TPPR: APT Tactic / Technique Pattern Guided Attack Path Reasoning for Attack Investigation
针对APT攻击调查中溯源图路径推理难以区分良性操作与真实攻击的问题，提出TPPR框架，通过异常节点检测、TTP标注与剪枝、序列模式推理及置信度评分合并，实现高精度攻击场景重建，显著优于现有方法。
2025-10-25 cs.CR
On the critical path to implant backdoors and the effectiveness of potential mitigation techniques: Early learnings from XZ
本文针对XZ Utils后门引发的新型供应链攻击，梳理其关键攻击路径，并结合攻击各阶段介绍对应的潜在缓解技术，为供应链攻击防护提供参考。
2024-04-13 cs.CR
The Path To Autonomous Cyber Defense
Oak Ridge National Laboratory（橡树岭国家实验室）
针对网络攻击规模和数量激增、AI赋能攻击将加剧防御压力的问题，提出打造自主网络智能体的路径，通过自动化防御生命周期关键步骤增强防御能力。
2024-04-12 cs.AI cs.CR
SPGNN-API: A Transferable Graph Neural Network for Attack Paths Identification and Autonomous Mitigation
本文提出SPGNN-API框架，利用可迁移图神经网络结合漏洞交互建模识别网络攻击路径，并通过主动调整防火墙规则和零信任策略实现自主威胁缓解，实验显示其最短路径识别准确率≥95%，潜在受破坏资产检测率达100%。
2023-11-22 cs.CR cs.NE cs.NI
Tarallo: Evading Behavioral Malware Detectors in the Problem Space
本文提出端到端对抗框架Tarallo，结合PS-FGSM特征空间算法和问题空间策略，有效应对恶意软件行为非确定性，在特征与问题空间攻击中成功率高达99%。
2025-06-03 cs.CR
TCP Injections for Fun and Clogging
我们提出了一种新型的阻塞拒绝服务攻击，具有最高的放大因子，实现了偏离路径的攻击者，只使用傀儡，即，受害者机器上的沙箱恶意软件。具体来说，我们提出了Opt-ack，Ack风暴和Coremelt DoS攻击的非路径变体，实现了与以前通过窃听/MitM攻击者和（不受限制的）恶意软件实现的结果相当的结果。与之前攻击运行恶意软件的客户端（机器）的偏离路径攻击相比，我们的攻击针对的是一个非常不同的目标：大规模阻塞第三方的DoS，甚至是主干连接。我们的阻塞攻击是基于非路径TCP注入。事实上，作为一个额外的贡献，我们提出了改进的路径外TCP注入攻击。我们的新攻击大大放宽了要求cf。已知的攻击;具体来说，我们注入攻击只需要浏览器沙箱中的Java脚本（而不是“受限恶意软件”），不依赖于特定的操作系统属性，即使使用推荐的算法确定客户端的端口，也是有效的。我们的攻击是模块化构建的，允许在其他场景中重用模块，并在必要时替换模块。我们提出了具体的防御措施，然而，这项工作进一步证明了需要将安全性建立在坚实的基础上，使用密码学来提供安全性，即使是针对MitM攻击者。
2012-08-11 cs.CR
Identification of Attack Paths Using Kill Chain and Attack Graphs
网络攻击者不断发展的能力迫使安全管理员专注于早期识别新兴威胁。有针对性的网络攻击通常包括几个阶段，从对网络环境的最初侦察到对目标的最终影响。本文研究了使用杀伤链和攻击图识别多步网络威胁场景。杀伤链和攻击图是威胁建模概念，可以确定薄弱的安全防御点。我们提出了一种新的杀伤链攻击图，合并杀伤链和攻击图在一起。这种方法确定了攻击者的行动及其在受保护网络中的具体化的可能链。图形生成根据违反的安全属性使用威胁的分类。该图允许确定管理员应该关注的杀伤链阶段以及减轻可能的网络威胁的适用对策。我们针对预定义范围的网络威胁实施了所提出的方法，特别是漏洞利用和网络威胁。该方法在现实世界的用例中得到了验证。公开的实现包含一个概念验证的杀伤链攻击图生成器。
2022-06-21 cs.CR
UAVs Path Deviation Attacks: Survey and Research Challenges
