versus Security in Cognitive Radio Networks with Supporting Cloud Platforms
无线设备的增长影响了有限频率或频谱带的可用性，因为已知频谱带是无法添加的自然资源。同时，许可频率在大部分时间是空闲的。认知无线电是解决这些问题的有效途径之一。认知无线电是一种很有前途的技术，它允许未授权用户（称为次级用户（SU））访问授权频带，而不会对授权用户或主用户（PU）造成干扰。随着云计算的兴起，认知无线电网络（CRN）可以与云平台集成。CRN中的一个重要问题是安全性。这成为一个问题，因为CRN使用无线电频率作为传输介质，并且CRN与无线通信系统具有相同的问题。CRN的另一个关键问题是性能。安全性对性能有不利影响，并且它们之间存在权衡。本文的目标是调查与安全权衡CRN与支持云平台的性能。在此基础上，本文采用具有抢占式恢复和抢占式重复相同优先级的CRN网络模型，研究了在有云平台和无云平台的CRN网络中，安全性对性能的影响。广义指数（GE）型分布被用来反映服务器的突发到达间隔和服务时间。结果表明，当禁用安全性并启用云平台时，可获得最佳性能。
2019-02-27 cs.CR cs.NI
Measuring Safety Alignment Effects in Autonomous Security Agents
University College London（伦敦大学学院）
本文提出了一种基于轨迹的基准测试，用于评估安全代理在执行漏洞分析任务时的安全对齐效果，发现安全代理的性能差异主要体现在拒绝、不安全行为和工具可靠性等方面，而非单纯的拒绝率。
2026-05-19 cs.AI cs.CR
Security versus Reliability Analysis of Opportunistic Relaying
当从源到目的地的主链路具有比从源到窃听者的窃听链路更好的传播条件时，物理层安全正在成为保护合法用户之间的无线通信免受窃听的有前途的范例。在本文中，我们确定和分析的安全性和可靠性的无线通信中存在的窃听攻击之间的权衡。典型地，主链路的可靠性可以通过增加源的发射功率（或降低其数据速率）以降低中断概率来提高，这不幸地增加了窃听者通过窃听链路成功拦截源消息的风险，因为当使用更高的发射功率（或更低的数据速率）时，窃听链路的中断概率也降低。我们的特点的安全性可靠性权衡（SRT）的传统的直接传输从源到目的地的窃听者的存在下，其中的安全性和可靠性量化的拦截概率窃听者和在目的地经历的中断概率，分别。为了提高SRT，我们提出了机会中继选择（ORS）和量化可达到的SRT改善后，增加中继的数量。结果表明，给定最大可容忍的拦截概率，我们的ORS计划的中断概率接近零$N \to \infty$，其中$N$是中继的数量。相反，给定最大可容忍中断概率，我们的ORS方案的拦截概率趋于零$N \to \infty$。
2013-11-23 cs.CR cs.IT math.IT
Adaptive versus Static Multi-oracle Algorithms, and Quantum Security of a Split-key PRF
在本文的第一部分中，我们展示了一个通用编译器，它可以转换任何可以自适应查询多个oracle的oracle算法，即，可以根据先前的oracle响应决定在什么时候查询哪个oracle，并将其转换为静态算法，该静态算法在执行开始时固定这些选择。与实现这一目标的简单方法相比，我们的编译器单独控制每个oracle的查询复杂度的爆炸，并且只导致非常轻微的爆炸。在本文的第二部分中，我们使用我们的编译器在量子随机预言机模型中展示了由Giacon，Heuer和Poettering（PKC 2018）提出的非常有效的基于散列的分裂密钥PRF的安全性。使用分裂密钥PRF作为密钥导出函数产生安全的KEM组合器。因此，我们的研究结果表明，Giacon等人的基于散列的构造可以安全地用于量子攻击的背景下，例如将一个已经建立但仅具有经典安全性的KEM与一个被认为是量子安全的候选KEM相结合。我们的安全性证明的分裂密钥PRF至关重要地依赖于我们的自适应静态编译器，但我们希望我们的编译器是有用的超出这个特定的应用程序。事实上，我们讨论了一对夫妇的其他，已知的结果，从文献中，将受益于我们的编译器，在这些作品必须经过严重的并发症，以处理适应性。
2022-09-13 cs.CR quant-ph
Forgeable Confirmation in Automated Computer Security Testing: Deterministic Rules versus AI Judges
OmiCore Inc.（OmiCore公司）；Graduate School of Engineering, Kyushu University（九州大学研究生院）
本研究证明在AI辅助安全测试中，读取攻击者控制数据的确认机制可被伪造，并提出将决定性证据移至不可写通道以将攻击成功率从97%降至0%。
2026-09-22 cs.CR
A Taxonomy and Comparative Analysis of IPv4 Identifier Selection Correctness, Security, and Performance
Arizona State University（亚利桑那州立大学）；Eastern Washington University（东华盛顿大学）；Bowdoin College（鲍登学院）
本文对25年来基于IPv4标识符（IPID）的利用和选择方法进行分类，通过数学分析和实证评估，揭示了最佳实践建议和当前操作系统实现的不足。
2025-11-07 cs.CR cs.NI
