LinkDID: A Privacy-Preserving, Sybil-Resistant and Key-Recoverable Decentralized Identity Scheme
The Hong Kong Polytechnic University（香港理工大学）
LinkDID是一种提供隐私保护、抵御Sybil攻击及支持密钥恢复的去中心化身份方案，通过区块链绑定和关联结构证明实现安全的身份管理与凭证展示。
2026-01-18 cs.CR
The Sybil Attacks and Defenses: A Survey
在本文中，我们有一个密切关注的Sybil攻击和防御它的进展，特别强调最近的工作。我们确定了三种主要的文献工作来抵御攻击：使用可信认证，使用资源测试，并使用社交网络。文献的第一个脉络考虑使用可信认证来防御攻击，这是通过使用可以取代集中式认证实体的密码原语的集中式认证或分布式认证来完成的。第二种思路考虑通过资源测试来防御攻击，可以通过IP测试、网络坐标、经常性成本等形式，也可以通过要求客户端解决难题来实现。文献的第三个也是最后一个脉络是通过将用作自举安全的社交网络与来自随机游走理论的工具相结合来减轻攻击，这些工具已被证明在某些假设下有效地防御攻击。通过对这三种文学流派的不同方案的考察和分析，我们发现了一些不足之处，形成了几个值得探讨的有趣方向和研究问题。
2013-12-22 cs.CR
SybilFrame: A Defense-in-Depth Framework for Structure-Based Sybil Detection
Sybil攻击正变得越来越普遍，并对在线社交系统构成重大威胁;单个攻击者可以在系统中注入多个合谋身份，从而危及安全和隐私。最近的作品利用基于社交网络的信任关系来防御Sybil攻击。然而，现有的防御是基于过于简化的假设，这在现实世界的社交图谱中是不成立的。在这项工作中，我们提出了SybilFrame，一个防御的深度框架，用于减轻问题的Sybil攻击时，过于简化的假设放松。我们的框架能够将有关用户和社交图中的边缘的先验信息结合起来。我们在合成和真实世界的网络拓扑结构上验证了我们的框架，包括具有20 M节点和265 M边缘的大规模Twitter数据集，并证明我们的方案比以前的基于结构的方法性能好一个数量级。
2018-03-27 cs.CR cs.SI
Detecting Colluding Sybil Attackers in Robotic Networks using Backscatters
由于无线介质的开放性，由许多小型机器人组成的机器人网络很容易受到Sybil攻击者的攻击，他们可以制造出无数的虚拟机器人。这种有害的攻击可能会推翻机器人协作中的基本信任假设，从而阻碍机器人网络在许多协作任务中的广泛部署。现有的解决方案依赖于庞大的多天线系统来被动地获得细粒度的物理层签名，这使得小型机器人无法负担。为了克服这一限制，我们提出了ScatterID，一个轻量级的系统，重视羽毛轻和无电池的反向散射标签的单天线机器人Sybil攻击缓解。ScatterID不是被动地“观察”签名，而是通过利用反向散射标签来主动地“操纵”多径传播，以有意地创建单天线机器人可获得的丰富的多径签名。特别是，这些签名被用来仔细构造相似向量，以挫败高级Sybil攻击者，后者进一步触发功率缩放和合谋攻击以生成不同的签名。然后，定制的随机森林模型的发展，以准确地推断每个机器人的身份合法性。我们在iRobot Create平台上实现了ScatterID，并在现实环境中的各种Sybil攻击下对其进行了评估。实验结果表明，ScatterID在基本和高级Sybil攻击下的AUROC高达0.987，总体准确率为95.4%。具体来说，它可以成功地检测到96.1%的假机器人，而错误地拒绝只有5.7%的合法机器人。
2020-12-28 cs.CR
Lightweight Sybil-Resilient Multi-Robot Networks by Multipath Manipulation
无线网络开辟了许多机会，以促进小型化机器人在协作任务，而无线介质的开放性暴露机器人的威胁Sybil攻击者，谁可以打破机器人协作的基本信任假设伪造大量的虚构机器人。最近的进展提倡采用笨重的多天线系统来被动地获得细粒度的物理层签名，使它们对小型化机器人来说是负担不起的。为了克服这个难题，本文提出了ScatterID，一个轻量级的系统，重视羽毛轻和无电池的反向散射标签的单天线机器人，以抵御西比尔攻击。ScatterID不是被动地“观察”签名，而是通过使用反向散射标签来主动地“操纵”多径传播，以有意地创建单天线机器人可获得的丰富的多径特征。这些特征用于构建一个独特的配置文件，以检测真正的信号源，即使攻击者是移动和功率缩放。我们在iRobot Create平台上实现了ScatterID，并在典型的室内和室外环境中对其进行了评估。实验结果表明，我们的系统实现了较高的AUROC为0.988和96.4%的整体准确率的身份验证。
