密态网络安全前沿技术

本专栏由北京理工大学沈蒙教授等组织

客座编委

沈蒙 北京理工大学
程光 东南大学
熊刚 中国科学院信息工程研究所
宣琦 浙江工业大学

专栏简介

随着我国数字经济进入高质量发展新阶段，密态网络安全已成为护航国家数字经济发展战略的核心支柱。加密传输协议在保障数据机密性与完整性的同时，其双刃剑效应也日益凸显，易被网络攻击者滥用。据统计，超过85%的网络安全威胁均以加密流量为载体。暗网非法活动、勒索软件控制信道以及APT等攻击链深度潜藏于海量加密流量之中，对工业互联网、金融跨境结算网络、医疗健康系统等关键基础设施造成“穿透性打击”，直接危及国民经济命脉与国家安全防线。

为破解流量加密带来的安全困局，全球科研力量围绕密态网络防御展开深入研究。然而，当前的网络防御体系仍面临动态对抗升级与算力瓶颈的双重挤压：攻击者通过不断演进的协议隐匿对抗与对抗性特征漂移；百Gbps骨干网需要毫秒级响应，但流量特征表征延迟与深度学习模型推理延迟形成“高精度需求-低资源承载”的矛盾。近年来，国内高校与科研机构在加密恶意流量检测、协议混淆对抗、边缘智能检测以及匿名通信分析等领域推动了技术的代际创新。

本专栏以“密态网络安全前沿技术”为主题，展现了智能算法与密态网络安全深度融合的最新成果，共收录了9篇论文。

专栏文章

加密隧道审查规避技术及流量分析研究综述

吕梦达¹， 胡晓艳^123*， 卢俊羲¹， 李清昀¹， 吴桦¹， 袁亚丽¹， 张帆⁴

1. 东南大学网络空间安全学院

2. 网络通信与安全紫金山实验室

3. 区块链应用监管教育部工程研究中心（东南大学）

4. 浙江大学计算机科学与技术学院

扫码查看本文：

本文链接: 

https://www.ejournal.org.cn/thesisDetails#10.12263/DZXB.20251052&lang=zh

基于大语言模型的加密流量分析方法研究综述

沈蒙^1*， 刘俣凯¹， 艾俊宇¹， 任琛琛¹， 沈泓烨¹， 李琦²， 徐恪³， 祝烈煌¹

1. 北京理工大学网络空间安全学院

2. 清华大学网络科学与网络空间研究院

3. 清华大学计算机科学与技术系

扫码查看本文：

本文链接:

 https://www.ejournal.org.cn/thesisDetails#10.12263/DZXB.20251032&lang=zh

探索密流分析鲜度模型：从“数据留存”到“价值沉淀”

卞华峰¹²， 郑纪成¹²， 马小博^123*， 刘宏桃¹²， 管晓宏¹²

1. 西安交通大学电子与信息学部

2. 智能网络与网络安全教育部重点实验室

3. 陕西省计算机网络重点实验室

本文二维码：

本文链接:

 https://www.ejournal.org.cn/thesisDetails#10.12263/DZXB.20251008&lang=zh

基于混合专家的流量分类基础模型

周嘉俊¹²³， 孙长辉¹²， 何美静¹²， 俞山青^123*

1. 浙江工业大学网络空间安全研究院

2. 杭州市滨江区浙工大人工智能创新研究院

3. 杭州数宇智汇科技发展有限责任公司

本文二维码：

本文链接:

https://www.ejournal.org.cn/thesisDetails#10.12263/DZXB.20251026&lang=zh

基于预约束加密的可追溯加密恶意流量检测

张迪， 王皓， 张颖， 乐俊青， 廖晓峰^*

重庆大学计算机学院

本文二维码：

本文链接:

 https://www.ejournal.org.cn/thesisDetails#10.12263/DZXB.20251051&lang=zh

面向边缘物联网的双教师蒸馏式轻量化入侵检测

韩刚¹， 常轩¹， 王耀天¹， 王云俐¹， 张忠良^2*

1. 西安邮电大学

2. 杭州电子科技大学

本文二维码：

本文链接:

 https://www.ejournal.org.cn/thesisDetails#10.12263/DZXB.20251022&lang=zh

基于异构图的Tor网络关键节点识别方法

王楠楠¹， 黄诚^1*， 刘骏以¹， 游畅¹， 时金桥²

1. 四川大学网络空间安全学院

2. 北京邮电大学网络空间安全学院

本文二维码：

本文链接:

https://www.ejournal.org.cn/thesisDetails#10.12263/DZXB.20250881&lang=zh

基于信元序列重建的暗网流量远程指纹识别技术

李泽禹¹， 黄文涛¹， 王学宾²， 刘凯¹， 时金桥^1*

1. 北京邮电大学网络空间安全学院

2. 中国科学院信息工程研究所

本文二维码：

本文链接:

https://www.ejournal.org.cn/thesisDetails#10.12263/DZXB.20251035&lang=zh

面向QUIC的增量式网站指纹攻击方法

谭静文¹， 王焕然^1*， 韩帅¹， 杨武¹， 秦克伟²

1. 哈尔滨工程大学计算机科学与技术学院

2. 中移系统集成有限公司

本文二维码：

本文链接: 

https://www.ejournal.org.cn/thesisDetails#10.12263/DZXB.20251031&lang=zh

针对抗量子计算密码演进长期性、路线多样性、迁移复杂性，现发布抗量子计算密码北京市重点实验室第一批开放课题申报指南。有关事项通知如下：

一、实验室简介

抗量子计算密码北京市重点实验室于2025年12月经北京市科学技术委员会、中关村科技园区管理委员会认定为北京市重点实验室。实验室依托中国信科集团兴唐通信科技有限公司，与南开大学、中国信息通信研究院、中汽研软件测评（天津）有限公司共建，围绕国家及北京市“量子科技与人工智能融合”战略，设置三个共性关键技术研究方向：抗量子计算密码算法与协议设计分析技术、密码敏捷可重构芯片与设备设计实现技术、抗量子计算密码迁移检测评估与安全应用技术，推动在能源、交通、通信、金融等应用。

二、第一批开放课题简介

根据实验室的发展需求，第一批开放课题计划对9个课题进行支持，课题执行期不超过2年，经费额度不超过25万元/个，每个课题由1家单位独立承担，课题组成员需至少包含1名实验室固定人员。

（一）基于可证明安全理论的密码敏捷迁移架构

研究内容：狭义的密码敏捷迁移仅涉及密码算法的更换，既不适应抗量子计算密码这种体系性工程的安全迁移，也不适合密码更新换代的演进。为此，凝练密码敏捷安全迁移的科学问题，设计通用共性的密码敏捷迁移架构；从安全视角提出密码敏捷的形式化定义，建立密码敏捷迁移的形式化安全模型；证明密码敏捷迁移架构的安全性。

考核指标：提出的密码敏捷迁移架构应具有安全性、合理性、普适性、实用性，建立1套适合于密码敏捷迁移的形式化安全模型；1份研究报告；1篇论文（中国密码学会或中国计算机学会的A类）；2项发明专利。

技术联系人：梁敏，15313010685；段逸赫，15222306809。

（二）资源受限的抗量子认证密钥协商协议设计与分析

研究内容：面向能源电力物联网终端资源受限场景，聚焦抗量子密码算法参数尺寸大、部署难等痛点，基于国产自主可控密码算法，构建抗量子认证密钥协商协议设计框架并提出分析方法；研发模块化、轻量化的抗量子认证密钥协商协议；提出涵盖混合迁移与纯抗量子迁移的平滑过渡解决方案。

考核指标：设计的抗量子计算密码认证密钥协商协议框架，能支持不少于2种自主可控的抗量子计算密码算法；提出的抗量子计算密码认证密钥协商协议，具备前向安全、双向身份认证等安全属性，在CK、CK+、IND-StAA或IND-AA等模型下给出安全性证明；在内存<64KB、存储空间<100KB的受限资源终端上，密钥协商时延<50ms；1份研究报告；1篇论文（中国密码学会或中国计算机学会的B类及以上）；2项发明专利；软件实现代码。

技术联系人：丁颜，010-56925990；马亚峰，15321210756。

（三）双证书体系智能化抗量子迁移与安全管理研究

研究内容：我国广泛应用双证书管理机制。其中，公钥加密算法的私钥需使用签名算法的公钥进行加密后传递，然而抗量子算法通常不支持该加密方式。为解决双证书体制的抗量子迁移难题，自主设计基于抗量子计算密码算法的私钥安全分发机制；针对大规模证书管理需求，提出双证书体制下高效、智能的抗量子证书更新与撤销技术，降低通信开销与计算复杂度；构建安全敏捷的证书迁移与管理框架，确保双证书体系实现安全、高效、平滑地抗量子迁移。

考核指标：设计不少于2种适用于双证书体制的加密私钥分发方法；抗量子证书更新时间相比经典方式增加不超过20%；1份研究报告；2篇论文（中国密码学会或中国计算机学会的B类及以上）；2项发明专利。

技术联系人：丁颜，010-56925990；王辉，15321210363。

（四）基于MBSE的抗量子计算密码数字样机研发技术

研究内容：传统密码产品迁移迭代具有周期长、成本高、协同难、验证不充分的特点，研究国内外基于MBSE（基于模型的系统工程）的产品研发现状，凝练基于MBSE的抗量子计算密码数字样机研发的技术问题，提出抗量子计算密码的MBSE形式化建模方法；在统一MBSE框架下建立功能模型、性能模型、安全模型三类视图，开发基于MBSE模型的抗量子计算密码数字样机。

考核指标：研制1款基于MBSE的抗量子计算密码数字样机，具备工程化能力；1份研究报告；2篇论文（中国密码学会或中国计算机学会的B类及以上）；2项发明专利。

技术联系人：陈琦，15321210331；田越鑫，15321216936。

（五）抗量子计算密码迁移脆弱性分析技术

研究内容：研究抗量子计算密码技术与现有关键信息基础设施的适配性方法；研究典型关键信息基础设施密码应用的抗量子计算脆弱性发现技术，研制相关工具实现对产品和系统的抗量子计算脆弱性分析。

考核指标：现有关键信息基础设施至少包含能源电力、交通、金融、通信等4种领域；研制密码应用抗量子计算脆弱性自动化识别工具1套，识别准确率不低于95%；1份研究报告；2篇论文（中国密码学会或中国计算机学会的B类及以上）；2项发明专利。

技术联系人：徐秀，15201440242；王轶蒙，18304947898。

（六）面向数据安全的抗量子隐私计算高性能实现技术

研究内容：抗量子全同态算法是保护数据流通利用的关键技术之一，但同态计算性能较低。针对该问题，设计一套与具体FHE方案解耦的通用同态计算指令集架构；研究同态计算专有编译优化技术，实现运算聚合与指令重排序；设计实现同态计算编译器与运行时解释器，实现同态运算聚合。

考核指标：指令集架构支持BFV/BGV/CKKS主流方案的统一抽象与语义表示，支持主流开源FHE库（SEAL/OpenFHE）；生成的指令序列相比传统API调用方式至少减少80%的IO请求次数；编译优化通道对运算正确性的保障率达100%；1份研究报告；2篇论文（中国密码学会或中国计算机学会的B类及以上）；2项发明专利。

技术联系人：姚长远，15321210289；孙立明，15321212292。

（七）抗量子门限签名算法研究

研究内容：针对现有抗量子门限签名算法存在的安全性、通信量以及效率等方面的问题，研究已有抗量子签名算法的门限化技术；研究抗量子门限签名算法的通用构造技术；研究抗量子门限签名算法的安全模型；设计安全高效的抗量子门限签名算法。

考核指标：基于公认的计算困难问题假设设计一个抗量子门限签名算法，支持满足1≤T≤N=10的服务器数N和门限值T，经典安全强度≥120比特，量子安全强度≥105比特，在腐化模型下具备存在不可伪造性；1份研究报告；2篇论文（中国密码学会或中国计算机学会的B类及以上）；2项发明专利。

技术联系人：李帅钢，15313012151；郭晓帅，15321217595。

（八）基于LLM智能体的抗量子计算密码侧信道分析技术研究

研究内容：针对ML-KEM、ML-DSA等抗量子计算密码算法实现的侧信道评估需求，构建基于大语言模型（LLM）智能体的侧信道分析框架；研究抗量子计算密码实现的泄露特征及攻击方法，构建专家知识库并设计检索注入机制；研究封装波形预处理、泄露分析、密钥恢复等标准化工具集，实现大语言模型闭环智能调度；设计具备任务理解与动态规划能力的侧信道分析智能体，实现面向芯片从波形输入到报告生成的闭环攻击验证。

考核指标：建立1套基于大语言模型的侧信道分析智能体原型系统：构建100条以上的侧信道分析知识条目，包含10种以上的侧信道分析技能工具，支持技能工具集扩展；完成针对至少ML-KEM、ML-DSA两种抗量子计算密码算法的验证，验证平台需覆盖嵌入式软件实现与至少一种FPGA或专用硬件IP核实现；1份研究报告；2篇论文（中国密码学会或中国计算机学会的B类及以上）；2项发明专利。

技术联系人：王向荣，15313029921；孙建伟，15313056269。

（九）其他探索性抗量子计算密码研究问题

研究内容：鼓励探索抗量子计算密码基础理论和应用技术，阐明研究问题的新颖性、原创性和可行性。包括但不限于：基于AI的抗量子计算密码算法分析技术、抗量子计算密码数学困难问题安全强度评估技术、指令细粒度控制的动态可重构芯片设计技术、支持密码敏捷替换的设备设计实现方法、抗量子计算密码产品迁移一体化检测技术、典型场景抗量子计算密码产品迁移量化评价方法、典型场景抗量子计算密码迁移安全应用方案等。

技术联系人：梁敏，15313010685；朱莹，15313013709。

三、申请程序及要求

（一）申请条件

见《抗量子计算密码北京市重点实验室开放课题管理办法（试行）》（见附件1）规定的有关要求。

（二）限项申请规定

课题申请人同批次只能申请1项课题。

（三）申请要求

申报截止时间为2026年9月20日24时，请有意向申报的科研人员按照模板填写课题申请书（见附件2），电子版的签字盖章申请书扫描件（PDF版本）发送至抗量子计算密码北京市重点实验室的开放课题电子邮箱（pqckfkt@163.com），邮件名称为：申请人+课题名称。

（四）联系方式

申报过程中遇到管理上的问题（如开放课题管理办法的答疑），可联系抗量子计算密码北京市重点实验室办公室。联系人及电话：谭老师（15301102967）。

附件1：《抗量子计算密码北京市重点实验室开放课题管理办法（试行）》

附件2：《抗量子计算密码北京市重点实验室开放课题申请书模板》

附件下载请扫描下方二维码：

抗量子计算密码北京市重点实验室

2026年8月4日

1. 摘要

本文梳理Tor Core与Lyrebird的重大版本变迁，并调研截至2026年7月31日，Tor Browser提供的全部四类可插拔传输协议（Pluggable Transport，PT）的关键变化，包含obfs4、meek、Snowflake和WebTunnel[1]。其中Tor Core负责网桥接入、PT进程管理及Tor网络协议，Lyrebird则是由Tor Core调用、集中实现上述四类PT客户端功能的外部程序，二者构成本文的两条版本主线。Tor Browser则是Tor最终提供给普通用户使用，访问Tor网络的工具，其中集成了Tor Core和Tor Lyrebird。本报告信息主要依据Tor Core与Lyrebird的ChangeLog、Tor官方博客以及团队部分资料整理[2-3]。