最近，无人机（UAV）被用于大量的民用应用。这种飞行器可以在遥控器的范围内在飞行员的视力下完成任务，或者根据某种预先加载的路径配置自主完成任务。恶意用户可以对无人机执行不同的路径偏离攻击。我们根据无人机的飞行模式，即，(i)第一人称视角，基于民用全球导航卫星系统，以及全球导航卫星系统“加”辅助技术，以及多重性，即，(i)一架无人机;（2）多架无人机。我们发现，几乎没有做什么，以确保FPV飞行模式对路径偏差。在GNSS模式下，欺骗是最令人担忧的攻击。对抗欺骗的最佳防御似乎是冗余，例如在单个无人机上添加视觉芯片或使用多个排列的无人机。在文献中没有发现GNSS+或无人机在没有预定安排的情况下成群移动的具体攻击和防御。这些方面需要进一步调查。
2021-02-12 cs.CR
Homomorphic Encryption Based on Post-Quantum Cryptography
本文针对量子计算对传统同态加密的威胁，提出一种基于编码密码学和非负矩阵分解NP问题的后量子同态加密方法，实验表明其加解密时间短于RSA和ECC。
2024-02-22 cs.CR
Attack Planning in the Real World
Core Security Technologies（Core Security技术公司）；Instituto Tecnologico Buenos Aires（布宜诺斯艾利斯理工学院）
评估网络安全是一项复杂而艰巨的任务。攻击图已被提出作为一种工具，以帮助网络管理员了解其网络的潜在弱点。然而，一个问题还没有得到解决，以前的工作在这个问题上，即，如何实际执行和验证的攻击路径从攻击图的分析。在本文中，我们提出了一个完整的PDDL表示的攻击模型，并实现集成到一个渗透测试工具的计划。这允许自动生成渗透测试场景的攻击路径，并通过对真实目标网络执行相应的操作（包括漏洞利用）来验证这些攻击。我们提出了一种算法，用于将渗透测试工具中存在的信息转换到规划域，并展示了如何使用当前规划器解决攻击图的可扩展性问题。我们包括我们的解决方案的性能分析，显示我们的模型如何扩展到中型网络，以及当前渗透测试工具中可用的操作数量。
2013-06-19 cs.AI cs.CR
Off-Path TCP Exploits of the Mixed IPID Assignment
在本文中，我们发现了一种新的off-path TCP劫持攻击，可用于终止受害者TCP连接或通过操纵新的混合IPID分配方法向受害者TCP连接注入伪造数据，该方法广泛用于Linux内核版本4.18及更高版本，以帮助抵御TCP劫持攻击。攻击有三个步骤。首先，偏离路径攻击者可以将TCP数据包的IPID分配从更安全的基于每个套接字的策略降级为不太安全的基于散列的策略，从而构建一个共享IPID计数器，在受害者上形成侧通道。其次，攻击者通过观察受害者上的共享IPID计数器来检测TCP连接的存在。第三，攻击者通过观察共享IPID计数器的边信道来推断检测到的连接的序列号和确认号。因此，攻击者可以完全劫持连接，即，重置连接或破坏数据流。我们评估这种偏离路径的TCP攻击在现实世界中的影响。我们的案例研究SSH拒绝服务，操纵Web流量，并中毒BGP路由表显示其对广泛的应用程序的威胁。实验结果表明，我们的离线TCP攻击可以在215秒内构建，成功率超过88%。最后，我们分析了利用的根本原因，并开发了一种新的IPID分配方法来击败这种攻击。我们原型我们的防御在Linux 4.18，并确认其有效性，通过广泛的评估在互联网上的实际应用。
2020-08-29 cs.CR
Automating Attack Graph Construction for Agentic Pentesting. Towards Neuro-Symbolic Vulnerability Hunting
University of Udine（乌迪内大学）；University of Klagenfurt（克拉根福大学）
提出半自动管道，将Trivy、Semgrep和Nmap扫描结果解析为MulVAL谓词，借助LLM构建Datalog规则，通过符号推理生成攻击图，在54个Web夺旗任务中实现平均53.7%的真实漏洞覆盖率，验证了其在智能体渗透测试中的可行性。
2026-09-15 cs.AI cs.CR
LLMs unlock new paths to monetizing exploits
Anthropic；Google DeepMind（谷歌DeepMind）；ETH Zurich（苏黎世联邦理工学院）；CMU（卡内基梅隆大学）
该研究指出LLMs将改变网络攻击经济模式，可实现定制化漏洞利用与勒索变现，通过实验验证其可行性，提出需构建新型纵深防御体系。
2025-05-16 cs.AI cs.CR
Reflection Scan: an Off-Path Attack on TCP