2019-12-11 cs.CR
GFCL: A GRU-based Federated Continual Learning Framework against Data Poisoning Attacks in IoV
National University of Singapore（新加坡国立大学）
针对车联网 DRL 面临的 Sybil 数据投毒威胁，提出基于 GRU 的联邦持续学习异常检测框架 GFCL，无需攻击先验数据即可分布式预测并识别车辆非法行为，真实轨迹实验验证其有效。
2022-09-12 cs.AI cs.CR cs.LG
SybilControl: Practical Sybil Defense with Computational Puzzles
许多分布式系统都受到Sybil攻击，其中对手通过模拟多个不同节点的行为来破坏系统操作。解决这个问题的最新工作利用社交网络来建立用户之间的信任关系。然而，社交网络的使用并不适合所有系统，因为它们可以被社会工程技术颠覆，需要P2P网络中的节点来维护和意识到社交网络信息，并且可能需要对社交链接的快速混合性质过于乐观的假设。本文探讨了另一种方法。我们提出了SybilControl，一种新的，分散的计划，用于控制Sybil攻击的程度。SybilControl是分布式系统中节点的准入控制机制，要求它们定期解决计算难题。SybilControl包括一个分布式协议，允许节点集体验证其他节点的计算工作，以及防止不执行计算工作的行为不端节点的恶意影响的机制。我们调查的实际问题，涉及到现有的DHT部署SybilControl，特别是弹性查找协议。我们通过模拟评估SybilControl，发现SybilControl保留低开销和延迟。此外，即使对手控制了20%的系统计算资源，启用SybilControl的DHT也可以配置为使用低通信开销将查找性能保持在99%以上的成功率。
2012-01-13 cs.CR cs.NI
Enhancing Security in VANETs with Efficient Sybil Attack Detection using Fog Computing
车载自组织网络（VANESTs）促进车辆广播信标消息以确保道路安全。VANGAN中的流氓节点通过广播恶意信息导致灾难性后果（例如车辆碰撞），从而引发Sybil攻击，以制造虚假交通拥堵的假象。以前的研究人员使用密码学，信任分数或过去的车辆数据来检测流氓节点，但他们遭受高处理延迟，开销和误报率（FPR）。我们提出了一个雾计算为基础的Sybil攻击检测VANESTs（FSDV），它利用车载单元（OBU）的所有车辆在该地区创建一个动态的雾流氓节点检测。我们的目标是减少数据处理延迟，开销和FPR在检测流氓节点导致Sybil攻击在高车辆密度。我们的框架的性能进行了模拟使用OMNET++和SUMO模拟器。结果表明，我们的框架，确保43%的处理延迟降低，13%的开销降低，并在高车辆密度降低FPR 35%相比，现有的Sybil攻击检测方案。
2021-08-23 cs.CR cs.NI
X-Vine: Secure and Pseudonymous Routing Using Social Networks
分布式哈希表存在多个安全和隐私漏洞，包括Sybil攻击问题。现有的基于社交网络的解决方案，以减轻在DHT路由的Sybil攻击有一个高的状态要求，并没有提供足够的隐私级别。例如，这样的技术要求用户揭示他们的社交网络联系人。我们设计了X-Vine，这是一种分布式哈希表的保护机制，完全通过社交网络链接进行通信。与传统的点对点系统一样，X-Vine提供了健壮性、可扩展性和创新平台。使用社交网络链接进行通信有助于保护参与者的隐私，并增加了以前设计中缺乏的新的信任维度。X-Vine能够抵御Sybil攻击造成的拒绝服务攻击，事实上，它是第一个只需要每个节点对数数量的状态的Sybil防御，因此适合大规模和动态设置。X-Vine还有助于保护用户社交网络联系人的隐私，并将其IP地址隐藏在社交圈之外，为匿名通信提供基础。我们首先评估我们的设计与分析和模拟，使用几个现实世界的大型社交网络拓扑结构。我们表明，X-Vine的约束允许每个攻击边缘只插入对数数量的Sybil身份;我们表明，这减轻了恶意攻击的影响，同时不影响诚实节点的性能。此外，我们的算法是有效的，保持低拉伸，并避免在网络中的热点。我们用PlanetLab实现和Facebook插件验证我们的设计。