Adversarial Examples Versus Cloud-based Detectors: A Black-box Empirical Study
Georgia Institute of Technology（佐治亚理工学院）；Kennesaw State University（肯尼索州立大学）；Princeton University（普林斯顿大学）
深度学习已被主要的云提供商广泛利用，如Google，AWS和百度，以提供各种计算机视觉相关服务，包括图像分类，对象识别，非法图像检测等。虽然最近的工作广泛表明，深度学习分类模型容易受到对抗性示例的影响，但基于云的图像检测模型比分类器更复杂，可能也有类似的安全问题，但尚未得到足够的重视。在本文中，我们主要集中在现实世界中的基于云的图像检测器的安全问题。具体来说，（1）基于有效的语义分割，我们提出了四种攻击，通过只与黑盒API交互来生成语义感知的对抗性示例;（2）我们首次尝试对真实世界的基于云的图像检测器进行黑盒攻击的广泛实证研究。通过在AWS、Azure、Google Cloud、百度云和阿里云五大云平台上的综合评测，我们证明了基于图像处理的攻击成功率接近100%，基于语义分割的攻击成功率超过90%。我们还提出了几种可能的防御策略，这些安全挑战在现实生活中的情况。
2019-09-14 cs.CR cs.CV cs.LG
Evaluating the Efficacy of Prompt-Engineered Large Multimodal Models Versus Fine-Tuned Vision Transformers in Image-Based Security Applications
Electrical and Computer Engineering（电气与计算机工程）
该研究对比了提示工程优化的大多模态模型与微调视觉Transformer在两类图像安全任务中的表现，明确了两类模型各自的优劣势，证实微调ViT在精准安全任务中效能更优。
2024-06-10 cs.AI cs.CR cs.CV
A Comprehensive Study of Jailbreak Attack versus Defense for Large Language Models
University of New South Wales（新南威尔士大学）；Delft University of Technology（代尔夫特理工大学）；Nanyang Technological University（南洋理工大学）
该研究针对大语言模型越狱攻击与防御展开综合分析，调研9种攻击、7种防御在三类模型上的效果，发现白盒攻击弱于通用攻击、特殊token影响攻击成功率，并开源数据集与测试框架以推动LLM安全研究。
2024-05-17 cs.AI cs.CR
The ack3 H1 2026 DeFi Incident Dataset: Audit Scope Across 135 Security Incidents
ack3 (ACK3 LTD)（ack3（ACK3有限公司））；Czech Technical University in Prague, Faculty of Information Technology（布拉格捷克理工大学信息技术学院）
该研究基于 ack3 发布的 H1 2026 DeFi 事件数据集，分析 135 起 DeFi 安全事件的审计历史与路径范围，发现项目级审计历史和事件路径范围是不同变量，超范围路径占比高且损失占比大。
2026-08-17 cs.CR
AI Code Sandboxes: A Comparative Security Study. Part 1 of 2 -- Engine-Level Properties (Attack Surface, Leakage, Stackability, CVE History, Patch Cadence, Fuzzing)
orbitalab.dev（orbitalab实验室）；fellows.tech（fellows技术）
本文通过六项引擎级测量，比较五种 AI 沙箱产品隔离访客代码与主机内核的能力，发现引擎类在架构轴上清晰分离，但产品内无差异；补丁策略是主要操作变量；模糊测试投资分为三层，最强组合（微VM × 持续公共模糊测试）空缺。
2026-06-07 cs.AI cs.CR
Model-based Cybersecurity Analysis: Past Work and Future Directions
基于模型的网络安全评估有着悠久的历史。攻击图（AG）和攻击树（AT）是早期开发的用于网络安全分析的图形安全模型。然而，它们具有局限性（例如，可扩展性问题、状态空间爆炸问题等）并且缺乏捕获其它安全特征的能力（例如，对策）。为了解决这些局限性并应对各种安全功能，开发了一种名为攻击对策树（ACT）的图形化安全模型，通过考虑攻击和对策来执行安全分析。在我们的研究中，我们已经开发了不同的层次化图形安全模型的变体，以解决系统的安全分析中涉及的安全模型的复杂性，动态性和可扩展性问题。在本文中，我们总结和分类的安全模型分为以下几种：基于图的，基于树的，和混合的安全模型。我们讨论了分层攻击表示模型（HARM）的开发以及HARM的不同变体，其应用以及在各种领域（包括物联网（IoT），云，软件定义网络和移动目标防御）中的可用性。我们提供了安全度量的分类，包括它们的讨论。最后，我们强调了存在的问题，并提出了未来的研究方向，在该地区的图形安全模型和应用程序。通过这项工作，决策者可以了解哪种类型的HARM适合其网络或安全分析要求。
2021-05-24 cs.CR