本文演示了如何利用共享数据包队列的流量负载作为侧通道，通过该侧通道，受保护的信息泄漏给偏离路径的攻击者。攻击者向受害者发送一系列相同的欺骗片段。如果片段满足攻击者测试的特定条件，则受害者响应序列中的每个片段（序列由受害者反映）。这些响应并不直接到达攻击者，而是在受害者和攻击者之间共享的路由队列上引起额外的负载。数据包遍历队列的处理时间增加表明测试条件为真。该文件集中在TCP，但该方法是通用的，可以有效地对其他协议，允许构造的请求，有条件地回答受害者。创建了概念验证，以评估该方法在现实生活场景中的适用性。
2012-01-24 cs.CR cs.NI
Finding Software Supply Chain Attack Paths with Logical Attack Graphs
针对MulVal无法捕获软件供应链（SSC）威胁传播的局限，提出其扩展以集成SSC与现有网络威胁分析，新增谓词建模SSC资产等，可应对XZ妥协等现代SSC攻击。
2025-11-14 cs.CR
Critical Path Prioritization Dashboard for Alert-driven Attack Graphs
本文为基于无监督序列机器学习生成攻击图的SAGE系统，提出一个支持查询与优先级排序的可视化分析仪表板，包含Graph Explorer、Timeline Viewer和Recommender Matrix三个组件，用户研究表明其能有效描绘攻击者策略与进展，但可用性仍需改进。
2023-10-19 cs.CR
Building Computer Network Attacks
Core Security Technologies（核心安全技术公司）
在这项工作中，我们通过引入概念工具（正式模型）来评估攻击的成本，描述网络战攻击所涉及的战区、目标、任务、行动、计划和资产，开始走上一条新的视角来观察网络战场景的道路。我们还描述了这个模型的两个应用程序：自主规划导致自动渗透测试，攻击模拟，允许系统管理员评估他的网络的漏洞。
2010-06-09 cs.AI cs.CR
Off-Path TCP Exploits: PMTUD Breaks TCP Connection Isolation in IP Address Sharing Scenarios
本文揭示了在IP地址共享场景下PMTUD破坏TCP连接隔离性的漏洞，攻击者可推断序列号执行非路径TCP劫持，实验成功率70%，并提出了相应对策。
2025-09-15 cs.CR
Off-Path Hacking: The Illusion of Challenge-Response Authentication
每个人都关心互联网安全，但大多数流量都没有加密保护。通常的理由是，大多数攻击者只是偏离路径，无法拦截流量;因此，挑战-响应机制足以确保真实性。通常，挑战会重用现有的“不可预测”报头字段来保护广泛部署的协议，如TCP和DNS。我们认为，这种做法往往只会给人一种安全的错觉。我们介绍了最近的离线TCP注入和DNS中毒攻击，使攻击者能够规避现有的挑战响应防御。TCP和DNS攻击都是不平凡的，但非常有效和实用。这些攻击挫败了广泛部署的安全机制，如同源策略，并允许广泛的利用，例如，恶意对象和脚本的长期缓存。我们希望这篇文章能够促进加密机制（如SSL/TLS、SSL和DNSSEC）以及正确、安全的挑战-响应机制的采用。
2013-05-03 cs.CR
CatchBackdoor: Backdoor Detection via Critical Trojan Neural Path Fuzzing
School of Information Sciences, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院）；College of Information Engineering, Zhejiang University of Technology（浙江工业大学信息工程学院）；Institute of Cyberspace Security, Zhejiang University of Technology（浙江工业大学网络空间安全研究院）
针对现有后门检测对触发器大小敏感且依赖良性样本的问题，提出CatchBackdoor方法，通过差分模糊测试从良性路径逼近木马路径并逆向触发器，在多个数据集和模型上显著提升隐蔽攻击检测性能。
2024-07-17 cs.AI cs.CR cs.CV
Latent Adversarial Detection: Adaptive Probing of LLM Activations for Multi-Turn Attack Detection
Mountain View, CA（山景城，加利福尼亚州）
本文通过分析LLM激活层的轨迹特征，提出对抗性不稳定性概念，提升多轮攻击检测精度，验证了模型家族间的信号一致性及数据分布对泛化能力的影响。
2026-04-30 cs.AI cs.CR
Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data
本文提出 OPD-II 路径推断攻击，仅利用 CAN 总线数据和初始位置朝向，结合物理车辆模型与动态地图匹配算法，在 41 条轨迹上实现平均 95% 的路径重建准确率，显著优于已有方法。
2024-06-30 cs.CR
PTPsec: Securing the Precision Time Protocol Against Time Delay Attacks Using Cyclic Path Asymmetry Analysis
针对PTP协议的时间延迟攻击，提出基于循环路径不对称分析的PTPsec协议，利用冗余路径检测并缓解攻击，经硬件测试验证有效。
2024-02-07 cs.CR cs.NI
SPARSE: Semantic Tracking and Path Analysis for Attack Investigation in Real-time
SPARSE提出一种基于可疑语义图和路径级上下文分析的实时攻击调查系统，通过两阶段框架从流式日志中高效构建关键组件图，显著降低图规模并提升过滤效果。
2024-05-04 cs.CR
Gradient Band-based Adversarial Training for Generalized Attack Immunity of A3C Path Finding
Beijing Jiaotong University（北京交通大学）
由于对抗攻击在实践中对人工智能系统的安全性构成严重威胁，因此在计算机视觉应用背景下对这类攻击进行了广泛的研究。然而，很少有人关注自动路径搜索的对抗性研究。在本文中，我们证明了显性对抗示例在针对A3 C路径查找时是有效的，并设计了一种通用显性对抗示例生成方法（CDG）来生成针对任何给定地图的显性对抗示例。此外，本文还提出了基于梯度带的对抗训练方法，该方法采用随机选取的单个优势对抗样本进行训练，不做任何修改，实现了对广义优势对抗样本的“1：N”攻击免疫。大量实验结果表明，CDG算法的最低生成精度为91.91%，基于梯度带的对抗训练算法的最低免疫精度为93.89%，证明该方法能够实现A3 C路径查找的广义攻击免疫，且具有较高的可信度。
2018-07-18 cs.CR cs.LG stat.ML
Mirage: Defense against CrossPath Attacks in Software Defined Networks
针对带内 SDN 中通过共享链路间接攻击控制平面的 CrossPath 攻击，论文提出 Mirage 框架，结合路径多样性、短期流表规则与攻击检测机制，防止路径侦察并缓解持续攻击。
2024-03-04 cs.CR
Identification and Verification of Attack-Tree Threat Models in Connected Vehicles
随着网络物理组件在汽车行业的应用越来越多，网络安全已成为一个紧迫的话题。在联网车辆中采用以太网和WiFi等技术和通信协议会产生许多攻击场景。因此，ISO/SAE 21434和UN R155（2021）定义了汽车网络安全的标准和监管框架。这两份文件都采用了基于风险管理的方法，并要求采用威胁建模方法进行风险分析和识别。这种威胁建模方法必须符合ISO/SAE 21434的威胁分析和风险评估（TARA）框架。相反，现有的威胁建模方法列举孤立的威胁，而不考虑车辆的设计和连接。因此，他们忽视了从车辆接口到其资产的攻击路径的作用。换句话说，他们缺少TARA工作产品，例如，攻击路径危及资产或可行性和影响评级。我们提出了一种威胁建模方法，通过识别，排序和连接漏洞从一个有效的攻击面的资产来构建攻击路径。最初，我们将网络安全指南转化为攻击树，然后我们使用它们的正式解释来评估车辆的设计。该工作流产生攻击路径的组合构造以及所需的TARA工作产品（例如，攻击路径、可行性和影响）。更重要的是，我们可以在联网车辆的背景下迭代地应用工作流程，以确保设计符合性、隐私和网络安全。最后，为了展示汽车行业中先发制人的威胁识别和风险分析的复杂性和重要性，我们在互联车辆测试平台SPIDER中评估了所提出的基于模型的方法。
2022-12-29 cs.CR
AgentXploit: Autonomous Repository-to-Runtime Red-Teaming for AI Agents
National University of Singapore（新加坡国立大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；University of California, Berkeley（加州大学伯克利分校）；University of Chicago（芝加哥大学）；University of California, Santa Barbara（加州大学圣巴巴拉分校）