2. Tor PT与Bridge的概念界定

在Tor技术体系中，可插拔传输协议是一类以独立子进程实现的模块化抗审查机制，通过转换或转发Tor流量，降低其被审查设备识别和阻断的可能性。因此，PT属于流量混淆层面的机制协议，而不是Tor网络中的核心协议[4]，仅用于帮助不能够使用原生Tor网络的用户突破网络封锁。

网桥（Bridge）则是有意不列入公开Tor共识文件、仅作为入口使用的Tor中继节点[5]。网桥充当PT的服务端，因此，“obfs4网桥”和“WebTunnel网桥”通常指部署obfs4或WebTunnel服务端的特殊Tor入口节点[6]。严格来说，obfs4、meek、Snowflake和WebTunnel本身均为PT，而非网桥。不同之处在于，obfs4和WebTunnel通常由志愿者部署服务端PT，供Tor的其它用户使用，任何用户可以自由搭建和部署obfs4和WebTunnel网桥；而meek通过CDN等前置基础设施将流量转发至运行meek-server的后端网桥；Snowflake先由broker撮合客户端与短生命周期志愿代理，再经该代理将流量转发至Snowflake网桥，并进一步接入Tor网络，其中前置CDN、broker和Snowflake志愿代理均不是Tor中继节点[7-9]，当然也就不能称之为网桥。meek和Snowflake的网桥数量很少，仅有个位数，大多数由Tor官方维护[10-11]。Tor Browser将这四类PT统一置于网桥配置界面中，属于连接配置层面的产品分类，并不意味着PT与网桥在技术概念上等同[1]。

3. Tor Core版本变迁

Tor Core不直接实现PT的伪装算法，而是负责网桥使用、PT子进程管理及Tor网络协议。为突出与流量特征相关的演进，下表仅保留网桥与PT架构，以及会显著改变TLS握手、连接时序、填充、cell调度或电路流控的关键版本。使用PT时，公网观察者首先看到的是Lyrebird生成的外层传输，而Tor Core的变化主要作用于内层Tor链路，不能直接等同于PT外层指纹[4,6]。

版本与日期	关键变化
0.2.0.3-alpha （2007-07-29）	首次引入网桥机制，包括桥中继、桥客户端及桥目录权威的初步实现。
0.2.0.20-rc （2008-02-24）	引入v2 Tor链路握手及链路协议版本协商，TLS握手采用更接近浏览器的密码套件列表，降低静态指纹[12]。
0.2.3.6-alpha （2011-10-26）	引入无需TLS重协商的v3链路握手及可变长度VPADDING，客户端和网桥在主动发起的OR连接上不再发送TLS证书链[13-14]。
0.2.3.9-alpha （2011-12-08）	实现managed proxy，并随机化网桥TLS证书序列号，形成Tor管理外部PT进程的框架[2,6]。
0.2.4.11-alpha （2013-03-11）	随机化TLS链路证书有效期，去除固定证书寿命这一可被审查者利用的静态特征。
0.2.4.19 （2013-12-11）	ntor（基于Curve25519的电路扩展握手）进入Stable系列
0.2.5.5-alpha （2014-06-18）	随机化空闲TLS连接的关闭时间并调整连接保留策略，降低连接持续时间的固定模式。
0.3.1.7 （2017-09-18）	连接级NetFlow填充进入Stable系列，客户端与中继之间的空闲链路按随机间隔双向发送padding cell[15]。
0.3.2.9 （2018-01-09）	实验性的v3 onion service与KIST/KISTLite调度器进入Stable系列，新调度器决定各电路向OR连接交付cell的先后，其中KIST利用内核TCP反馈避免TCP发送缓冲区过满。
0.4.1.5 （2019-08-20）	洋葱服务客户端侧INTRODUCE与RENDEZVOUS电路的起始填充进入Stable系列[16]。
0.4.7.7 （2022-04-27）	基于RTT的电路拥塞控制进入Stable系列，客户端与服务端利用SENDME往返时延估计拥塞并动态调节拥塞窗口[17]。
0.4.8.4 （2023-08-23）	Conflux与可选的洋葱服务PoW进入Stable系列；Conflux可将部分通用出口流量调度到两条电路[18-19]。
0.4.8.17 （2025-06-30）	使用OpenSSL 3.5.0及以上版本时支持X25519/ML-KEM-768混合后量子TLS握手[20,22]。
0.4.9.5 （2026-02-12）	CGO与Happy Families进入Stable系列；Tor链路的最低TLS版本提高至1.2，并更新TLS 1.2客户端密码套件列表以匹配Firefox[21,23-24]。

OpenSSL 3.5.0于2025-04-08发布[25]。Tor 0.4.8.17在运行时使用OpenSSL 3.5.0或更高版本时，支持在Tor链路TLS中使用X25519/ML-KEM-768混合后量子握手[20,22]。Tor 0.4.9.5的OpenSSL最低要求仍为1.1.1，仅强烈建议使用3.0或更高版本，因此最低要求并未提高至3.5[21]。该能力仅作用于Tor链路层TLS，不表示ntor或ntor v3电路握手已经后量子化。

4. Lyrebird版本变迁

在Tor Browser的PT接入体系中，Lyrebird承担客户端侧的统一实现与集成。Tor Core将其作为外部PT进程调用，由它在同一可执行程序中提供obfs4、meek、Snowflake和WebTunnel的客户端功能。不过，meek、Snowflake和WebTunnel各自拥有可独立构建和运行的代码仓库，Tor通过复现或调用这些仓库中的代码，将其功能融合进Lyrebird仓库[26-28]，obfs4则因原obfs4proxy项目演变为Lyrebird，由Lyrebird直接维护[29]。

从代码组织方式看，obfs4的客户端与服务端代码位于Lyrebird源码中；meek采用内置的精简客户端meek_lite，其代码大量借鉴meek-client，但不直接调用完整的meek-client[26,29]；Snowflake适配层调用独立Snowflake项目的Go客户端库[27,29]；WebTunnel适配层复用独立WebTunnel项目的HTTP Upgrade与TLS组件，并由Lyrebird完成参数解析和uTLS适配[28-29]。这种整合主要服务于Tor Browser的客户端接入，独立PT项目中的服务端及配套基础设施仍分别维护，包括meek-server及reflector、Snowflake服务端、broker和志愿代理，以及WebTunnel服务端[26-28]，而Lyrebird中的更新通常会慢于PT独立代码仓库。Tor发布的Tor Browser并不会使用独立PT仓库中的客户端，而是直接使用Lyrebird。

版本与日期	关键变化
obfs4proxy 0.0.1 （2014-09-03）	首次发布，建立obfs4实现基线[30]。
0.0.6 （2016-01-25）	加入meek_lite客户端。
0.0.9 （2019-02-05）	meek_lite引入uTLS ClientHello伪装，并对默认Azure桥实施证书链公钥固定。
0.0.10 （2019-04-12）	在meek_lite的uTLS路径中禁用源自Go crypto/tls的特有行为，降低TLS可区分性。
0.0.11 （2019-06-21）	使obfs4握手失败处理更加一致，降低行为可区分性。
0.0.12 （2021-12-31）	初步修复Elligator2实现的长期可区分问题，并加入uTLS Chrome 83指纹配置。
0.0.13 （2022-02-04）	meek_lite停用uTLS指纹伪装，并取消对默认网桥的证书链固定[3]。
0.0.14 （2022-09-04）	补全0.0.12中不完整的Elligator2子群问题修复。
Lyrebird 0.1.0 （2023-05-31）	项目由obfs4proxy更名为Lyrebird，并在主线恢复meek uTLS支持。
0.2.0 （2024-03-27）	加入WebTunnel客户端；其HTTPS/TLS传输已可显式启用uTLS[31]。
0.5.0 （2024-11-07）	加入Snowflake客户端支持，至此四类PT的客户端功能均已整合至Lyrebird。
0.6.1 （2025-04-28）	回移uTLS的TLS版本降级检查修复[32]。
0.6.2 （2025-10-15）	更新Tor维护的uTLS分支，修复Chrome指纹模仿中GREASE ECH扩展的加密套件选择，降低uTLS可检测性[33]。
0.7.0 （2025-11-19）	WebTunnel默认启用uTLS，并加入证书链哈希固定、多个TLS服务名候选和sni-imitation。
0.8.0 （2025-12-09）	meek支持多组URL/front组合。
0.8.1 （2026-01-14）	更新uTLS并修复非后量子Chrome 120模仿配置中缺失padding扩展的问题[34]。

5. 四类PT的发展变化

5.1 obfs4

obfs4采用基于ntor的认证密钥交换，并利用Elligator2隐藏Curve25519公钥的线上表示；握手建立会话密钥后，数据经过加密、认证和填充，使字节特征接近随机。在未获知Node ID和身份公钥等通过桥接行带外分发的参数时，攻击者难以确认obfs4服务的存在[30]。obfs4proxy 0.0.1于2014-09-03首次发布，Tor Browser 4.5-alpha-1于2014-11-18在alpha渠道加入obfs4[35]。此后的关键安全变化是0.0.11统一握手失败处理，以及0.0.12和0.0.14修复Elligator2实现的可区分性问题，从而降低协议指纹并增强抗主动探测能力[3]。

5.2 meek

meek将Tor流量封装于HTTPS中，并通过域前置隐藏实际流量。Tor Browser 4.0-alpha-1于2014-08-12首次纳入独立的meek 0.10客户端，当时尚未采用后来内置于obfs4proxy和Lyrebird的meek_lite[8,36]。obfs4proxy 0.0.6加入meek_lite，0.0.9为其引入uTLS，0.0.13则停止使用uTLS模拟浏览器式TLS指纹。Tor Browser随后采用恢复uTLS支持的Tor维护版本0.0.14-tor2，Lyrebird 0.1.0再将该支持纳入正式主线[3,37]。Lyrebird 0.8.0加入多组URL/front组合，并可在请求失败时轮换候选组合[3]。uTLS在此主要用于塑造浏览器式ClientHello指纹，并未改变meek基于HTTPS和域前置的基本架构。

5.3 Snowflake

Snowflake的broker仅承担会合与信令功能，负责撮合客户端与动态志愿者池中的可用代理；客户端与代理建立WebRTC数据通道后，代理再通过WebSocket连接Snowflake服务端。志愿代理只是流量转发层，并非Tor中继节点[7]。Tor Browser 7.0a1于2017-01-25首次允许Linux用户测试Snowflake，10.5于2021-07-06将其作为内置网桥选项向Stable版用户开放[38-39]。Lyrebird 0.5.0的意义在于统一集成Snowflake客户端，并非Snowflake协议在2024年才出现[3]。

5.4 WebTunnel

WebTunnel将Tor流量封装为类似WebSocket的HTTPS连接，并可借助反向代理与普通网站共用同一域名、IP地址和端口；Tor Project于2024-03-12宣布其稳定可用[40]。Lyrebird 0.2.0加入WebTunnel客户端时已支持HTTPS/TLS，并可通过utls参数显式选择uTLS[31]；0.7.0才将uTLS设为默认路径，同时加入证书链哈希固定、多个TLS服务名候选和sni-imitation[3]。uTLS在启用时主要改变TLS ClientHello的可观测指纹并替代标准Go TLS握手指纹。