2011-09-05 cs.CR
BEPHAP: A Blockchain-Based Efficient Privacy-Preserving Handover Authentication Protocol with Key Agreement for Internet of Vehicles
车联网可以显著提高运输效率，保障交通安全。身份认证被认为是物联网中抵御攻击的基本防线。然而，最先进的方法存在几个缺点，包括单一云服务器模型的瓶颈，操作的高计算开销，对云服务器和路边单元（RSU）的过度信任，以及车辆轨迹隐私的泄露。本文介绍了BEPHAP，一种基于区块链的高效隐私保护车联网切换认证协议，具有密钥协商功能，旨在解决这些问题。BEPHAP在云服务器和RSU可能发起攻击的安全模型下，通过基于防篡改区块链、对称密码学和变色龙哈希函数的密钥协商，实现匿名跨域相互切换认证。BEPHAP特别适合车联网，因为它允许车辆在认证阶段只需要执行轻量级的加密操作。BEPHAP还实现了数据机密性、不可链接性、可跟踪性、不可否认性、不可成帧性和密钥托管自由性。基于ProVerif的形式化验证和基于BAN逻辑的形式化安全性证明表明，BEPHAP能够抵抗各种典型的攻击，如中间人攻击、冒充攻击和重放攻击。性能分析表明，BEPHAP在计算和通信效率方面都超过了现有的工作。每秒5000个请求时，消息丢失率保持为0，符合车联网的要求。
2022-10-29 cs.CR
Securing Tomorrow's Smart Cities: Investigating Software Security in Internet of Vehicles and Deep Learning Technologies
本文献综述探讨了深度学习在车联网系统中引发的固有安全漏洞与威胁（如对抗性攻击和模型中毒），分析了其对入侵检测等关键安全方面的影响，并强调需开发新型安全解决方案以增强DL赋能的IoV环境的安全性与弹性。
2024-07-23 cs.CR cs.SE
Seeing is Believing: Detecting Sybil Attack in FANET by Matching Visual and Auditory Domains
针对FANET中女巫攻击检测仅依赖不可信听觉域信息的问题，提出VA-matching方案，通过相对熵、动态权重算法和吸血蝙蝠优化器匹配视觉域与听觉域邻居特征，显著提升了检测精确率、召回率及鲁棒性。
2023-06-28 cs.CR eess.SP
Privacy-Preserving Vehicular Announcements Aggregation Scheme Based on Threshold Ring Signature
车载公告是目前车载网络中最有前途的应用，它允许车辆向远处的其他车辆发送有关道路状况的公告信息。由于臭名昭著的sybil攻击，车载公告的可靠性和隐私性的安全要求不容易同时实现。在本文中，我们提出了一种新的隐私保护车辆公告聚合计划。该方案利用消息聚合和交互式门限环签名提供门限认证和灵活的匿名性，允许不确定的不同签名者在不完全可信的环境下共同生成签名。与现有的先攻击后跟踪的方案不同，我们的方案预先防御了sybil攻击。据我们所知，这是第一个隐私保护方案，防止恶意用户提前发动sybil攻击。通过广泛的评估，我们显示的可用性和所提出的方案的效率。
2014-11-13 cs.CR cs.NI
Zero-X: A Blockchain-Enabled Open-Set Federated Learning Framework for Zero-Day Attack Detection in IoV
University of La Rochelle（拉罗谢尔大学）；Badji Mokhtar Annaba University（巴吉·穆克塔尔·安纳巴大学）；University of Luxembourg（卢森堡大学）
本文提出Zero-X框架，通过区块链赋能的隐私保护联邦学习结合开放集识别，在车联网中同时检测零日攻击和N-day攻击，实验证明其检测率高且误报率低，性能优于现有方案。
2024-07-03 cs.AI cs.CR
Security, Privacy and Trust: Cognitive Internet of Vehicles