AgentXploit提出双角色审计系统，分离仓库级攻击路径发现与运行时利用，在72个漏洞基准上实现59.3%端到端成功率，优于现有方法，揭示智能体安全审计中两类独立挑战。
2026-09-28 cs.AI cs.CR
Structural Leakage in Graph Encryption: Attacks and Defenses
Hubei University of Technology（湖北工业大学）；Southeast University（东南大学）；University of Wollongong（伍伦贡大学）；Wuhan University（武汉大学）
本研究针对图加密方案（GES）的结构泄露问题，分析现有方案PathGES的安全缺陷，提出Fragment Tree攻击，设计BlindGES防御方案并通过实验验证其性能提升。
2026-08-17 cs.CR
MTD-Playground: An Attacker-Aware Evaluation Framework for Network Moving Target Defense
AICSIL Research Lab, CACS（CACS AICSIL研究实验室）
本文针对现有移动目标防御评估的碎片化问题，提出MTD-Playground评估框架，在企业多阶段攻击场景下，用复合评估方法分析基于SDN的路径随机化MTD技术，通过实验得出变异间隔与攻击成功率、完成时间、吞吐量等的关系，证明该技术可实际部署并扰乱攻击进程。
2026-07-15 cs.CR
SCOOP: CoSt-effective COngestiOn Attacks in Payment Channel Networks
本文提出SCOOP框架，包含两种基于路径容量和长度的线性优化拥塞攻击，分别实现阈值拥塞和预算下最大化拥塞，相比现有方法在拥塞性能和效率上分别提升约40%-50%和60%-90%。
2025-06-22 cs.CR
Detecting RAG Extraction Attack via Dual-Path Runtime Integrity Game
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院）；Beijing University of Post and Telecommunications（北京邮电大学）；Stanford University（斯坦福大学）；North China Electric Power University（华北电力大学）；AI Sec Lab, Beijing Chaitin Technology Co.,Ltd（北京长亭科技有限公司AI安全实验室）
本文提出CanaryRAG，一种基于栈canary的运行时防御机制，通过双路径完整性游戏实时检测RAG知识库泄露，有效降低攻击成功率，不影响任务性能和延迟。
2026-04-12 cs.AI cs.CL cs.CR
Reasoning as a Weapon: Adaptive Dual-Path Jailbreak Attack on Large Language Models
Zhejiang Gongshang University（浙江工商大学）；Zhejiang University（浙江大学）；Binjiang Institute of Zhejiang University（浙江大学滨江研究院）
针对大语言模型现有越狱攻击多依赖输入欺骗、忽视推理阶段有害意图生成的问题，提出推理引导双路径越狱框架ReDPJ，通过双模态对抗锚点自适应操纵推理重构有害意图，在多款前沿LLMs上实现82%以上的高攻击成功率。
2026-08-24 cs.AI cs.CL cs.CR
Automotive Hardware Attacks: An Architect's Guide to TARA
TTControl GmbH（TTControl有限公司）；Slovak University of Technology（斯洛伐克理工大学）
本文针对ISO/SAE 21434中TARA对硬件攻击处理不一致的问题，提出硬件感知扩展，包括攻击者模型、路径支配关系、三级硬件相关性门及评级规则，并应用于网关架构和十项真实攻击验证。
2026-10-08 cs.CR
Analysis of the Benefits and Efficacy of the Addition of Variants and Reality Paths to the Blackboard Architecture
针对黑板架构网络安全评估，本文提出现实路径和变体两种数据结构，支持遍历算法以发现所有攻击路径，并评估其效能。