参考文献

[1] Tor Project. Unblocking Tor[EB/OL]. [2026-07-31]. https://support.torproject.org/tor-browser/circumvention/unblocking-tor/.
[2] Tor Project. Tor ChangeLog[EB/OL]. [2026-07-31]. https://gitlab.torproject.org/tpo/core/tor/-/blob/main/ChangeLog.
[3] Tor Project. Lyrebird ChangeLog[EB/OL]. [2026-07-31]. https://gitlab.torproject.org/tpo/anti-censorship/pluggable-transports/lyrebird/-/blob/main/ChangeLog.
[4] Tor Project. Pluggable Transport Specification (Version 1)[EB/OL]. [2026-07-31]. https://spec.torproject.org/pt-spec/.
[5] Tor Project. Glossary[EB/OL]. [2026-07-31]. https://spec.torproject.org/glossary.html.
[6] Tor Project. Proposal 180: Pluggable Transports for Circumvention[EB/OL]. (2010-10-15)[2026-07-31]. https://spec.torproject.org/proposals/180-pluggable-transport.html.
[7] BOCOVICH C, BREAULT A, FIFIELD D, et al. Snowflake, a Censorship Circumvention System Using Temporary WebRTC Proxies[C/OL]//33rd USENIX Security Symposium (USENIX Security 24). Philadelphia, PA: USENIX Association, 2024: 2635-2652[2026-07-31]. https://www.usenix.org/conference/usenixsecurity24/presentation/bocovich.
[8] Tor Project. How to Use the “meek” Pluggable Transport[EB/OL]. (2014-08-15)[2026-07-31]. https://blog.torproject.org/how-use-meek-pluggable-transport/.
[9] Tor Project. Snowflake[EB/OL]. [2026-07-31]. https://snowflake.torproject.org/.
[10] Tor Project. Relay Search: transport:snowflake[DB/OL]. [2026-07-31]. https://metrics.torproject.org/rs.html#search/transport:snowflake.
[11] Tor Project. Relay Search: transport:meek[DB/OL]. [2026-07-31]. https://metrics.torproject.org/rs.html#search/transport:meek.
[12] Tor Project. Proposal 130: Version 2 Tor Connection Protocol[EB/OL]. (2007-10-25)[2026-07-31]. https://spec.torproject.org/proposals/130-v2-conn-protocol.html.
[13] Tor Project. Proposal 176: Proposed Version-3 Link Handshake for Tor[EB/OL]. (2011-01-31)[2026-07-31]. https://spec.torproject.org/proposals/176-revising-handshake.html.
[14] Tor Project. Proposal 184: Miscellaneous Changes for a v3 Tor Link Protocol[EB/OL]. (2011-09-19)[2026-07-31]. https://spec.torproject.org/proposals/184-v3-link-protocol.html.
[15] Tor Project. Proposal 251: Padding for NetFlow Record Resolution Reduction[EB/OL]. (2015-08-20)[2026-07-31]. https://spec.torproject.org/proposals/251-netflow-padding.html.
[16] Tor Project. Proposal 302: Hiding Onion Service Clients Using Padding[EB/OL]. (2019-05-16)[2026-07-31]. https://spec.torproject.org/proposals/302-padding-machines-for-onion-clients.html.
[17] Tor Project. Proposal 324: RTT-Based Congestion Control for Tor[EB/OL]. (2020-07-02)[2026-07-31]. https://spec.torproject.org/proposals/324-rtt-congestion-control.html.
[18] Tor Project. Proposal 327: A First Take at PoW Over Introduction Circuits[EB/OL]. (2020-04-02)[2026-07-31]. https://spec.torproject.org/proposals/327-pow-over-intro.html.
[19] Tor Project. Proposal 329: Overcoming Tor's Bottlenecks with Traffic Splitting[EB/OL]. (2020-11-25)[2026-07-31]. https://spec.torproject.org/proposals/329-traffic-splitting.html.
[20] Tor Project. Stable Release 0.4.8.17[EB/OL]. (2025-06-30)[2026-07-31]. https://forum.torproject.org/t/stable-release-0-4-8-17/19681.
[21] Tor Project. Stable Release 0.4.9.5[EB/OL]. (2026-02-12)[2026-07-31]. https://forum.torproject.org/t/stable-release-0-4-9-5/21227.
[22] Tor Project. Post-Quantum Cryptography in Tor's TLS Layer: Help Needed![EB/OL]. (2026-02-27)[2026-07-31]. https://forum.torproject.org/t/tor-relays-post-quantum-cryptography-in-tors-tls-layer-help-needed/21288.
[23] Tor Project. Proposal 359: Counter Galois Onion, Updated[EB/OL]. (2024-04-02)[2026-07-31]. https://spec.torproject.org/proposals/359-cgo-redux.html.
[24] Tor Project. Proposal 321: Better Performance and Usability for the MyFamily Option (v2)[EB/OL]. (2020-05-27)[2026-07-31]. https://spec.torproject.org/proposals/321-happy-families.html.
[25] OpenSSL Project. OpenSSL 3.5 Final Release - Live[EB/OL]. (2025-04-08)[2026-07-31]. https://openssl-library.org/post/2025-04-08-openssl-35-final-release/.
[26] Tor Project. meek Source Repository[CP/OL]. [2026-07-31]. https://gitlab.torproject.org/tpo/anti-censorship/pluggable-transports/meek.
[27] Tor Project. Snowflake Source Repository[CP/OL]. [2026-07-31]. https://gitlab.torproject.org/tpo/anti-censorship/pluggable-transports/snowflake.
[28] Tor Project. WebTunnel Source Repository[CP/OL]. [2026-07-31]. https://gitlab.torproject.org/tpo/anti-censorship/pluggable-transports/webtunnel.
[29] Tor Project. Lyrebird 0.8.1 Transport Implementations[CP/OL]. (2026-01-14)[2026-07-31]. https://gitlab.torproject.org/tpo/anti-censorship/pluggable-transports/lyrebird/-/tree/lyrebird-0.8.1/transports.
[30] Tor Project. obfs4-spec.txt[EB/OL]. [2026-07-31]. https://gitlab.torproject.org/tpo/anti-censorship/pluggable-transports/lyrebird/-/blob/main/doc/obfs4-spec.txt.
[31] Tor Project. client.go (Lyrebird 0.2.0)[CP/OL]. (2024-03-27)[2026-07-31]. https://gitlab.torproject.org/tpo/anti-censorship/pluggable-transports/lyrebird/-/blob/lyrebird-0.2.0/transports/webtunnel/client.go.
[32] Refraction Networking. ServerHellos Are Accepted Without Checking TLS 1.3 Downgrade Canaries[EB/OL]. (2025-04-23)[2026-07-31]. https://github.com/refraction-networking/utls/security/advisories/GHSA-pmc3-p9hx-jq96.
[33] Tor Project. Use Updated uTLS Fork with AES GREASE Fix[CP/OL]. (2025-10-15)[2026-07-31]. https://gitlab.torproject.org/tpo/anti-censorship/pluggable-transports/lyrebird/-/commit/a74149c066d0269326bd49900218744f4d0890fb.
[34] mingyech. fix: add missing padding extension for chrome 120[CP/OL]. (2026-01-13)[2026-07-31]. https://github.com/refraction-networking/utls/commit/8fe0b08.
[35] Tor Project. Tor Browser 4.5-alpha-1 Is Released[EB/OL]. (2014-11-18)[2026-07-31]. https://blog.torproject.org/tor-browser-45-alpha-1-released/.
[36] Tor Project. Tor Browser 3.6.4 and 4.0-alpha-1 Are Released[EB/OL]. (2014-08-12)[2026-07-31]. https://blog.torproject.org/tor-browser-364-and-40-alpha-1-are-released/.
[37] Tor Project. Bug 40622: Update obfs4proxy 0.0.14[CP/OL]. (2022-11-08)[2026-07-31]. https://gitlab.torproject.org/tpo/applications/tor-browser-build/-/commit/02d54d8cb233b34c167d7a246e6e34fafcb604af.
[38] Tor Project. Tor Browser 7.0a1 Is Released[EB/OL]. (2017-01-25)[2026-07-31]. https://blog.torproject.org/tor-browser-70a1-released/.
[39] Tor Project. New Release: Tor Browser 10.5[EB/OL]. (2021-07-06)[2026-07-31]. https://blog.torproject.org/new-release-tor-browser-105/.
[40] Tor Project. Hiding in Plain Sight: Introducing WebTunnel[EB/OL]. (2024-03-12)[2026-07-31]. https://blog.torproject.org/introducing-webtunnel-evading-censorship-by-hiding-in-plain-sight/.

原文标题：Grounded in Knowledge, Guided by Reason: Automated Fake Cyber Threat Intelligence Detection via Knowledge-Augmented LLM Rationales
原文作者：Lingjia Guo, Ziyi Yan, Zhengwei Jiang, Chunyan Ma, Fangming Dong, Zhao Tong, Xixun Lin
代码和数据集链接：https://github.com/Eternaljj/TRAIL
发表会议：International Symposium on Research in Attacks, Intrusions and Defenses (RAID 2026)
笔记作者：郭凌嘉@中国科学院信息工程研究所
主编：黄诚@安全学术圈

1. 人工智能生成时代下的威胁情报真实性挑战

网络威胁情报（Cyber Threat Intelligence, CTI）是网络主动防御的重要基础。然而，随着大语言模型和智能体技术的发展，攻击者可以快速生成具有专业表达和高仿真性的虚假威胁情报。这些信息可能通过威胁情报平台进行分发应用，误导安全分析人员，并影响自动化安全系统的决策。常规的检测方法主要依赖文本语义和语言模式分析，难以识别语义正确但事实错误的高级伪造情报。

通过建设和运营国家网络空间威胁情报共享开放平台CNTIC，中国科学院信息工程研究所的威胁情报智能分析团队针对近年来这一日益突显的挑战，提出了名为TRAIL的虚假情报检测框架，首次将知识增强的大模型推理机制引入虚假CTI检测，通过事实验证而非文本判断提升检测可靠性。

2. 现有虚假CTI检测方法的三大核心问题

当前虚假网络威胁情报（Fake CTI）检测方法大多依赖文本语义分析或黑盒分类模型，难以应对攻击者生成的高度拟真的虚假情报。现有方法主要面临三方面局限：

语义正确但事实错误：现有检测方法主要关注CTI文本的语言模式、词汇分布和语义特征。然而，现代虚假CTI往往具有专业术语、完整攻击流程和符合安全报告习惯的表达方式，仅从文本层面难以区分真假。攻击者可以通过保持语言真实性隐藏关键事实错误，使传统语义检测方法难以发现。

缺乏知识支撑的推理能力：现有基于大语言模型的检测方法虽然能够生成解释，但通常依赖模型自身参数知识或浅层语义推理，容易产生泛化解释，无法明确指出CTI声明与已有威胁知识之间的支持关系和冲突关系。缺少外部威胁知识约束，使检测结果难以验证和审计。

黑盒判断难以满足安全分析需求：现有方法通常输出简单的真假分类结果，将虚假CTI检测视为二分类任务。然而，在真实安全分析场景中，分析人员不仅需要知道“是否虚假”，还需要了解“为什么虚假”以及“错误发生在哪里”。缺乏可审计推理过程限制了自动化CTI检测系统在实际环境中的应用。

对应 TRAIL 的解决思路：

语义正确但事实错误 → 引入CTI知识图谱进行事实一致性验证

缺乏知识支撑推理 → 利用知识增强LLM生成支持/反驳双向推理

黑盒判断难审计 → 输出可追踪证据链，实现可解释虚假CTI检测

3. 提出的方法：让大模型基于威胁知识进行事实验证

TRAIL提出知识增强大模型推理框架，将CTI知识图谱、LLM推理和判别模型结合，实现从黑盒分类到可解释验证的转变。方法主要包括三个阶段：

1. 威胁要素提取与知识路径检索：从CTI声明中提取攻击者、工具、技术等关键元素，并从知识图谱中检索相关证据路径。

2. 双向知识增强推理：利用检索知识约束大模型生成支持性解释和反驳性解释，分别描述声明被支持和存在冲突的证据。

3. 多证据融合检测：结合原始声明与推理结果，通过判别模型输出最终真实性判断。

4. 构建面向事实一致性的虚假CTI数据集

针对现有数据集容易被文本风格特征影响的问题，本文构建FCTI-HAL数据集。该数据集基于真实人工标注CTI，通过模拟真实攻击中的情报篡改方式生成虚假样本，包括：攻击组织替换、工具和恶意软件实体替换, 攻击步骤顺序错误、技术细节扰动等。生成样本保持语言真实性，同时引入关键事实错误，更符合实际威胁情报污染场景。并且通过实验验证了数据集的质量，为后续相关研究提供了数据支持。

5. 实验结果：虚假CTI检测性能提升

实验结果表明，TRAIL在FCTI-HAL数据集上Accuracy达到87.62%，Macro-F1达到87.58%。相比现有最佳方法Accuracy提升11.46%，F1-score提升12.01%。

消融实验证明了论文方法论各模块的有效性。

使用GPT-5.2在四个维度上评估不同LLM backbone下Rationale的质量。

实验还验证了TRAIL在知识缺失和信息污染情况下仍保持较好的鲁棒性以及运行时间成本和大模型Token花费。

6. 案例分析：输出可审计的威胁情报验证过程

TRAIL不仅输出真假判断，还提供对应的证据链。对于一条CTI声明，系统能够定位知识图谱中的相关事实，随后生成解释说明哪些内容被知识支持，哪些内容存在冲突，使安全分析人员能够快速理解检测依据。

为说明 TRAIL 在真实分析场景中的作用，论文选取了一个典型案例：

CTI 声明

FIN6 used a Windows batch file with Adfind to perform internal reconnaissance and query Active Directory.

从声明中提取关键事实

TRAIL 首先将原始声明拆解为三个核心事实三元组：

T1：<FIN6, uses, Windows batch file>

T2：<Windows batch file, uses, Adfind>

T3：<FIN6, performs, internal reconnaissance>

这一步将一段自然语言描述转换为可以逐项验证的攻击事实。

从知识图谱中检索证据路径

围绕上述实体与关系，TRAIL 在 CTI 知识图谱中检索到多条相关路径：

FIN6 → uses → Windows batch file

Windows batch file → leverages → Adfind

Adfind → used for → internal reconnaissance

这些路径分别对应声明中的攻击组织、工具使用关系和侦察目的。

生成可追踪的支持性解释

基于检索结果，TRAIL 生成如下支持性解释： The paths explicitly state that FIN6 uses a Windows batch file (T1), and that the Windows batch file leverages Adfind (T2). Additionally, one path indicates that Adfind is used for internal reconnaissance (T3). These facts directly align with the claim's core triples.

表面上看，这条声明具有完整的攻击主体、工具和行为描述，语言表达也符合常见的威胁情报写作方式。仅依赖文本语义，很难判断其真实性。

该案例体现了 TRAIL 的核心优势：

• 定位关键事实：将复杂 CTI 文本分解为可验证的实体关系。

• 提供明确证据：每个判断都能追溯到具体知识路径。

• 解释判断依据：系统能够说明哪些事实被支持，以及支持来自哪里。

• 辅助人工复核：分析人员无需重新检索全部背景资料，即可快速核验结论。

7. 这项工作为什么重要？

论文首次将知识增强型大语言模型推理引入虚假CTI检测。

• 提供了知识增强型推理输出，能够明确揭示潜在冲突及缺失的支撑证据。这不仅使安全分析师能够有效识别虚假CTI，还能将检测从黑箱分类提升为白盒验证，从而支持可信的决策。

• 构建了一个名为FCTI-HAL的基准数据集，用于虚假CTI检测，其中包含大量CTI声明信息，以便进行对比评估和系统研究。

• 在两个数据集上进行了大量实验，结果表明TRAIL在准确率上比现有基线高出11.46%，在F1分数上高出12.01%，并且通过案例研究讨论了TRAIL的鲁棒性及其实际应用价值。

8. 总结

论文首次探索了知识增强LLM推理在虚假网络威胁情报检测中的应用，通过知识约束、双向解释生成和证据融合，实现高准确率、可解释、可验证的自动化CTI真实性分析，该研究为构建可信威胁情报生态提供了新的技术路径。

作者团队

• 论文来自中国科学院信息工程研究所威胁情报智能分析团队。团队主要从事网络威胁狩猎、APT攻防对抗、大模型与智能体安全等方面的研究，在S&P、USENIX、FSE、RAID等国内外顶级会议与权威期刊上发表论文70余篇，发明专利授权20余项，国标行标起草10余项；历年在知名网络攻防演练、安全大数据分析实战大赛、AI检测模型测试中取得冠军或一等奖的佳绩。联系邮箱jiangzhengwei#iie.ac.cn

原始标题：关于2025年度陕西省科学技术奖励的决定
原始链接：https://kjt.shaanxi.gov.cn/kjdt/tzgg/202607/t20260721_3659024.html
分析引擎：腾讯云宝
声明内容：内容仅供参考，大模型分析可能有误，建议阅读原始链接

根据您提供的《2025年度陕西省科学技术奖获奖项目》文档，我筛选出与网络空间安全直接相关的获奖项目，涵盖数据安全、工业网络安全检测、物联网数据安全、芯片安全、云安全通信等方向，整理如下表：