云技术的最新进展提供了无与伦比的力量来支持智能计算和高级服务，以帮助自动化决策，提高道路运输安全性和舒适性。此外，机器智能的兴起进一步推动了交通系统的技术发展，并导致了一种称为认知车联网（C-IoV）的新框架。与其前身车联网（IoV）框架相比，该框架中重新定义的认知技术有望显着增强和优化网络容量。CIoV提供了额外的安全措施，并引入了安全和隐私问题，例如规避攻击、数据投毒的额外威胁和学习错误，这可能导致系统故障和道路使用者死亡。与许多其他公共企业系统类似，交通对人口有重大影响。因此，了解演变过程至关重要，同样重要的是识别潜在的安全漏洞和问题，以提供成功的缓解措施。本章讨论了以下两个问题的答案，1）最新技术的渗透如何以及以何种方式重塑交通系统？2)进化后的系统是否能够解决网络安全问题？因此，本章首先介绍交通系统的演变，然后快速概述演变的CIoV，强调演变的认知设计。随后，它介绍了认知引擎如何克服传统的安全问题，并受到进一步的潜在安全，隐私和信任问题，这个基于云的演进的交通系统可能会遇到。
2021-04-26 cs.CR cs.NI
Time-Dilation Attacks on the Lightning Network
闪电网络（LN）是一个广泛使用的支付渠道网络，可以实现更快，更便宜的比特币交易。在本文中，我们概述了攻击者可以从诚实的LN用户那里窃取资金的三种方式。这些攻击需要通过使受害者与网络隔离并延迟区块交付来延长受害者意识到新区块的时间。虽然我们的重点是LN，时间膨胀攻击可能与任何依赖于及时反应的第二层协议有关。根据我们的测量，目前有可能通过使一个节点遮挡短至2小时来窃取总信道容量。由于信任最小化的比特币轻客户端目前连接到数量非常有限的随机节点，因此只需运行500个Sybil节点，攻击者就可以吃掉47%的新部署的轻客户端（因此可以对它们进行攻击）。至于运行完整节点的受害者，由于它们通常被大型中心或服务提供商使用，攻击者可能会通过窃取其所有可用的流动性来证明更高的Eclipse攻击成本。此外，时间膨胀攻击既不需要访问哈希率，也不需要从受害者那里购买。因此，这类攻击是通过Eclipse攻击窃取资金的一种更实用的方式，而不是之前预期的双重支出。我们认为，简单的检测技术的基础上的慢块到达单独是无效的，实现更复杂的检测是不平凡的。我们认为，反Eclipse/反Sybil措施的组合是至关重要的，以减轻时间膨胀攻击。
2020-06-02 cs.CR
The challenge of decentralized marketplaces
在线信任系统在当今世界中发挥着重要作用，但在构建过程中面临着各种挑战。数十亿美元的产品和服务通过电子商务进行交易，文件在大型点对点网络之间共享，智能合约有可能用数字合约取代纸质合约。这些系统依赖于点对点网络中的信任机制，如声誉系统或无信任的公共分类账。在大多数情况下，声誉系统的建立是为了确定用户的可信度，并为用户提供激励，使其对对等网络做出公平的贡献。主要的挑战是如何建立一个良好的信任系统，如何处理安全问题以及如何处理试图欺骗系统的战略用户。讨论了信誉系统中最重要的攻击--Sybil攻击。最后讨论了双边市场的匹配问题以及双边市场的策略验证问题。
2017-03-16 cs.CR cs.CY cs.DC
A Comprehensive Analysis of Routing Vulnerabilities and Defense Strategies in IoT Networks
本文分析了物联网网络层的路由攻击风险，评估了信任机制、IDS和路由协议等防御策略，为设计轻量级安全物联网网络提供了综合防御机制的指导。
2024-10-17 cs.CR
Preserving Link Privacy in Social Network Based Systems
越来越多的研究利用基于社交网络的信任关系来改善系统的功能。然而，这些系统将用户的信任关系暴露给对手，在当今社会，信任关系被认为是敏感信息。在这项工作中，我们做出了以下贡献。首先，我们提出了一种算法，扰乱了社会图的结构，以提供链接隐私，在社会图的效用略有减少的成本。第二，我们定义了一般的指标来表征扰动图的效用和隐私。第三，我们评估我们提出的算法使用现实世界的社交图的效用和隐私。最后，我们证明了我们的扰动算法在广泛的安全系统，包括西比尔防御和安全路由的适用性。
2012-08-30 cs.CR cs.SI
Securing Connected Vehicle Applications with an Efficient Dual Cyber-Physical Blockchain Framework