2023-06-20 cs.CR
BMA: Backchain Memory Attacks Create Unauthorized Control Paths in LLM Agents
School of Cyber Science and Technology, Harbin Institute of Technology（哈尔滨工业大学网络空间安全学院）；SnT, University of Luxembourg（卢森堡大学科学与技术研究中心）；Department of New Networks, Peng Cheng Laboratory（鹏城实验室新网络系）
提出回链记忆攻击（BMA），通过逆向规划编辑低可信证据形成持久记忆，在干净任务中驱动未授权动作，实现18.8%路径认证成功率，并验证了基于来源的授权防御。
2026-09-29 cs.CR
Let the Bees Find the Weak Spots: A Path Planning Perspective on Multi-Turn Jailbreak Attacks against LLMs
本文将多轮越狱攻击抽象为路径规划问题，提出增强型人工蜂群算法ABC，通过协作搜索机制在大幅减少查询次数的同时，实现了90%以上的攻击成功率，有效降低了红队评估开销。
2025-11-05 cs.CL cs.CR
TMAP: A Threat Modeling and Attack Path Analysis Framework for Industrial IoT Systems (A Case Study of IoM and IoP)
针对工业物联网系统威胁建模方法缺乏全面分析与路径评估的问题，提出一种定量威胁建模方法，识别攻击向量并评估路径，通过IoM和IoP案例验证其有效性。
2023-12-23 cs.CR
SkillAttack: Automated Red Teaming of Agent Skills through Attack Path Refinement
University of Chinese Academy of Sciences（中国科学院大学）；People’s Public Security University of China（中国人民公安大学）
本文提出SkillAttack框架，通过对抗性提示动态验证技能漏洞可利用性，实验显示其在对抗性技能和真实场景中均显著优于基线方法，揭示了即使善意技能在实际代理交互中也存在严重安全风险。
2026-04-05 cs.CR
A Formal Analysis of SCTP: Attack Synthesis and Patch Verification
本研究采用形式化方法分析SCTP协议安全性，构建Promela模型并定义10项核心属性，改造Korg工具合成4类攻击者模型下的14种攻击，验证了现有补丁的安全性，同时发现RFC的一处歧义并提出勘误方案。
2024-03-08 cs.CR
Discovering Exfiltration Paths Using Reinforcement Learning with Attack Graphs
National Security Institute, Virginia Tech（弗吉尼亚理工大学国家安全研究所）；Deloitte & Touche LLP（德勤华永会计师事务所）；Deloitte Consulting LLP（德勤咨询有限公司）
结合攻击图和网络地形，使用强化学习（RL）来开发与确定用于企业网中的数据渗出的最佳路径相关联的奖励和状态。这项工作建立在以前的皇冠上的宝石（CJ）识别，重点是计算最佳路径的目标目标，对手可能会遍历到妥协的CJ或主机在他们的附近。这项工作颠覆了以前的CJ方法，该方法基于数据被盗的假设，现在必须悄悄地从网络中泄露。RL被用来支持奖励函数的开发，该奖励函数基于对对手期望减少检测的那些路径的识别。结果表明，一个相当大的网络环境有前途的性能。
2022-04-25 cs.CR cs.LG cs.NI
Test-time Adversarial Defense with Opposite Adversarial Path and High Attack Time Cost
Institute of Information Science Academia Sinica（资讯研究所）
针对深度学习模型易受对抗攻击、训练时防御鲁棒性不足的问题，提出基于反向对抗路径与逆向扩散的测试时纯化防御方法，例证了AutoAttack（Rand）的应用陷阱，分析了攻击效果与时间成本的权衡，验证了方法有效性。
2025-05-19 cs.CR cs.LG