编号	项目名称	奖项类别	项目等级	主要完成人	主要完成单位	提名者
20252121	云计算下数据安全理论及方法	自然科学奖	一等奖	李兴华,苗银宾,马鑫迪,王运帷	西安电子科技大学	陕西省科学技术协会
20253025	智能物联网数据安全处理关键技术及应用	技术发明奖	二等奖	朱辉,王滨,王枫为,郑艳冬,张松年,曹进	西安电子科技大学,杭州海康威视数字技术股份有限公司	陕西省教育厅
20254041	芯片设计安全评估技术	科学技术进步奖	二等奖	胡伟,张延伟,慕德俊,屈若媛,武玲娟,沈利香,邰瑜,毛保磊,朱丹,周慧思	西北工业大学,中国空间技术研究院	陕西省教育厅
20254590	面向工业网络环境的安全检测关键技术及应用	科学技术进步奖	一等奖	马小博,李剑锋,卞华峰,吕晓婷,闫新成,王凤伟,游世林,王伟,刘文懋,王锋,赵粤征,曲彦宾,刘霈霖,张世娇,胡帅	西安交通大学,中兴通讯股份有限公司,西交网络空间安全研究院,北京交通大学,北京神州绿盟科技有限公司,电信科学技术第十研究所有限公司,西京学院,联通西部创新研究院有限公司	陕西省计算机学会
20254820	基于容器云的复杂环境智能化软件敏捷构建技术及应用	科学技术进步奖	二等奖	李青山,王璐,张杰勇,李瑞,张志升,杜炜,李飞,张宁,孙鹏	西安电子科技大学,中国人民解放军空军工程大学,延长油田股份有限公司富县采油厂,陕西延长石油(集团)有限责任公司	中共陕西省委军民融合发展委员会办公室
20254344	视频云安全通信关键技术及标准化应用	科学技术进步奖	三等奖	张勇,王艳辉,朱志祥,亓娜,彭琴,沈军,王闯	西安邮电大学,视联动力信息技术股份有限公司,陕西省信息化工程研究院	西安市人民政府

💡 说明：上表基于文档中项目名称明确包含"数据安全""安全检测""安全评估""安全通信"等网络空间安全核心关键词进行筛选；部分泛通信网络项目（如"多层多域多维立体网络的一体化协同关键技术及应用"）未纳入，以避免扩大化。

获奖信息分析:

2025年度陕西省科学技术奖中，网络空间安全方向共有6项获奖成果，覆盖自然科学奖、技术发明奖、科学技术进步奖三大奖种，呈现出"基础理论—关键技术—产业应用"的完整创新链条。从完成单位看，西安电子科技大学、西安交通大学、西北工业大学、西安邮电大学等高校构成了陕西网络安全研究的主体力量，其中西安交通大学联合西交网络空间安全研究院、中兴通讯、神州绿盟等产学研单位共同完成的面向工业网络环境的安全检测关键技术及应用摘得科技进步一等奖，体现了陕西在工业互联网安全这一国家急需方向上的硬实力；西安电子科技大学在数据安全基础理论（自然科学一等奖）和物联网数据安全（技术发明二等奖）上双双入选，彰显了其在密码学与数据安全领域的传统优势；西安邮电大学的视频云安全通信关键技术及标准化应用获科技进步三等奖，突出标准制定与重大活动保障的应用价值。整体而言，这些获奖成果紧扣网络强国战略需求，在数据安全、工业安全、云安全、芯片安全等核心方向形成了具有全国影响力的陕西方阵，且一等成果偏重基础理论与工业网络安全，三等成果侧重视频云安全的标准化与产业化落地，层次分布合理、应用场景清晰。

实验室设立开放课题基金，聚焦实验室科研需求，推进智能警务相关高端研究人才聚合与科研能力培育，鼓励国内其他高等院校、科研机构和相关企业的研究人员尤其是中青年人才，开展与实验室主要研究方向相关的研究工作，促成与实验室研究团队联合开展科学研究与学术交流，瞄准公共安全管理和打击违法犯罪的智能化、精准化和科学化目标，推动公安工作从传统警务"向"智能警务"转型升级。

一、基金资助方向

与本实验室的建设和发展紧密相关、意义重大、学术思想新颖、属于学科发展前沿的研究课题，研究成果要和公安技术相结合， 助推公安工作质量变革、效率变革、动力变革。

资助方向分为两大类：实验室研发选题和科技成果转移转化选题。两类选题均可申报重点课题、面上课题和青年课题，在评审程序、结题指标、资助强度等方面同等对待。

1、实验室研发选题

在实验室近期开展的研究内容基础上进行延伸，开展核心技术攻关、共性应用技术研究。申请者在具体条目中择一申请，可根据研究角度、方法和侧重点对选题的文字表述进行微调。

2、科技成果转移转化选题

申请者需围绕突发事件智能感知、状态判别及应对，新型网络犯罪侦查取证，智能物证勘验与溯源，将大数据、人工智能等技术在公安工作中进行具体应用和实践，开展先进适用技术的成果转化、综合集成和典型示范应用，提出切实可行的应用推广方案，促进新技术、新装备和新理念、新机制在公安业务中深化应用，发挥科学技术的强警增效作用，有效提升现有公安业务的智能化水平和工作效率。

二、课题类型

本年度资助的开放课题类型包括重点课题、面上课题和青年课题，资助金额分别为15万元、10万元和5万元，课题执行期为3年（2027.01-2029.12）。

三、申请人条件

1、重点课题申请人，应具有副高级及以上职称；面上课题申请人，应具有副高级及以上职称或具有博士学位；青年课题申请人，应具有中级以上（含中级）职称或取得硕士及以上学位，年龄不超过40周岁。重点课题申报团队需提供一段5分钟视频（也可以是PPT录屏），简要介绍课题负责人学术履历和研究内容等。

2、每位申请者作为课题负责人只能申报1个课题，课题负责人申报时须征得课题组各成员本人同意。在研的本实验室开放课题负责人，不得申请新的实验室开放课题（以获取结项证书为准）。

3.为避免重复立项，申报者以相同或相似题目已立项厅局级及以上课题，或以相同或相似题目申报过四川警察学院其他平台课题，不得再次申报本实验室课题。

4、开放课题实行申请机构和实验室共同负责制。为了保障开放课题顺利执行，每项开放课题至少有一名实验室固定研究人员作为课题组成员参与课题研究。

四、开放课题结题要求

为鼓励结题成果形式多样化，实验室开放课题以"基本结题要求+积分制结题要求"方式结题，各课题组在满足基本结题要求的同时，还需达到积分要求。同一成果不能在基本结题要求和积分制结题要求中重复计算。

1、基本结题要求

实验室固定研究人员作为课题组成员参与课题研究，以实验室固定研究人员作为主要贡献人的论文，实验室固定研究人员为第一作者，四川警察学院为第一署名单位、实验室为第二署名单位，并标注课题资助信息。

重点课题：SCI/SSCI/EI期刊，1篇。

面上课题：SCI/SSCI/EI期刊，1篇。

青年课题：SCI/SSCI/EI期刊/北大核心，1篇。

2、积分制结题要求

积分制结题要求的构成可由课题组自由选择，结题时记总分，重点课题需达到4分及以上、面上课题需达到2分及以上、青年课题需达到0.5分及以上，方能结题。

表1 积分制结题要求

结题成果需在项目立项后取得，并与研究课题紧密相关。作为课题组成员参与课题的实验室固定研究人员需根据相关贡献，协商确定成果归属。

五、其他注意事项

1、课题承担者遵守实验室开放课题管理规则等要求，并按时提交中期进展和结题报告。课题执行期内须在实验室报告交流一次。

2、由实验室资助课题所发表的论文、论著、研究报告、资料中均应署名：智能警务四川省重点实验室（英文：Intelligent Policing Key Laboratory of Sichuan Province），且须标注"智能警务四川省重点实验室开放课题资助，课题编号：XXX"（Supported by Intelligent Policing Key Laboratory of Sichuan Province, No. XXX ）中英文字样。

3、论文需线上/线下刊出，其中SCI/SSCI/EI须附检索报告；国家发明专利须获得专利批准号；项目立项须附立项证明材料；标准制定须获得标准号或编号；奖励获奖须提供获奖证书；专著须获得国际标准书号。

4、用以结题的科研成果，不得含有实验室固定研究人员ORCID标识码。

六、课题申请时间

1、开放课题申请者下载并填写申请书（附件2）。

2、开放课题申请截止日期：2026年9月7日。申请者应在截止日期之前将课题申请书电子档（Word），以及课题申请书扫描件（PDF，本人签字、所在单位/院系盖章），打包发送到指定邮箱Intepolc_Lab@163.com，无需邮寄纸质申请书。其中，申请书电子档和扫描件的文件名均为"2027年度开放课题+申请人+重点/面上/青年"。

3、本课题经费需按照纵向科研项目经费管理办法进行管理。 资助经费在立项后发放60%。课题执行期第二年年末进行中期检查，向通过中期检查的项目发放40%资助经费。结题时需提供决算表、经费使用明细账和对应报销凭证。

七、申报咨询与申请书报送

1、研究方向相关问题，请咨询：
突发事件智能感知、状态判别与应对研究  柏老师   19950883672
新型网络犯罪侦查取证研究  冷老师   18989121080
智能物证勘验与溯源研究  朱老师   19115835582
2、申请书报送状态，请咨询：
郑老师   15618563490 Intepolc_Lab@163.com
3、其他未尽事宜，请咨询：
韩老师   15008473144
更多信息详见：https://ipklsc.scpolicec.edu.cn/info/1038/1985.htm

原始标题：2026年度"CICC科学技术奖"评审结果公示
原始链接：https://mp.weixin.qq.com/s/Ts9vGgIKOiJCpF6suyB-IQ
分析引擎：腾讯云宝
声明内容：内容仅供参考，大模型分析可能有误，建议阅读原始链接

依据中国指挥与控制学会科学技术奖的有关条例，中国指挥与控制学会自2026年1月起，开始受理2026年度“中国指挥与控制学会科学技术奖”的申报、推荐工作。经资格审查、评审和终评三个阶段，拟对81个项目、14名个人进行授奖。现将拟授奖项目及个人予以公示，接受社会监督。公示期为15天（2026年7月15日至7月29日）。如对拟授奖项目或个人有异议，请于公示期间以书面形式提出。异议材料请寄送北京市海淀区车道沟10号院科技1号楼10层中国指挥与控制学会科学技术奖励工作办公室。联系电话：010-68964784、68964756。

根据《2026年度"CICC科学技术奖"评审结果公示》，梳理出与网络空间安全直接相关的拟授奖项目及个人如下（提名者字段原文未提供，已移除）：

网络空间安全相关获奖项目

编号	项目名称	奖项类别	项目等级	主要完成人	主要完成单位
1	重要工业基础设施网电风险感知与防范关键技术及应用	技术进步奖·科技进步类	一等奖	尹鹏,刘峰,韩宇,陈壮志,葛一正,杨雨沱,范星宇,李忠,朱三立,刘义伟,刘立辉,陈华山,吴大衍,司光振,宣琦	中国科学院信息工程研究所、军工保密资格审查认证中心、浙江工业大学、哈尔滨工程大学、中国电子科技集团公司第二十二研究所、南京邮电大学、沈阳邦粹科技有限公司
2	面向公共安全风险治理的认知决策与协同指挥关键技术与应用	技术进步奖·科技进步类	一等奖	杜漫,刘永强,江昊,徐天衡,何之栋,靳文波,杨波,张崇慧,侯忠辉,林晓冬,杨海天,邱祥平,冯凯,李昊,李淑鹏	上海迪爱斯信息技术有限公司、应急管理部大数据中心、武汉大学、中国科学院上海高等研究院、首都机场公安局、上海市消防救援总队、中国科学院信息工程研究所
3	电磁频谱安全威胁认知与管控关键技术及应用	技术进步奖·科技进步类	一等奖	陈勇,吴昊,张涛,乔晓强,梁颋,林磊,张余,杜盈,张江,杜奕航,陈怀蔚,林荣鼎,刘新浩,尚志会,肖志强	中国人民解放军国防科技大学第六十三研究所、中国电子科技集团公司第七研究所、国家无线电监测中心检测中心
4	船舶有无人协同网络安全关键技术及应用	技术进步奖·技术发明类	二等奖	徐明迪,陈旭,林少锋,叶清,张裔,靳朝阳,冯光升,吴磊涛,张帅,陈璐,姜山,吕宏武,王伟,樊琳娜,周紫薇	中国船舶集团有限公司第七〇九研究所、中国人民解放军91977部队、中国人民解放军信息支援部队工程大学、哈尔滨工程大学
5	智能化网络空间防御演训关键技术研究与应用	技术进步奖·科技进步类	二等奖	吴波,何俊,周华,倪林,杨刚,沈璇,耿君峰,余祥,姜植元,林雪纲,黄金杰,瞿志强,代威,屈万勰,谷敏	中国人民解放军信息支援部队工程大学、国防科技大学计算机学院、国防科技大学电子对抗学院、奇安信科技集团股份有限公司、奇安信网神信息技术股份有限公司
6	面向行业应用的大模型安全增强与智能推理关键技术及应用	技术进步奖·科技进步类	二等奖	霍静,冯俊兰,杨威,刘佳恒,邓超,黄虎,王博岩,袁向阳,孟繁宇,张禹尧,吴志壕,高阳,李君,杨天培,解宇	南京大学、中移九天人工智能科技(北京)有限公司、中国运载火箭技术研究院、江苏万维艾斯网络智能产业创新中心有限公司

网络空间安全方向个人奖

编号	姓名	奖项	单位	研究方向
1	王博辉	创新奖	西安交通大学	信息物理融合系统集群与指控安全
2	夏莹杰	创新奖	杭州电子科技大学	安全芯片设计、物联网安全、车联网安全
3	王景璟	创新奖	北京航空航天大学	低空网络与安全

获奖信息分析

2026年度CICC科学技术奖中，网络空间安全类成果呈现场景下沉到关键基础设施+技术融合网电一体+主体军地产学协同的鲜明特征：项目层面，6项网安相关拟授奖集中在工业基础设施网电风险防范（信工所牵头）、电磁频谱安全认知管控（国防科大63所）、公共安全风险认知决策（含信工所）、船舶有无人协同网络安全（709所）、大模型安全增强（南大+中移九天）、智能化网络空间防御演训（信息支援部队工程大学+奇安信）四大场景，反映出指挥控制领域的网安已突破传统边界防御，走向"网电一体+AI赋能+关键基础设施"的融合范式；承担单位以中科院信工所、国防科大63所、709所、奇安信、南大等为骨干，形成"军队院所主导攻防、高校深耕算法、企业落地产品"的协作链；个人奖维度，创新奖10人中占3席（王博辉-CPS/指控安全、夏莹杰-芯片/物联网/车联网安全、王景璟-低空网络安全），显示CICC对"网安+指挥控制"交叉方向青年力量的倾斜认可，与当前低空经济、工业关保、大模型安全等战略需求高度同频。

原文标题：STAR: Semantic-Traffic Alignment and Retrieval for Zero-Shot HTTPS Website Fingerprinting
原文作者：Yifei Cheng, Yujia Zhu, Baiyang Li, Xinhao Deng, Yitong Cai, Yaochen Ren, Qingyun Liu
代码链接：https://github.com/2654400439/STAR-Website-Fingerprinting
数据集链接：https://zenodo.org/records/17060855
发表会议：IEEE International Conference on Computer Communications (INFOCOM) 2026
笔记作者：程逸飞@安全学术圈
主编：黄诚@安全学术圈