Provenance Threat Modeling
来源系统用于捕获历史元数据，应用程序包括所有权归属和确定特定数据集的质量。起源系统还用于调试、过程改进、理解数据所有权证明、有效性认证等。数据的起源包括关于过程的信息和导致当前表示的源数据。在本文中，我们研究了来源系统可能面临的安全风险，并提出了安全解决方案，以更好地保护来源信息。
2017-03-10 cs.CR
Vibe Coding and Web Application Security: A Twin-Prompt Study
University of Zagreb（萨格勒布大学）；Faculty of Organization and Informatics（组织与信息学院）
本研究通过双提示实验对比发现，明确要求安全最佳实践的Web应用生成结果，其安全问题数量更少且无高危问题，是关于LLM生成Web应用安全的初步研究。
2026-08-24 cs.AI cs.CR
Security, Privacy, and Access Control in Information-Centric Networking: A Survey
以信息为中心的联网（ICN）是一种新的联网范例，其取代了通信网络中广泛使用的以主机为中心的联网范例（例如，互联网、移动自组织网络），其具有以信息为中心的范例，该范例优先传送命名内容，而不考虑内容的来源。内容和客户端安全性在ICN范式中更内在，而当前以主机为中心的范式则是事后才考虑的。通过设计，ICN范式固有地支持几个安全和隐私功能，例如出处和身份隐私，这些功能在以主机为中心的范式中仍然不能有效地使用。然而，鉴于其新生，ICN范式有几个开放的安全和隐私问题，一些存在于旧范式中，一些是新的和独特的。在这篇文章中，我们调查现有的文献中的安全和隐私的研究子空间在ICN。更具体地说，我们探讨了三个广泛的领域：安全威胁，隐私风险和访问控制执行机制。我们提出了现有工作的基本原理，讨论了所提出的方法的缺点，并探讨了潜在的未来研究方向。在广泛的安全领域，我们回顾了攻击场景，如拒绝服务，缓存污染和内容中毒。在广泛的隐私领域，我们讨论了用户隐私和匿名，姓名和签名隐私以及内容隐私。ICN无处不在的缓存特性为访问控制的实施带来了一个需要特别关注的重大挑战。在这个广泛的领域，我们回顾现有的访问控制机制，包括基于防御，基于属性，基于会话，和代理重新加密的访问控制方案。我们总结了调查的经验教训和未来工作的范围。
2017-06-01 cs.CR cs.NI
ROK-FORTRESS: Measuring the Effect of Geopolitical Transcreation for National Security and Public Safety
Scale AI
本文提出ROK-FORTRESS基准，通过英韩语言对和美韩地缘政治轴，评估语言与地缘政治交互对国家安全的影响，发现韩语版本存在压制效应，且模型间表现差异显著。
2026-07-08 cs.AI cs.CL cs.CR
Key Management and Learning based Two Level Data Security for Metering Infrastructure of Smart Grid
在智能电网中，智能电表和许多控制和监控应用采用双向无线通信，其中安全性是一个关键问题。在基于密钥管理的智能电网加密方法中，可信第三方（TTP）以及智能电表和第三方之间的链路被假定为完全可信和可靠的。然而，在有线/无线介质中，中间人可能想要干扰、监视和控制网络，从而暴露其脆弱性。承认这一点，在本文中，我们提出了一种新的两级加密方法的基础上，两个部分信任的简单服务器（构成TTP），实现这种方法，而不增加数据包开销。一台服务器负责电表与控制中心/中央数据库之间的数据加密，另一台服务器管理数据传输的随机顺序。数值计算表明，解码消息所需的迭代次数很大，这是相当不切实际的。此外，我们介绍了一类支持向量机（机器学习）算法的节点到节点的认证利用的位置信息和数据传输的历史（节点的身份，数据包大小和频率的传输）。这确保了数据通信保密性，而不增加传统密钥管理方案的复杂性。
2017-09-25 cs.CR cs.MA
Secure Logical Schema and Decomposition Algorithm for Proactive Context Dependent Attribute Based Access Control
传统的数据库访问控制机制采用基于角色的方法，一般采用基于行和基于属性的粒度约束，隐私主要通过视图来实现。但是，如果只有一组符合策略的视图可供用户访问，则应针对整个可能的查询历史记录对照策略检查该组视图。这项工作的目的是根据基于属性的策略规则定义一个主动分解算法，并建立一个安全的逻辑模式，其中关系被分解成几个，以抑制连接或推理，可能违反预定义的隐私约束。将不应被推断出关联的属性定义为它们之间具有安全依赖关系，并将它们组成一种新的基于上下文依赖属性的策略规则，称为安全依赖集。分解算法的工作原理与给定的安全依赖集的逻辑模式，并旨在禁止这些集合的元素之间的关联的推断。它也被证明，分解技术产生一个安全的逻辑模式，是在给定的安全依赖集约束。
2014-07-17 cs.CR cs.DB
Two Decades of SCADA Exploitation: A Brief History
German Research Center for Artificial Intelligence（德国人工智能研究中心）
本文回顾了过去二十年中对工业系统进行攻击的历史，分析了已知的攻击类型及其入侵点，并探讨了攻击趋势和针对工业企业的定向攻击行动。
2019-05-21 cs.CR cs.SY eess.SY