Sharing the Path: A Threshold Scheme from Isogenies and Error Correcting Codes
针对SIDH被密钥恢复攻击破坏但同源路径问题仍安全的情况，结合Robert提出的将该攻击转化为密码工具的多项式时间算法与高级编码技术，构建了新型门限方案。
2024-11-28 cs.CR cs.IT math.IT
BlockJack: Towards Improved Prevention of IP Prefix Hijacking Attacks in Inter-Domain Routing Via Blockchain
我们提出了BlockJack，这是一个基于分布式和防篡改联盟区块链的系统，旨在阻止边界网关协议（BGP）中的IP前缀劫持。从本质上讲，BlockJack通过确保操作独立性的接口在BlockChain和BGP网络之间提供同步，这种方法保留了遗留系统，并在Blockchain进程超过BGP更新间隔时适应竞争条件的影响。在路由表中发生IP前缀劫持期间，BlockJack还对动态路由路径变化具有弹性。我们使用Hyperledger Fabric Blockchain和Quagga软件包实现BlockJack，并进行初始实验以评估其有效性。我们评估了BlockJack在各种攻击场景中的性能和弹性，包括单路径攻击，多路径攻击和随机网络拓扑中的随机源攻击。评估结果表明，BlockJack能够处理BGP前缀劫持过程中AS路径变化引起的多种攻击。在50个随机路由器的实验设置中，BlockJack平均需要0.08秒（标准差为0.04秒）来阻止BGP前缀劫持攻击。测试结果表明，BlockJack保守方法处理边界网关协议中的IP前缀劫持是可行的。
2021-07-15 cs.CR cs.DC
MAAC: Novel Alert Correlation Method To Detect Multi-step Attack
随着攻击方法的不断改进，出现了越来越多的分布式、复杂的、有针对性的攻击，攻击者采用组合攻击方法来达到攻击目的。高级网络攻击包括多个阶段，以实现最终目标。传统的入侵检测系统，如端点安全管理工具、防火墙和其他监控工具，在攻击过程中会生成大量警报。这些警报包括攻击线索，以及许多与攻击无关的误报。安全分析师需要分析大量的警报，从中找到有用的线索，并重构攻击场景。然而，大多数传统的安全监控工具无法将来自不同来源的警报关联起来，因此许多多步骤攻击仍然完全没有被注意到，需要安全分析师进行手动分析，就像大海捞针一样。我们提出了MAAC，一个多步攻击警报关联系统，它减少了重复警报，并结合基于警报语义和攻击阶段的多步攻击路径。对真实数据集的评估结果表明，MAAC能够有效地减少90%的警报，并从大量警报中发现攻击路径.
2021-10-25 cs.CR
KLEESPECTRE: Detecting Information Leakage through Speculative Cache Attacks via Symbolic Execution
2018年初披露的Spectre攻击通过缓存侧通道暴露了数据泄漏场景。具体地，由于分支误预测而推测地执行的路径可能将秘密数据带入高速缓存中，然后即使在推测执行被压制之后，这些秘密数据也经由高速缓存侧通道被暴露。符号执行是一种众所周知的测试生成方法，用于覆盖应用软件级别的程序路径。在本文中，我们扩展了符号执行与建模的缓存和推测执行。我们的工具KLEESPECTRE，建立在KLEE符号执行引擎之上，因此可以提供一个测试引擎来检查通过缓存侧通道的数据泄漏，如通过Spectre攻击所示。我们的符号缓存模型可以验证是否敏感的数据泄漏，由于投机执行可以观察到攻击者在一个给定的程序点。实验结果表明，KLEESPECTREE可以有效地检测沿推测执行路径的数据泄漏，我们的缓存模型可以进一步使泄漏检测更精确。
2019-09-02 cs.CR
Denial of Deadline: Network-Driven Accuracy Collapse in Distributed Inference Pipelines
Columbia University（哥伦比亚大学）；UC Berkeley（加州大学伯克利分校）
研究分布式推理管道中网络驱动的精度崩溃问题，通过模拟自动驾驶中的两层边缘云多目标跟踪管道，发现shaped workload攻击可致精度崩溃，如使良性p99延迟增加，降低跟踪质量，促使相关攻击与防御研究。
2026-07-28 cs.AI cs.CR cs.DC
How to Kill Symbolic Deobfuscation for Free; or Unleashing the Potential of Path-Oriented Protections