HTTPS 正在隐藏越来越多的信息：DNS 可以加密，TLS Client Hello 也可以通过 ECH 隐藏，过去可直接观察的域名和协议元数据正在逐渐消失。

但“看不见内容”，并不等于“看不见网站”。网页资源组成、资源大小、请求路径长度和 HTTP 版本等高层结构，仍会在加密流量的包长、方向和传输协议中留下投影。网站指纹攻击正是利用这些残留模式，尝试推断用户访问的网站。

传统网站指纹方法通常需要先为目标网站采集流量样本，再训练分类器。这一范式成本高，也使模型往往只能识别训练时见过的网站。近期被 IEEE INFOCOM 2026 录用的论文 STAR 提出了一种新思路：将网站指纹识别改写为加密流量与网站逻辑画像之间的跨模态检索任务。

一句话概括：传统方法是在流量里“认熟人”，STAR 则试图让流量与网站的结构描述“对暗号”。

1、没有目标网站流量，模型凭什么认识它？

现有网站指纹方法大多采用监督学习范式：先为每个目标网站采集若干条加密流量，再训练分类器学习“流量—网站标签”的映射。这带来两个限制：一是网站内容持续变化，旧指纹会逐渐失效；二是分类器通常只能识别训练类别，出现新网站时仍要重新采集流量。

STAR 的关键转变，是为网站构建一种无需目标侧流量的“逻辑画像”。研究者可以通过自动化网页爬取获得 URI 长度、资源大小、HTTP 版本、MIME 类型等资源级属性，再将这些逻辑信息与加密流量映射到同一个向量空间。推理时，系统将待测流量与画像库逐一匹配，返回语义上最对齐的网站。

因此，目标网站加入识别库时不再必须提供流量样本：只要能够获得其网页逻辑画像，就可以成为检索候选。这正是论文所定义的零样本网站指纹识别。

2、跨模态对齐的三个线索

把加密数据包与网页资源属性放进同一空间，听起来并不天然。STAR 从现代 Web 协议机制中归纳出三类跨模态对齐锚点。

• 请求锚点：HTTP/2 和 HTTP/3 会压缩大量重复请求头，而资源 URI 仍是重要的可变字段。经过 Huffman 编码后，URI 长度与 HTTPS 请求包长度呈近似线性关系。

• 响应锚点：网页图片、脚本、字体等资源最终都要通过响应传输。单个资源大小与其对应响应包的累计长度天然相关。

• 协议锚点： HTTP/3 运行于 QUIC/UDP 之上，因此服务器侧的 HTTP/3 使用情况，会在流量侧表现为可观察的 UDP 占比。

论文在排名前 1000 的网站上进行了统计检验。结果显示，三类锚点均呈现显著的跨模态对应关系，其中协议锚点在测试网站中达到 100% 的显著比例。这说明 STAR 的可行性并非只来自模型拟合能力，而是建立在现代 Web 协议产生的结构性泄露之上。

3、STAR：把网站指纹识别改造成跨模态检索

STAR 采用双编码器架构：一个编码器理解网站逻辑，另一个编码器理解加密流量。逻辑模态以网页资源序列表示，包含 URI 长度、响应大小、HTTP 版本、MIME 类型、服务器 IP 索引等特征；流量模态则保留数据包方向化长度、HTTP 版本和流索引。

模型使用 Transformer 编码网站逻辑序列，并以改造后的 DFNet 编码三通道流量序列，最终把二者投影到同一个 256 维归一化空间。训练时，STAR 结合 InfoNCE 对比损失、监督对比损失和一致性损失，让配对的“逻辑—流量”表示更接近，并提升不同网站之间的可分性。

推理阶段，模型先计算待测流量向量，再与画像库中的网站逻辑向量计算余弦相似度。相似度最高且超过阈值的网站被作为识别结果；若最高分低于阈值，则拒识为未知网站。

这一设计也兼容少样本场景。如果能够额外获得少量目标网站流量，STAR 可以冻结编码器，仅通过 Linear Probe 或 Tip-Adapter 将零样本检索结果与少样本信息融合。

4、面对网站变化：两种模态必须同步增强

网站指纹的另一个难点，是同一网站在不同时间访问时，可能加载不同的广告、图片或第三方资源。若只对流量或逻辑画像单独做数据增强，两种模态原本的对应关系反而会被破坏。

STAR 因此提出结构感知的跨模态增强方法：利用服务器 IP 这一两侧共有的结构信息，在逻辑模态中删除某些 IP 对应的资源，同时在流量模态中删除相关数据包。这样得到的是内容有所变化、但内部仍保持一致的“逻辑—流量”子样本对。

这项设计模拟了网页部分资源消失或变化的情况，让模型学习更稳定的局部对齐关系。

5、17万余组跨模态样本，1600个未见网站：效果如何？

论文围绕两类数据开展评估。STAR-200K 基于 Tranco 排名前 20 万的网站采集数据，过滤异常后获得 17 万余组有效“逻辑—流量”样本，其中 15 万组用于预训练，2 万组用于开放世界评估。H&W-1600 包含 1600 个热门网站，用于封闭世界评估；所有评估网站均与训练网站不重叠。

5.1 零样本识别：Top-1 达到 87.87%

在 1600 类封闭世界任务中，STAR 在训练阶段没有看到评估网站的任何流量，仅依赖逻辑画像完成检索，取得 Top-1 准确率 87.87%、Top-5 准确率 96.94%。作为参照，k-means 加 Hungarian 匹配的零样本基线 Top-1 仅为 30.04%。

5.2 少量流量还能继续增益

当每个网站能够提供少量样本时，STAR 可在零样本能力之上进一步适配。使用 Tip-Adapter 后，1-shot Top-1 为 88.26%，2-shot 提升至 90.93%，4-shot 达到 91.92%，Top-5 达到 98.84%。

关键结论：语义–流量对齐可以在“零样本”条件下，达到传统方法“多样本”水平。

5.3 开放世界：面对未知网站仍能有效拒识

现实网络中，用户可能访问监控列表之外的任意网站。因此，模型不仅要会“认”，还要知道何时回答“未知”。

在监控与非监控样本 1:1 的开放世界测试中，零样本 STAR 的 AUC 达到 0.963，最佳 F1 为 90.65%。相比之下，4-shot 条件下 CountMamba、DF+ 和 H&W 的 AUC 分别为 0.926、0.854 和 0.884。也就是说，STAR 在不使用目标网站流量的情况下，仍展现出有效拒识未知网站的能力。

关键结论：检索式零样本建模在开放世界中，比分类式方法更稳健。

6、性能从哪里来？

消融实验显示，STAR 的效果并非仅依靠扩大模型或数据规模。仅使用基础 InfoNCE 跨模态对齐时，封闭世界 Top-1 为 69.56%，开放世界 AUC 为 0.850；加入跨模态增强和联合优化后，Top-1 达到 87.87%，AUC 达到 0.963。

表示分析也观察到，STAR 学到的同类逻辑与流量向量聚集得更紧密，不同类别之间分离得更清楚；随着训练数据增加，零样本准确率快速提高，并在约 10 万组样本后逐渐趋于饱和。

关键结论：性能提升并非来自单一技巧，而是跨模态对齐、结构增强与大规模预训练的协同作用。

7、这项工作为什么值得关注？

STAR 的价值不只是一组更高的准确率，而是对网站指纹研究的任务定义做了一次重要扩展。

• 其一，它将“识别网站”从固定标签分类转变为开放画像库上的跨模态检索。逻辑画像可以通过爬虫自动获得，新增候选网站不再天然意味着重新采集流量并重训模型。

• 其二，它揭示了全加密背景下更深层的隐私风险。当 SNI、DNS 和载荷内容逐步被隐藏后，URI 长度、资源大小与协议选择仍会映射到流量形态。持续泄露的可能不是某个明文字段，而是网站语义结构本身。

• 其三，它为防御研究给出了新的观察坐标。如果攻击依赖请求、响应和协议三类对齐锚点，那么防御就不能只考虑隐藏头部字段，还需要研究资源结构扰动、流量整形和对齐锚点混淆。

论文也保留了必要边界：当前评估聚焦标准 HTTPS 单标签页访问和 Chrome 流量；多标签页、跨网络条件、VPN/Tor 以及其他浏览器上的泛化能力仍有待验证。因此，STAR 展示的是一种新的、已被大规模实验支持的攻击范式，而不是对所有现实网络场景的最终答案。

结语

加密技术正在不断减少可见元数据，但 STAR 提醒人们：隐私泄露不会随着字段被加密而自动消失，它可能转移到协议行为与网站结构之间更隐蔽的统计关系中。

通过把网站指纹识别重新定义为跨模态检索，STAR 在 1600 个未见网站上实现了 87.87% 的零样本 Top-1 准确率，并在开放世界中取得 0.963 的 AUC。这一结果显著降低了构建大规模网站指纹库对目标流量的依赖，也为理解现代 HTTPS 中的结构性语义泄露提供了新视角。

对于关注加密流量分析、网站指纹、零样本学习和网络隐私的研究者，这项工作值得一读。

原始标题：四川省科学技术厅关于2025年度四川省科学技术奖拟奖人选和项目的公示
原始链接：https://kjt.sc.gov.cn//kjt/notice/2026/7/8/7fa2579d8ddf4bbbb37ac7341b9ec700.shtml
分析引擎：腾讯云宝
声明内容：内容仅供参考，大模型分析可能有误，建议阅读原始链接

根据《四川省科学技术奖励办法》及其实施细则规定，现将2025年度四川省科学技术奖拟奖人选和项目在四川省科学技术厅网站公示。自公示之日起10日内（2026年7月17日前），任何单位和个人对公示的拟奖人选和项目有异议的，可以在公示期内以书面形式提出，逾期不予受理。

根据两份2025年度四川省科学技术奖拟奖人选、项目文档，筛选出与"网络空间安全"直接相关含漏洞挖掘、密码、威胁防御、云网/终端/城市安全等方向的项目如下：

网络空间安全相关拟获奖项目

编号	项目名称	奖项类别	项目等级	主要完成人	主要完成单位	提名者
1	软件与系统漏洞挖掘群体智能模型创建及应用	技术发明奖	一等奖	饶志宏、毛得明、易涛、胡勇、吕文、孙治、韩烨	中国电子科技集团公司第三十研究所、四川省公安科研中心、成都安思科技有限公司、中国电子科技网络信息安全有限公司	公安厅
2	新型密码理论研究	科学技术进步奖	二等奖	张文政、申兵、王金波、董新锋、周宇、穆道光、韩羽、吴忧	中国电子科技集团公司第三十研究所	公安厅
3	智慧城市异构安全防护机制多层次协同联动关键技术及应用	科学技术进步奖	三等奖	兰昆、张玲、刘波、阮威健、李高磊、邹大均	中国电子科技网络信息安全有限公司、上海交通大学、工业信息安全(四川)创新中心有限公司	公安厅
4	基于免疫的未知网络威胁防御关键技术及应用	技术发明奖	三等奖	李汶珊、李涛、兰小龙、刘翱、李丽香	四川大学、成都信息工程大学	四川大学
5	异质终端安全能力融合系统关键技术与应用	科学技术进步奖	三等奖	陈大江、陈瑞东、李慧、吴湘宁、陈伟、张明	电子科技大学、亚信科技(成都)有限公司、成都亚信网络安全产业技术研究院有限公司	电子科技大学
6	云网内生智能网络安全防护关键技术	科学技术进步奖	三等奖	张波、汪小芬、徐庆、李发根、昝家玮、杨浩淼	中国电信股份有限公司四川分公司、电子科技大学、国家计算机网络与信息安全管理中心四川分中心	中国电信四川分公司

获奖信息分析

2025年度四川省科学技术奖中，网络空间安全方向共梳理出6项拟获奖成果（一等奖1项、二等奖1项、三等奖4项），呈现军工网信牵头、密码+漏洞双核、云网/城市安全落地的鲜明格局——一等奖由中国电科三十所牵头的漏洞挖掘群体智能摘得，是本届网安类最高等级项目，体现四川在漏洞攻防与群体智能交叉上的全国领先位势；二等奖至三等奖则沿密码理论（三十所）→ 未知威胁免疫防御（川大/成信）→ 终端/云网/智慧城市防护（电科网安、电子科大、电信四川）形成从基础理论到运营商/城市场景的完整链条，公安厅作为提名者出现3次，凸显网安奖项"军、校、企、政"四位一体协同的四川特色，也印证了中国电科三十所、电科网安、电子科大这一"成都网信三角"在国内网安创新版图中的核心支撑作用。

尊敬的各高校网络空间安全专业教师及同仁：

随着人工智能技术的迅猛发展，网络空间安全领域正面临前所未有的技术变革与挑战。长期以来，网络攻防实践教学普遍受困于两个难题：一是实验场景陈旧固化，难以跟上真实威胁的快速演进；二是环境搭建与评测高度依赖人工，可复现性与可拓展性不足。与此同时，大模型技术为攻防场景的自动生成、漏洞智能分析与教学评测带来了新的可能。

实践教学作为网络安全人才培养的核心环节，其改革迫在眉睫。基于这一判断，课程组拟牵头启动大模型驱动的网络攻防课程改革开源项目。本项目旨在利用大模型技术重构攻防实验体系，借鉴雪城大学SEED Labs模式，重构可复现、可评测、可拓展的智能化攻防实验，依托开源社区共享成果，后期并在此基础上联合编写一部课程配套书籍。现诚挚邀请国内高校相关专业教师共同参与，协同推进专业教育改革。

一、项目建设目标

• 重构实验体系：设计涵盖Web攻防、软件攻防、应急处置等全流程的动态攻防实验，引入红蓝对抗与自动化评测机制，构建可复现、可评测、可拓展的智能化教学场景，提升教学实效。

• 开源生态共建：实验方案、数据集、源代码及实验环境依托开源社区（如Atomgit/GitHub）托管与持续维护，建立开放共享的教学生态。

• 书籍联合编撰：基于开源实验成果，组织参编教师共同编写《大模型驱动的网络攻防技术》实验教程，推动教学成果的标准化与推广。

二、知识产权与开源安排

为兼顾开源共享与正式出版，本项目对不同成果采取分层授权：

• 实验代码、脚本与实验环境：采用MIT/Apache等开源软件许可证，在Atomgit/GitHub公开，免费供教学使用。

• 实验文档、讲义等文字材料：在保留著作权的前提下，采用知识共享许可（如CC BY-NC）开放共享。

• 正式出版的教材正文：依出版合同约定，由出版社享有专有出版权；教材中相应实验指向上述开源仓库。

三、参编教师的条件、权益与职责

（一）参编条件

• 面向高校网络空间安全及相关专业教师。

• 具备相关教学或科研经验、能独立承担实验设计与撰写任务者优先。（可按项目需要调整门槛）

（二）权益

• 署名权：对参与编写的实验模块或教材章节享有永久署名权。

• 资源使用权：享有项目开源资源的优先使用权，以及后续迭代版本的更新权限。

• 学术认证：项目结项后颁发联合编写证书，并在相关学术会议中推介项目成果。

（三）职责

• 任务交付：按项目进度表完成分配的实验设计、案例编写或代码开发任务，确保内容原创、质量达标。

• 合规维护：遵守开源协议与出版约定，共同维护项目知识产权。

• 研讨反馈：定期参与项目研讨会，反馈教学实践数据，协助优化实验方案。

四、报名及联系方式

有意参与本项目的教师，请于 2026年7月15日前，通过以下方式报名。报名截止后，项目组将进行简要遴选，并组织线上启动会，明确分工与进度安排。

教育变革，责在躬行。期待与各位同仁携手，以大模型技术赋能网络空间安全人才培养，共筑国家网络安全防线。

黄诚
四川大学网络攻防课程改革筹备组

原始标题：2026年度河南省科学技术奖受理项目公示
原始链接：https://kjt.henan.gov.cn/2026/07-06/3372926.html
分析引擎：腾讯云宝
声明内容：内容仅供参考，大模型分析可能有误，建议阅读原始链接