虽然联网汽车（CV）应用有可能彻底改变传统的交通系统，但对它们的网络和物理攻击可能是毁灭性的。在这项工作中，我们提出了一个有效的双重网络物理区块链框架，为CV应用程序建立信任和安全通信。我们的方法结合了区块链技术和车辆的物理传感能力，可以快速响应大规模车辆网络中的攻击，并且资源开销很低。我们探索我们的框架的应用程序，三个CV应用程序，即，高速公路合并、智能交叉口管理和具有路径选择的交通网络。仿真结果证明了我们的基于区块链的框架在防御欺骗攻击，恶意攻击，Sybil和投票攻击方面的有效性。我们还提供了分析，以证明我们的框架的时间效率和低计算，通信和存储开销的实现。
2021-02-15 cs.CR
SmartphoneDemocracy: Privacy-Preserving E-Voting on Decentralized Infrastructure using Novel European Identity
提出SmartphoneDemocracy电子投票协议，结合EUDI钱包、零知识证明和TrustChain区块链，实现智能手机上安全、隐私保护且去中心化的匿名投票。
2025-07-13 cs.CR cs.DC
TAS-GNN: A Status-Aware Signed Graph Neural Network for Anomaly Detection in Bitcoin Trust Systems
Yeshiva University（耶鲁大学）；Yale University（耶鲁大学）；University of California, San Diego（加州大学圣地亚哥分校）；North Carolina State University（北卡罗来纳州立大学）；University of Pennsylvania（宾夕法尼亚大学）
本文提出TAS-GNN，一种针对稀疏有向图的新型框架，通过递归的Web-of-Trust标签和双通道信息传递架构，有效处理信任与不信任信号，并通过状态感知注意力机制实现状态感知，显著提升比特币信任系统中的异常检测性能。
2026-02-28 cs.AI cs.CR cs.LG
Securing LLM-Agent Long-Term Memory Against Poisoning: Non-Malleable, Origin-Bound Authority with Machine-Checked Guarantees
Department of Computer and Software Engineering, Ariel Cyber Innovation Center, Ariel University（阿瑞尔大学计算机与软件工程系、阿瑞尔网络创新中心）
针对LLM智能体长期记忆投毒攻击，提出不可延展信息流控制（IFC）方案TMA-NM，通过源绑定和防Sybil确认门控实现0%攻击成功率。
2026-06-24 cs.CR
SoK: The Ghost Trilemma
本文提出身份的“幽灵三难困境”，系统梳理去中心化系统中感知能力、位置与唯一性难以同时验证的问题，并给出证明思路及兼顾信任、抗攻击与隐私的渐进部署方案。
2024-01-19 cs.CR cs.CY
Can We Trust the Similarity Measurement in Federated Learning?
Purdue University（普渡大学）；Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）
该研究揭示联邦学习中相似度度量存在高维模型参数差异大却相似度相近的缺陷，提出新型投毒攻击Faker，性能远超现有基准攻击，并给出部分参数相似度防御策略，提醒警惕相似度指标的安全风险。
2023-10-20 cs.AI cs.CR cs.LG
Hybrid Reputation Aggregation: A Robust Defense Mechanism for Adversarial Federated Learning in 5G and Edge Network Environments
Center for Ubiquitous Computing, University of Oulu（通用计算中心，奥卢大学）
本文提出混合信誉聚合（HRA）机制，结合几何异常检测与动量信誉跟踪，在无需攻击先验知识的情况下防御联邦学习中的多种对抗攻击，并在5G数据集和NF-CSE-CIC-IDS2018上取得优于现有聚合器的鲁棒准确率。
2025-09-22 cs.AI cs.CR