代码混淆是保护软件知识产权免受逆向工程或代码篡改等攻击的主要工具。然而，最近提出的（自动）攻击的基础上动态符号执行（DSE）显示出非常有前途的结果，从而威胁到软件的完整性。目前的防御措施并不完全令人满意，要么对符号推理效率不高，要么对运行时性能影响太大，要么太容易被发现。我们提出并研究了一类新的反DSE的保护，作为面向路径的保护针对DSE的最薄弱环节，即路径探索。我们提出了一个轻量级的，高效的，耐和分析证明类混淆算法，旨在阻止基于DSE的攻击。广泛的评估表明，这些方法严格地对抗符号去混淆，同时只产生非常轻微的开销。
2019-08-07 cs.CR
Forecasting Attacker Actions using Alert-driven Attack Graphs
针对入侵检测系统告警疲劳及现有告警驱动攻击图仅离线运行、无法排序关键路径的问题，本文提出基于rSPDFA和期望最大化的攻击者行为预测方法，实现实时攻击图构建，显著提升预测准确率，助力SOC分析师高效处置攻击。
2024-08-19 cs.CR
Exploiting Cross-Layer Vulnerabilities: Off-Path Attacks on the TCP/IP Protocol Suite
本文从跨层交互视角系统分析ICMP错误消息在Wi-Fi、IP、ICMP、UDP和TCP间引发的安全漏洞，揭示信息泄露、去同步、语义差距和身份欺骗等问题，并证明离路径攻击者可借此隐蔽操纵流量，影响大量热门网站和公共Wi-Fi，同时提出有效防御措施并获得多家知名组织认可。
2024-11-19 cs.CR
Operationalizing Cybersecurity Governance for Mitigation Planning with Attack-Path Modeling and Reinforcement Learning
University of Arkansas at Little Rock（阿肯色大学小石城分校）；Bastazo, Inc.（Bastazo公司）；University of Arkansas（阿肯色大学）
本文提出利用攻击路径建模和强化学习，将网络安全治理框架转化为可行的缓解决策，通过映射CSF成熟度评估到MITRE ATT&CK缓解能力，实现组织安全态势与对抗驱动的防御规划整合。
2026-05-10 cs.CR
The Hijackers Guide To The Galaxy: Off-Path Taking Over Internet Resources
互联网资源构成了数字社会的基本结构。它们为数字服务和资产提供了基础平台，例如，为重要的基础设施、金融服务和政府服务。谁控制了这个结构，谁就有效地控制了数字社会。在这项工作中，我们表明，目前的做法，互联网资源管理，IP地址，域，证书和虚拟平台是不安全的。在很长一段时间内，对手可以保持对他们不拥有的互联网资源的控制，并进行秘密操纵，从而导致毁灭性的攻击。我们发现，网络攻击者可以接管和操纵至少68%的分配的IPv4地址空间以及31%的顶级Alexa域。我们通过劫持与数字资源相关的帐户来演示此类攻击。为了劫持帐户，我们启动了离线DNS缓存中毒攻击，将密码恢复链接重定向到敌对主机。然后，我们证明了对手可以操纵与这些帐户相关联的资源。我们发现所有经过测试的供应商都容易受到我们的攻击。我们建议采取缓解措施来阻止我们在这项工作中提出的攻击。然而，这些对策并不能解决根本问题-应修改对互联网资源的管理，以确保申请交易不能像目前那样容易和隐蔽地进行。
2022-05-11 cs.CR
Off-Path TCP Hijacking in Wi-Fi Networks: A Packet-Size Side Channel Attack
本文提出一种利用 Wi-Fi 加密帧大小侧信道的偏离路径 TCP 劫持攻击，通过观测响应包大小检测并劫持 TCP 连接，实验显示可在 19 秒内终止 SSH 会话、28 秒内注入 Web 恶意数据，并在 93.75% 的真实 Wi-Fi 网络中成功实施攻击。
2024-10-01 cs.CR cs.NI
Pitfalls of Provably Secure Systems in Internet The Case of Chronos-NTP
网络时间协议（NTP）在互联网中扮演的关键角色导致了多种努力来保护它免受时移攻击。最近提出的一项建议是用Chronos增强NTP的安全性，以防止路径上的攻击者，这似乎是最有希望的一项建议，并且正在IETF的标准化轨道上。在这项工作中，我们展示了对Chronos增强的NTP客户端的偏离路径攻击。薄弱环节是Chronos的核心安全特性：使用DNS的服务器池生成机制。我们表明，DNS的不安全性允许破坏Chronos的安全性，使得对Chronos-NTP的时移攻击比对普通NTP的攻击更容易。
2020-10-16 cs.CR