2026年我厅共收到各单位或专家提名的河南省自然科学奖、技术发明奖、科学技术进步奖项目744项，经形式审查，690项形式审查合格，予以受理。现将受理的690项候选项目（含项目名称、提名奖种、主要完成人、主要完成单位、提名者）在河南省科学技术厅网站（https://kjt.henan.gov.cn）和河南省科技奖励工作网（http://jl.hnkjt.gov.cn）同时公示。

根据《2026年度河南省自然科学奖、技术发明奖、科学技术进步奖受理项目目录》，梳理出了与网络空间安全相关奖项如下：

编号	项目名称	奖项类别	主要完成人	主要完成单位	提名者
1	对称密码分析理论与关键技术研究	自然科学奖	丁林,张凯,施泰荣,王森鹏,关杰,金晨辉,胡斌	中国人民解放军网络空间部队信息工程大学	郑建华
2	网络空间内生安全基础理论与方法	自然科学奖	邬江兴,季新生,马海龙,伊鹏,程国振,钟州,任权,张震,郭威,张进	中国人民解放军网络空间部队信息工程大学,嵩山实验室,紫金山实验室	冯登国
3	设备无关量子密码理论与方法	自然科学奖	李宏伟,汪洋,银振强,鲍皖苏,韩正甫,周淳	中国人民解放军网络空间部队信息工程大学,中国科学技术大学	郑州市
4	量子密码分析与设计理论	自然科学奖	王天银,高飞,魏春艳,蔡晓秋,秦素娟	洛阳师范学院,北京邮电大学	河南省教育厅
5	网络空间资源智能测绘关键技术及应用	技术发明奖	罗向阳,卢伟,尹美娟,权晓文,袁福祥,李瑞祥,时文旗,黄敏华,刘粉林,杨冀龙	中国人民解放军网络空间部队信息工程大学,中山大学,远江盛邦安全科技股份有限公司,北京知道创宇信息技术股份有限公司,中移互联网有限公司	郭世泽
6	"数-云-端"全链路零信任安全防控关键技术及应用	科学技术进步奖	杜学绘,王娜,曹利峰,任志宇,景鸿理,张楠,单棣斌,刘敖迪,王浩宇,叶晓虎,王文娟,张乾坤,杨艳,董枫,罗元	中国人民解放军网络空间部队信息工程大学,北京天融信网络安全技术有限公司,郑州云智信安安全技术有限公司,华中科技大学,北京神州绿盟科技有限公司	王建华、秦耀辰、郭耀华
7	关键基础设施信息物理网络主动防御技术及应用	科学技术进步奖	黄万伟,任嘉伟,王苏南,杨强,刘博,何熹,陈国军,郝兵,张静静,田雨,张校辉,聂桂兵,崔建涛,孙海燕,李玉华	郑州轻工业大学,中国人民解放军网络空间部队信息工程大学,浙江大学,深圳职业技术大学,嵩山实验室,河南九域腾龙信息工程有限公司,杭州安恒信息技术股份有限公司	陈鸿昶、谢清粮、郑昱
8	量子芯片跨尺度设计关键技术及应用	科学技术进步奖	单征,刘福东,赵博,孙回回,谭新生,王卫龙,苏石磊,王淑亚,王立新,费洋扬,于扬,郭国平,栾添,李松,刘志超	中国人民解放军网络空间部队信息工程大学,南京大学,郑州大学,本源量子计算科技(合肥)股份有限公司,中国电子科技集团公司电子科学研究院,国仪量子技术(合肥)股份有限公司	郭云飞、金海、杜祖亮
9	电力系统信息物理跨域攻击智能监测与协同防控关键技术及应用	科学技术进步奖	吕卓,陈岑,王琦,兰景宏,仇慎健,李暖暖,郭志民,费稼轩,张铮,刘欣	国网河南省电力公司电力科学研究院,中国电力科学研究院有限公司,东南大学,国网信息通信产业集团有限公司	郑州市
10	关键信息基础设施攻击面智能管控技术及应用	科学技术进步奖	肖达,李高磊,曹琰,沈传宝,朱新兵,邵开丽,张有为,李建华,付辉,秦记峰	黄河科技学院,上海交通大学,郑州大学,北京华云安信息技术有限公司,郑州信大先进技术研究院	郑州市
11	超大规模网络空间测绘与可信定位关键技术及应用	科学技术进步奖	王永,周帆,任国明,邱鹏,遆永鹏,陈斌,夏冰,朱广宇,杨宇强,武可嘉	郑州埃文科技有限公司,电子科技大学,中原工学院,中国电子信息产业集团有限公司第六研究所	郑州市
12	生成式人工智能安全对抗防御关键技术及应用	科学技术进步奖	张志勇,范科峰,汪卫国,杜婧,王明彦,宋斌,徐洋,荆军昌,李玉祥,张丽丽,赵长伟,张中亚,靳正芬,向菲,张蓝方	河南科技大学,中国电子技术标准化研究院,新华三大数据技术有限公司,清华大学	河南省教育厅
13	可信跨域协同数据安全智能计算关键技术及应用	科学技术进步奖	陈艳格,陆思奇,平源,鲁辉,王保仓,高锐,李晶,万象,曹彦,高冰	许昌学院,中国人民解放军网络空间部队信息工程大学,广州大学,西安电子科技大学,工业和信息化部电子第五研究所,上海数据交易所有限公司,河南省信息化集团有限公司	河南省工业和信息化厅
14	重点区域治安风险智能感知与防控关键技术及应用	科学技术进步奖	张震,邓淼磊,郑志蕴,张传浩,陈明珠,田鸿朋,李钝,任楷,罗俊,刘鹏	郑州大学,浙江大华技术股份有限公司,郑州警察学院,河南工业大学,公安部第三研究所,南京云创大数据科技股份有限公司	河南省科学技术协会

分析小结：

本次河南受理的网安类项目呈现军校牵头、全链覆盖、产学研绑定深的特点——14项中有8项由解放军网络空间部队信息工程大学（驻豫）牵头或参与，邬江兴院士团队的"网络空间内生安全"是标志性基础理论项目，整体覆盖对称/量子密码、内生安全架构、零信任、工控安全、网络测绘、AI安全、数据安全等完整链条；合作方除了嵩山实验室、紫金山实验室等国家级/省级平台，还深度绑定天融信、绿盟、安恒、知道创宇、盛邦等国内网安头部企业及河南本地高校郑大、河南科技大、洛阳师范等，提名者多为郑建华、冯登国、郭世泽、郭云飞等网安领域院士，反映出河南在全国网安版图中国防属性突出、从基础理论到产业落地贯通的布局优势。

原文标题：PentestEval: Benchmarking LLM-based Penetration Testing with Modular and Stage-Level Design
原文作者：Ruozhao Yang, Mingfei Cheng, Gelei Deng, Tianwei Zhang, Junjie Wang, Xiaofei Xie
原文链接：https://arxiv.org/abs/2512.14233
发表会议：arXiv
笔记作者：周子涵、彭佳仁@安全学术圈
主编：黄诚@安全学术圈

1. 研究概述

1.1 背景分析

随着大语言模型（Large Language Models, LLMs）在复杂推理、代码生成和自主决策方面的快速发展，研究者开始尝试将 LLM 应用于渗透测试任务，例如辅助漏洞分析、攻击路径规划、命令生成和 Exploit 编写等。相比传统高度依赖人工专家的渗透测试流程，LLM 的引入为安全测试自动化提供了新的可能。然而，LLM 在真实渗透测试流程中究竟具备怎样的能力、在哪些阶段容易失败，仍然缺乏系统性评估。

现有 LLM-based Penetration Testing 方法大多采用简单提示词或端到端智能体设计，将渗透测试整体交给模型完成，缺乏对任务流程的显式拆解。这种方式虽然可以测试模型是否最终完成攻击目标，但系统表现具有明显黑盒性：当攻击失败时，很难判断问题究竟出在漏洞收集、漏洞筛选、攻击决策，还是 Exploit 生成阶段。同时，现有 benchmark 多基于 CTF 任务或最终攻击结果，主要关注模型是否拿到 flag 或完成攻击目标，难以评估模型在中间阶段的真实能力。

1.2 方法框架

本文提出了 PentestEval，一个面向 LLM 渗透测试能力评估的模块化、阶段级的评测基准。论文基于 NIST Technical Guide 和 PTES，将渗透测试流程拆解为六个阶段，如图1所示：

图1 渗透测试工作流程

在完成渗透测试流程拆解后，作者进一步将上述阶段化思想落实为一个完整的评测框架。图2展示了 PentestEval 的整体设计流程。

图2 PentestEval 整体框架

作者还进一步构建了多样化的真实漏洞场景。如表1所示.

表1 漏洞场景设置概览

PentestEval 共包含 12 个外部 Web 渗透测试场景，覆盖 ThinkPHP、ShowDoc、JimuReport、Apache Struts2、Nexus、ZenTao、Flask/Jinja2、SpringBoot/Fastjson、FastAPI、GoAhead Web Server、Jenkins/Redis 等应用或框架。这些场景同时覆盖 CVE 漏洞、Non-CVE 弱点、OWASP Top 10、CWE Top 25 以及零日漏洞等多种安全问题，能够较好地模拟真实渗透测试中的复杂攻击面。

1.3 实验结果

在实验部分，论文主要从两个层面评估 LLM 的渗透测试能力：一是阶段级评测，即分别考察不同 LLM 在弱点收集、弱点过滤、攻击决策、Exploit 生成和 Exploit 修正等任务中的表现；二是端到端评测，即考察现有 LLM-based 工具能否完整完成渗透测试流程。

表2 不同 LLM 的阶段级性能评估结果

从表中可以看出，当前 LLM 在渗透测试中的整体能力仍然有限。模型在弱点过滤和 Exploit 修正上相对较好，但在攻击决策和功能性 Exploit 生成阶段表现较弱。具体而言，LLM 往往能够生成看似合理的漏洞分析或攻击脚本，但在真实环境中难以稳定形成有效攻击链，也难以保证生成的 Exploit 真正达成攻击目标。

表3 十二个场景下的端到端渗透测试性能评估结果

从上表中可以进一步看出，现有自动化渗透测试 Agent 仍然不可靠。PentestGPT 在有人类参与时表现相对最好，但完全自动化的 PentestAgent 和 VulnBot 成功率很低。这说明仅依赖 LLM 进行黑盒式整体规划并不能稳定完成真实渗透测试流程，未来系统需要更强的结构化推理、攻击链规划和模块间信息传递能力。

2. 贡献分析

贡献点1：提出模块化、阶段级的 LLM 渗透测试评测方法

论文针对现有 LLM-based Penetration Testing 方法过度依赖端到端结果、难以定位失败原因的问题，提出了 PentestEval 这一模块化、阶段级评测框架。该框架不再只判断模型最终是否完成攻击，而是将渗透测试流程拆解为信息收集、弱点收集、弱点过滤、攻击决策、Exploit 生成和 Exploit 修正六个阶段，并分别建立对应的任务定义和评价标准。通过这种设计，PentestEval 能够细粒度分析 LLM 在渗透测试不同环节中的真实能力，判断模型究竟是在漏洞发现、攻击链规划，还是漏洞利用生成阶段出现问题。

贡献点2：构建真实多阶段漏洞场景与专家标注数据集

论文针对现有评测多基于 CTF 或单漏洞环境、难以反映真实渗透测试流程的问题，构建了 12 个真实风格的外部 Web 渗透测试场景，并形成 346 个阶段级任务。这些场景覆盖 CVE 漏洞、Non-CVE 弱点、OWASP Top 10、CWE Top 25 以及零日漏洞，能够模拟真实攻击中常见的多步骤攻击链。与此同时，作者引入多名渗透测试专家进行环境设计、漏洞注入、攻击链验证和阶段级标注，形成 expert-annotated ground truth，使模型输出能够与专家答案进行系统对比，从而提升评测的可靠性和可解释性。

贡献点3：评估主流 LLM 在渗透测试各阶段的能力边界

论文针对当前 LLM 在渗透测试不同阶段能力不清晰的问题，对 9 个主流 LLM 进行了阶段级实验评估，包括弱点收集、弱点过滤、攻击决策、Exploit 生成和 Exploit 修正等任务。实验结果表明，当前 LLM 虽然在部分上下文判断和错误修复任务上具备一定能力，但在攻击决策和功能性 Exploit 生成方面仍然存在明显短板。尤其是在多步攻击链场景中，模型往往难以理解漏洞之间的前置依赖关系，只能判断单个漏洞的危害程度，而难以像人类专家一样规划连续攻击路径。

3. 代码分析

代码链接：https://github.com/Richael-y/PentestEval

PentestEval 的代码主要实现的是一个阶段级渗透测试评测框架。项目将 LLM 渗透测试能力拆分为 Weakness Gathering、Weakness Filtering、Attack Decision-Making、Exploit Generation 和 Exploit Revision 五类任务，并分别进行运行和评分。这种实现方式与论文的核心思想一致，除看最终攻击是否成功外，还通过模块化评测定位 LLM 在渗透测试流程中的具体短板。

从代码结构来看，项目围绕“数据—模型—环境—评分”四个环节组织实现。UserPrompts 负责存放任务输入、ground truth 和工具文档；Scenarios 提供 12 个 Docker 化漏洞环境；pentesteval 实现模型调用、任务调度、评分器、LLM judge 和 Web 控制台。该结构比较清晰，能够支撑不同模型、不同任务和不同漏洞场景之间的组合评测，也体现出 benchmark 框架应有的可扩展性。

代码中最有价值的部分是 Exploit Generation 阶段的真实执行验证。项目除判断模型生成的 Exploit 文本是否相似外，还是会启动 Docker 靶机、执行生成的 Exploit，并结合执行回显与 LLM judge 判断攻击是否真正成功。这使评测更贴近真实渗透测试场景，也能区分“语法正确”和“功能有效”的差异。仓库目前适合用于理解 PentestEval 的评测框架设计。

4. 总结

本文系统性探讨了 LLMs 在渗透测试阶段级任务中的能力与局限。通过构建 PentestEval 这一模块化评测基准，论文发现当前 LLMs 在关键渗透测试任务中仍明显低于专家水平，尤其在弱点收集、攻击决策和 Exploit 生成阶段存在严重短板；完全自动化 Agent 也难以稳定完成端到端渗透测试流程，暴露出当前方法在规划与执行能力上的不足。

总体来看，PentestEval 的意义在于为 LLM-based Penetration Testing 提供了一种更细粒度、更可解释的评估范式。论文结果表明，未来要实现可靠的自动化渗透测试，不能只依赖端到端黑盒 Agent，而需要进一步加强模型对攻击链的结构化理解、模块间上下文传递能力，以及对关键攻击路径的优先级判断能力。

附录

PentestEval目前已经提供网页版前端，支持本地部署和内部在线版本两种使用方式：

GitHub：https://github.com/Richael-y/PentestEval

内部在线版本：https://43.156.238.180/

论文：https://arxiv.org/abs/2512.14233

第十四届云计算与大数据国际会议（The Fourteenth International Conference on Advanced Cloud and Big Data, CBD 2026）将于 2026年11月21日至23日 在美丽的春城 昆明举办。

CBD会议长期聚焦云计算、大数据、人工智能、物联网、网络与系统安全等前沿方向，为国内外学者和产业界专家提供高水平学术交流平台。诚邀相关领域研究人员、工程技术人员及研究生踊跃投稿和参会交流。

📌 会议主题（包括但不限于）

Research Track

• Cloud Security and Privacy

• Cloud-Native Theories and Algorithms

• Cloud Resource Management

• Multi/Hybrid/Inter Cloud

• Big Data Processing, Mining and Analytics

• Big Data Protection and Privacy

• Edge Computing Architecture and Algorithms

• Communication and Networking for Big Data

• Energy-Efficient Computing for Big Data

• Cloud and Big Data Intelligence

Application Track

• AI for Cloud and Big Data

• Blockchain for Cloud and Big Data

• IoT, Smart City and Healthcare

• Cloud Applications and Services

• Big Data Applications and Services

Industry Track

• Cloud Computing Solutions

• Big Data Solutions

• Cloud and Big Data Standards

• Industry Practices

🏆 出版与推荐

录用论文将由会议论文集出版，并提交 EI Compendex 检索（待批准）。

优秀论文将有机会推荐至多个国际高水平期刊扩展发表，包括：

• Frontiers of Computer Science (FCS)

• Sustainable Computing: Informatics and Systems

• Big Data Mining and Analytics

• 等国际知名期刊

📅 重要日期

• 论文投稿截止：2026年7月30日

• 录用通知：2026年8月30日

• 终稿提交：2026年9月20日

• 注册截止：2026年9月20日

🔗 投稿与会议信息

• 投稿系统：https://easychair.org/conferences/?conf=cbd2026

• 会议主页：https://cbd-conference.net/2026

欢迎各位老师、同学及相关领域研究人员投稿交流，也欢迎转发给感兴趣的同行！ 期待今年11月与大家相聚昆明，共同探讨云计算、大数据与人工智能领域的最新进展。

原始标题：2026年度湖北省科学技术奖网评通过项目公示
原始链接：https://kjt.hubei.gov.cn/kjdt/tzgg/202606/t20260610_5955287.shtml
分析引擎：腾讯云宝&DeepSeek
声明内容：内容仅供参考，大模型分析可能有误，建议阅读原始链接

2026年度湖北省科学技术奖网评工作已经结束。根据《湖北省科学技术奖励办法》及实施细则有关规定，现将网评通过的31项青年科技创新奖项目、180项自然科学奖项目、74项技术发明奖项目、344项科学技术进步奖项目、25项科技型中小企业创新奖项目予以公示。

大模型根据文档全文逐条筛查，以下为与网络空间安全（Cybersecurity）直接相关的项目——涵盖高级威胁检测与防护、云架构安全、数据安全与隐私保护、网络对抗与鲁棒性、车联网/V2X安全、网络空间认知与推演等方向：

编号	项目名称	奖项类别	项目等级	主要完成人	主要完成单位
1	面向数据全流程安全的代数编码	自然科学奖	网评通过	李念、周正春、唐小虎	湖北大学、西南交通大学
2	非结构化数据隐私安全保护的理论与方法	自然科学奖	网评通过	黄永峰、李瑞轩、吴兵、齐涛、童薇	华中科技大学、清华大学
3	对抗环境下智能系统数据安全与鲁棒识别	自然科学奖	网评通过	王骞、任奎、沈超、王志波、邹勤	武汉大学、浙江大学、西安交通大学
4	深度学习智能识别模型的对抗攻击方法	自然科学奖	网评通过	何琨、车万翔、任抒怀	华中科技大学、哈尔滨工业大学
5	高级网络威胁深度检测与智能化防护关键技术及应用	科技进步奖	网评通过	彭国军、唐明、傅建明、周鸿祎、王祥、关墨辰、刘思德、胡振泉、黄琪、杨秀璋、张登峰、潘剑锋、孙博轩、冯刚平、胡玄宇	武汉大学、北京奇虎科技（360）、北京智芯微电子、安天科技集团、湖北华中电力科技、贵州大学
6	多层云架构安全检测与防护关键技术	科技进步奖	网评通过	邹德清、李珍、吴月明、袁斌、代炜琦、张云鹤、张勇、冯浩、郭峰、刘昕、刘敦辉、陈亘、孙会首、蔡志彬、田红艳	华中科技大学、国网湖北电力信息通信公司、北京启明星辰、北京升鑫、武汉虹信
7	网络空间认知风险感知研判与推演关键技术及应用	科技进步奖	网评通过	江昊、韵湘、曾军、林晖、杜溲、周薇、王亚珅、王迎雪、赵明明、李昊、石晓军、林萌、金昊、丁德强、何之栋	武汉大学、烽火通信、中国电科电子科学研究院、中科院信息工程研究所、上海迪爱斯、解放军信息支援部队工程大学
8	V2X智能协同与车联网安全关键技术及应用	科技进步奖	网评通过	吴黎兵、刘冰艺、王恩澍、王婧、冯琦、翟润国、崔士弘、左世涛、安浩杨、夏振厂、李明慧、张龙、陈治军、张壮壮、马超	武汉大学、武汉理工大学、华中科技大学、岚图汽车、湖北天融信网络安全、襄阳达安、武汉光庭
9	云边协同的高效隐私安全多模态视频分析技术及应用	科技进步奖	网评通过	周潘、黄晓艳、徐子川、王开学、倪志伟、夏旺、邓彪、路明曌、冉欢欢	华中科技大学、武汉虹信、大连理工大学、武汉中科通达、湖北华中电力科技、中铁四院
10	面向社会安全预警的时空智能计算关键技术与系统应用	科技进步奖	网评通过	胡瑞敏、刘琼、吴鸿伟、王正、李登实、王晓晨、赵俊钰、曾梅月、孙彦龙、吴俊杭、任灵飞、郑淇、周成、邵静	武汉大学、华中科技大学、国投智能信息（美亚柏科系）、江汉大学、中国移动湖北、海康威视、当虹科技、新疆大学、西南财经大学、西安电子科技大学杭州研究院

获奖信息分析

本次湖北省科学技术奖网评通过的安全相关项目共10项，涵盖从底层理论基础（代数编码、隐私保护理论、对抗鲁棒性）到工程化系统（APT检测、云安全防护、车联网安全、网络空间认知推演）再到公共安全领域（社会安全时空智能预警）的完整链条；项目高度集中于武汉大学与华中科技大学两大高校，并深度联合360、启明星辰、天融信、安天、海康威视、国投智能（美亚柏科）等头部安全企业与中科院信息工程研究所、解放军信息支援部队等涉密力量，呈现出明显的产学研用一体化特征，且与武汉作为国家网络安全人才与创新基地的战略定位高度契合，反映出湖北省在安全领域的布局已从单纯的学术研究向关键信息基础设施防护与国家级网络空间防御能力实战转化迈进。

原文标题：Injected and Leaked: Actively Inducing Side-Channel Leakage Using Electromagnetic Injection and Hardware Nonlinearity
原文作者：Haoran Yan, Ziyu Shao, Shuhao Zhang, Qinhong Jiang, Yan Long
发表会议：USENIX Security 2026
项目主页: https://injecteave.github.io/

1、引言

现代电子设备始终暴露在复杂的电磁环境中。电磁信号与硬件电路之间的相互作用带来了两类安全问题：电磁注入与电磁泄漏。一方面，外部电磁信号可能耦合进设备内部电路，从而扰乱传感器读数、控制逻辑或设备行为。另一方面，设备内部信息也可能通过电磁辐射泄漏到环境中。攻击者若能接收并分析这些微弱信号，就可能推断设备内部的敏感信息，这类问题通常被称为电磁侧信道。

已有研究表明，屏幕显示、键盘输入、触摸交互、生物特征甚至智能摄像头视频流，都可能通过电磁侧信道被恢复。但传统电磁侧信道长期面临一个关键限制：攻击者通常只能被动接收设备“自然泄漏”的信号，攻击距离、可恢复信息类型都受限于目标设备自身的辐射能力。对于语音、传感器输入、电机控制、功耗变化等低频模拟信息，往往难以通过传统被动电磁侧信道远距离泄露。

为了突破这一限制，香港科技大学（广州）与香港理工大学的联合研究团队提出了激发式电磁侧信道（Injection-Induced EM Side Channel）这一新型分析框架。不同于传统电磁侧信道中攻击者只能被动接受设备“无意泄漏”的信号，该工作将主动电磁注入纳入侧信道泄漏的形成过程：外部注入的电磁载波耦合进入目标设备后，会在放大器、模数转换器、电源转换器等广泛存在的非线性硬件中，与设备内部的语音、传感器读数、控制信号等低频模拟信息发生互调。由此，原本难以有效向外辐射的低频信息，会被“搭载”到更容易辐射的高频电磁载波上，并以新的电磁侧信道形式泄漏出来。

基于这一全新机制，研究团队设计并实现了首个激发式电磁侧信道系统 InjectEave，并在11个商用设备上验证了其影响范围，覆盖有线耳机、无线耳机、通话座机、智能风扇和智能台灯等设备，包含索尼、戴尔、苹果、绿联、飞利浦、惠普、小米等海内外品牌。结果显示，InjectEave 不仅具备30米的远距离与隔墙音频窃听能力，还能够从智能风扇、电灯等设备的低频控制信号或功耗变化中间接推断用户活动。此外，在座机通话场景中，InjectEave 恢复的通话内容还可以与现有成熟的电磁语音注入技术结合，形成“窃听—合成—注入”的闭环语音操控链条，使攻击从被动恢复通话内容进一步扩展到主动篡改对方听到的语音信息。

研究工作主要涵盖三方面贡献：

• 提出了激发式电磁侧信道的新型分析框架。
  研究首次系统刻画了主动电磁注入通过硬件非线性激发侧信道泄漏，对低频信号在电磁注入作用下被调制到高频载波附近、进而向外泄漏的物理机制进行数学建模，为分析低频模拟信息的电磁安全风险提供了新的理论基础。

• 设计并实现了激发式电磁侧信道系统。
  基于上述机制，研究团队构建了InjectEave系统，展示了其在音频窃听、智能家居状态推断、穿墙场景、30 m远距离场景，以及“窃听—合成—注入”闭环语音操控中的可行性。实验表明，主动注入不仅能够增强原本微弱的电磁侧信道信号，还可能将传统被动侧信道难以观测的低频模拟信息转化为可恢复的泄漏信号。

• 系统评估了该威胁在真实商用设备中的影响范围，并讨论了潜在缓解方向。
  研究在 11 款商用设备上进行了实验验证，覆盖音频外设、通话座机、智能风扇、智能台灯等典型设备类型，刻画了激发式电磁侧信道在真实硬件中的普遍性与实际影响。基于实验结果，论文进一步讨论了屏蔽、滤波、双绞线等可能的防护思路，并指出未来需要从硬件设计、模拟接口保护和主动检测等层面系统提升电磁安全防护能力。

2、核心洞察：为什么主动注入能“激发”侧信道泄露？

（1）现有研究不足：低频信号与高频有效辐射频段之间的失配

在传统电磁侧信道中，设备内部的电路走线会像非故意天线一样，可能将内部电信号辐射到外部。然而，攻击者关心的敏感信息，往往不在设备最容易向外辐射的频段。例如，人类语音通常低于 20 kHz，功耗变化或电机控制信号往往低于 200 Hz。而设备内部结构更容易产生有效电磁辐射的频率，通常位于 MHz 甚至 GHz 量级。低频信号与高频有效辐射频段之间的失配，被动侧信道很难直接恢复这些低频信息。InjectEave 的解决方法，是通过外部注入的高频电磁载波将低频秘密信号“搭载”到有效电磁辐射频率，从而“激发”出原本难以辐射的信号。

（2）核心机制原理：注入—调制—辐射，探测设备内部电子信号的“雷达”

InjectEave 的核心机制是“注入—调制—辐射”。首先，攻击者注入的电磁载波通过非故意天线结构耦合进入设备电路。随后，在电路里非线性组件中，注入载波会与设备内部的低频信号发生混调，使低频信号被上变频到载波附近的边带上。最后，调制后的信号再次通过设备内部的非故意天线向外辐射，攻击者接收这些电磁信号并进行解调，就可以恢复出原始低频信息。

（3）可行性验证：非线性组件

为了验证这一现象的普遍性，研究团队首先在四类常见非线性组件上进行受控实验，包括放大器、模数转换器、开关型场效应晶体管和电源转换器。这些组件广泛存在于音频接口、传感器输入、电机驱动和电源链路中，在现实电子设备中承担了重要的模拟信号处理工作。

实验结果显示，在被动电磁侧信道下，低频模拟信号通常难以被有效观测；而当外部电磁载波被注入后，原始低频信号及其谐波结构会出现在恢复频谱中。这直观展示了主动注入在非线性硬件中将低频模拟信号“激发”出来。

（4）真实设备测评：11种5类商用设备

实验进一步说明，这种泄露并不局限于单一设备或单一信号。研究团队在11个商用现成设备上进行了评估，覆盖有线耳机、无线耳机、座机、智能风扇和智能台灯。音频外设会泄露语音内容，智能风扇和智能台灯会反应风扇转速和台灯亮度。这意味着，激发式电磁侧信道窃取的信息不仅可以还原语音，也可能被用于推断用户活动与环境状态。
上表总结了受影响的11个商用设备，展示了不同设备类型、品牌，型号与年份。

3、案例分析：激发式侧信道在生活场景中的威胁

研究团队在酒店，会议室，办公室场景下进行了案例分析，分别覆盖个人隐私、商务会议和办公通话。在酒店与会议室场景中，受害者在房间内佩戴无线耳机进行语音通话，攻击者则在隔壁房间部署窃听设备，穿墙对耳机进行攻击并恢复类似银行卡 PIN和采购报价等机密信息。在办公室场景中，攻击者将攻击系统集成在行李箱中并置于走廊，隔墙针对办公室内的固定电话实施窃听，并在检测到关键词后利用成熟的语音合成技术与电磁音频注入技术将有害音频注入到设备中，实现闭环操控。换言之，攻击者不只是“听见”通话，还可能在同一物理链路中进一步“影响”通话内容。这些案例分析表明，该攻击不依赖物理接触或网络入侵，而是利用电磁注入诱导设备产生可穿墙接收的侧信道泄漏，在酒店、会议室和办公室等常见隔墙场景下均会产生严重的隐私问题。

更进一步，研究团队展示了使用更好的攻击设备能够实现更远的攻击距离。研究团队在发射端添加了一个更高功率的低成本商用功率放大器，并在飞利浦和绿联无线耳机上进行测试，窃听距离被提高到30 m。这说明了InjectEave具有很大的潜力，使用更低相位噪声的发射与接收设备，更高的发射功率与方向性更好的天线都会直接提升攻击距离。

更多有趣的案例分析可以在项目主页https://injecteave.github.io/上找到。

4、潜在防御方式

除攻击外，作者也讨论了可能的防护措施。由于激发式侧信道依赖“电磁耦合 + 硬件非线性 + 非预期辐射”共同作用，并且针对低频模拟信号，因此单独的软件层防护难以防范相关风险。
从硬件设计角度看，可以考虑降低关键模拟前端和电源链路对外部电磁信号的耦合效率，例如双绞线结构设计，加强接口、电缆、PCB 走线和电源模块的屏蔽与滤波；同时，也可以在音频、电源和传感器链路中采用更安全的布线和接地设计，减弱天线效应。然而，考虑到激发式电磁侧信道注入载波的特性与硬件防护仅仅降低注入载波的能量而非完全消除，攻击者往往可以通过提升发射功率来克服上述防御的影响。因此这些防御方式只是防御措施的起点，真正有效的防御需要自底至上的软硬件联合设计。

5、总结与展望

这项工作提出了全新的激发式侧信道攻击。在传统被动电磁侧信道中，攻击者主要依赖目标设备自然辐射出的电磁信号；而激发式侧信道展示了另一种可能性：利用主动注入电磁载波来将设备内部信号“搭载”到更容易辐射的高频电磁频段中，从而激励出内部信号，达到对低频信号的远距离窃听。

从这一角度看，电磁注入不仅仅只会影响设备行为，也可能成为诱导信息泄露的手段。更重要的是，电磁注入与电磁侧信道并不是两条孤立路径。前者可以激发和放大泄露，后者又可以帮助攻击者理解设备状态，并进一步指导电磁注入过程。由此形成的“注入—泄露—反馈”闭环，为重新理解物理层安全提供了新的分析视角。

这项工作的意义不只在于展示了全新的提取低频模拟信号方法，更在于提示研究社区重新审视电磁兼容、电磁干扰和侧信道安全之间的边界。过去，模拟前端、线缆、电源转换链路、执行器驱动和其他非线性组件，往往被视为电路实现或电磁兼容设计中的细节；但在主动电磁环境下，它们也可能成为信息泄露、状态推断甚至闭环操控的关键环节。

未来仍有若干方向值得进一步探索。一方面，更多类型的模拟与数字信息是否也会在主动电磁注入下形成类似泄露，需要在更广泛的设备类别和应用场景中继续探索。另一方面，现有防护思路仍主要来自屏蔽、滤波、布线、接地和降低耦合等电磁兼容设计经验，如何将这些经验转化为可评估、可部署的安全防护体系，还需要更多系统性研究。

作者团队介绍

• 第一作者闫浩然本科毕业于哈尔滨工业大学，目前为香港科技大学（广州）物联网学域安全研究实验室博士一年级学生。主要从事电磁侧信道分析、硬件与物理层安全等方面的研究。

• 通讯作者蒋沁宏，香港理工大学助理教授（研究），研究聚焦于保护计算机系统信息安全与隐私，主要涉及传感器安全、嵌入式系统安全、侧信道攻击以及移动感知等领域，其研究成果已在USENIX Security、NDSS、CVPR、IEEE TIFS、ACM CSUR等国际顶级学术会议和期刊上发表，受邀担任USENIX Security、RAID、SecureComm、Sensys等国际学术会议的程序委员会成员以及IEEE TIFS、TDSC、ACM IMWUT、IEEE TASE、TCCN、IoT-J等权威期刊审稿人，曾获ACM中国杭州优博奖（2025）、CSAW最佳安全应用研究提名奖（2024）。

• 通讯作者龙颜，香港科技大学（广州）物联网学域、人工智能学域联聘助理教授，副研究员，博士生导师，安全研究实验室负责人，国家级青年人才。研究方向包括人工智能安全、物联网安全、保密与侧信道技术。他的研究特别关注智能系统中的感知计算安全与隐私问题，其成果已发表同行评议论文近30篇，包括安全四大会 IEEE S&P, NDSS, ACM CCS, USENIX Security等。研究曾获IEEE S&P杰出论文奖、CSAW最佳应用安全研究提名奖等，被福克斯新闻、浙江省公安厅等7国20余家媒体与权威机构报道。他常年担任ACM CCS、USENIX Security、IEEE TDSC等审稿人。

• 作者团队还包括即将入学的博士同学邵子郁和硕士研究生张书豪。

项目作者：Qiang Zhang, Cheng Huang, Pengsen Cheng, and Jiayong Liu
笔记作者：张强@安全学术圈
主编：黄诚@安全学术圈
编辑：谷雨@安全学术圈

项目仓库地址:https://github.com/das-lab/darkflow

一个基于 RustiFlow 的暗网 (Tor) 流量特征实时/离线高性能提取工具

概述

基于 Rust 编程语言与 eBPF（Extended Berkeley Packet Filter）技术构建，在大规模网络流量处理场景下展现出卓越的处理性能与高吞吐能力。针对离线流量分析需求，darkflow 还集成了高性能的 PCAP 文件解析模块，能够高效完成已采集网络流量数据的读取与处理。此外，darkflow 在多种预定义特征提取方案（cic、cidds、nfstream、rustiflow）基础上，并支持用户根据具体研究需求构建自定义特征集（我们增加了自定义的 darkflow、lexnetflow 特征集），从而满足不同网络流量分析任务的灵活性与可扩展性要求。

我们还提供了一个用于批量处理大规模数据集的脚本 gen_darkflow.py，能够自动遍历传入的目标文件夹下全部 PCAP/PCAPNG 流量文件并调用 darkflow 二进制程序进行特征提取。在实现上，脚本基于 ProcessPoolExecutor 构建多进程并行处理机制，通过自动设置 worker 数量充分利用多核 CPU 资源，从而显著提升整体处理效率与吞吐能力，适用于大规模网络流量数据的特征工程与数据集构建任务。我们用来构建暗网 HyperTor 项目（使用由 Transformer 生成权重的小样本学习进行不平衡暗网业务流量分类）所需的数据集。核心特性如下：

• 实时高吞吐量：利用 Rust 和 Aya 库进行 eBPF 程序的编译与执行，确保高性能和极高资源利用率。

• 自定义特征集：提供多种预定义+自定义特征集（流），并支持灵活创建满足特定需求的自定义特征集。

• 离线 PCAP 支持：支持对 PCAP 文件进行数据包分析，同时兼容 Linux 和 Windows 系统下生成的 PCAP 文件。

• 多种输出选项：特征数据可以输出到控制台和 CSV 等。

支持的数据包覆盖范围

目前支持从以下协议/报文头组合中提取流数据：

网络层	离线 pcap	实时 eBPF
链路层 (Link)	Ethernet, Linux cooked capture, 802.1Q VLAN	Ethernet
网络层 (Network)	IPv4, IPv6	IPv4, IPv6
IPv6 扩展	支持在传输层解析前处理扩展报文头	支持在传输层解析前处理扩展报文头
传输层 (Transport)	TCP, UDP, ICMP, ICMPv6	TCP, UDP, ICMP, ICMPv6

说明：

• 实时模式仅支持 Linux 系统。

• 离线和实时模式旨在暴露相同的流语义，但时间戳和数据包长度的数据源可能会略有不同。

• 实时模式下的 VLAN 解析目前尚未实现。

系统架构

project/
├─ common/             # 共享数据结构
│  ├─ Cargo.toml
│  └─ src/lib.rs       # `EbpfEventIp*`
│
├─ darkflow/           # 用户空间加载器（loader）Crate
│  ├─ Cargo.toml
│  └─ src/main.rs      # 加载器代码
│  └─ ...
│
├─ ebpf-ipv4/          # 内核 eBPF Crate (IPv4)
│  ├─ Cargo.toml
│  └─ src/main.rs      # `#[no_std]` `#[no_main]` eBPF 程序
├─ ebpf-ipv6/          # 内核 eBPF Crate (IPv6)
│  ├─ Cargo.toml
│  └─ src/main.rs      # `#[no_std]` `#[no_main]` eBPF 程序
│
├─ xtask/              # 项目自动化 Crate
│  ├─ Cargo.toml
│  └─ src/main.rs      # 自定义任务 (eBPF 编译工作流)
│  └─ ...

1）实时处理架构

2）离线处理架构

使用方法

使用 ./setup.sh 脚本安装依赖，并使用 ./build.sh 脚本来构建 darkflow 二进制文件！将 darkflow 二进制文件复制到您自定义的路径，或放到 /usr/local/bin 文件夹中。 如果文件没有正确的执行权限，可以运行以下命令：

chmod +x /path/to/darkflow

1）使用 gen_darkflow.py 批量处理。我们提供了一个用于批量处理大规模数据集的脚本 gen_darkflow.py，用于自动遍历--base-dir指定目录下全部 PCAP/PCAPNG 流量文件，并调用 darkflow 进行指定特征 --feature-type 的提取，并导出为csv，通过 --merge 启用结果合并模式。脚本支持多进程并行处理，基于 ProcessPoolExecutor 实现，通过设置 worker 数量充分利用多核 CPU，从而显著提升整体处理效率与吞吐能力，适用于大规模网络流量数据的特征工程与数据集构建任务。

nohup python gen_darkflow.py \
    --base-dir ./dataset_name \
    --feature-type darkflow \
    --merge \
    > gen_darkflow-dataset_name-darkflow.log 2>&1 &

如需进一步优化性能，可通过调整脚本内部的 worker 数量来提升并行处理能力。

2）使用 TUI 终端图形界面。如果倾向于使用更直观的图形化界面，可以直接运行不带任何参数的 darkflow 命令来启动 TUI 界面。这会打开一个文本框，可以在其中输入想要编辑的配置文件路径，或者选择新建配置。随后，将显示以下界面：

注意： 当点击保存按钮时，系统会提示输入文件名。可以在后续通过以下命令复用该文件：

darkflow --config-file <filename> realtime <interface> [--only-ingress]

# 例如 `./target/release/darkflow -c ./config.toml pcap ./t.pcap`
darkflow -c <filename> pcap <path to pcap file>

保存配置文件后，可以安全地进行重置，这不会修改已保存的配置文件。

3）使用 Docker 容器。请确保使用的是原生 Docker 环境，而非 Docker Desktop，且不要在机器上安装 Docker Desktop。如果在 Docker Desktop 环境下运行，该工具将无法按预期工作，因为 --network host 不会把容器连接到宿主机网络，而是连接到 Docker Desktop 所使用的虚拟机网络中。

构建容器：

docker build -t darkflow .

运行容器：

docker run --rm --network host -v /path/on/host:/app darkflow [ARGS]

如果需要实时捕获流量，请加上 --privileged 标志。

• 示例：

docker run --rm --network host -v ./pcap:/app darkflow \
  -f basic \
  -o print \
  pcap /app/pcap.pcap
docker run --rm --privileged --network host -v ./output:/app darkflow \
  -f cic \
  -o csv \
  --export-path /app/output.csv \
  realtime enp0

说明：

• 在容器中进行实时抓包依然依赖于宿主机 Linux 对 eBPF 和 tc 的支持，因此 --privileged --network host 仍是本地测试的实用基准配置。

开发指南

推荐直接使用 ./setup.sh 脚本安装依赖，并使用 ./build.sh 脚本来构建 darkflow 二进制文件！

前置依赖 libpcap-dev：

sudo apt install libpcap-dev

安装 Rust：

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

Nightly 版本 Rust 工具链：

rustup install stable
rustup toolchain install nightly --component rust-src

安装 bpf 链接器（Linux x86_64）：

cargo install bpf-linker

安装 bpf 链接器（MacOS）：

brew install llvm
cargo install --no-default-features bpf-linker

针对 Ubuntu 20.04 LTS 的特定命令：

sudo apt install linux-tools-5.8.0-63-generic
export PATH=/usr/lib/linux-tools/5.8.0-63-generic:$PATH

编译项目 eBPF 程序：

cargo xtask ebpf-ipv4
cargo xtask ebpf-ipv6
# 或者编译 Release 版本
cargo xtask ebpf-ipv4 --release
cargo xtask ebpf-ipv6 --release

编译用户空间程序：

cargo build
# 或者编译 Release 版本
cargo build --release

在开发模式下运行项目：

cargo xtask run -- [OPTIONS] <COMMAND>

运行测试：

cargo test
cargo test -- --fail-fast
cargo test --no-run

一、导师简介

黄诚，四川大学教授，院长助理，IEEE/CCF高级会员，国家重点研发计划项目青年科学家项目负责人，四川省学术和技术带头人后备人选，四川省科技创新创业人才，四川省技术总师，美国加州大学圣塔芭芭拉分校联合培养博士，国内著名[安全学术圈]公众号创建者。长期致力于网络空间安全方面的科学研究和人才培养，目前主要从事攻击检测与溯源、网络公害治理等方向的研究工作。先后主持国家重点研发青年科学家项目、国家重点研发科技创新项目、国家重点研发子课题、国家自然科学基金面上/青年等国家级项目6项，省科技厅重点研发、“聚源兴川”、科技创新人才等纵向项目8项，主持项目总经费超1500万元。

当前课题组聚焦两大前沿方向：

• AI for Security：利用机器学习、知识图谱、大模型等技术解决攻击检测、威胁情报、软件供应链安全等难题；

• Agent 安全：面向智能化、自主化的安全Agent系统，研究其安全性与可控性。

团队近年已在USENIX Security、TSE、ASE、RAID等CCF A/B会议及期刊上累计发表学术论文40余篇（谷歌H指数40），获国家技术发明专利授权20项，获省级科技进步二等奖/三等奖各1项，学会科技进步一等奖1项。带领学生在全国大学生信息安全作品赛/技能赛、计算机设计大赛等赛事中荣获一等奖8项，作品赛2次荣获全国最具创新创业价值奖，四川省互联网+比赛银奖。

二、我们寻找的你

我们希望你不仅具备扎实的专业基础，更拥有 浓厚的科研兴趣 和 强烈的自我发展诉求。我们不看重你现在的成绩，更看重你对未知的好奇心、解决问题的韧劲，以及愿意主动投入、不断突破自我的决心。

特别欢迎：有志于硕博连读或后期攻读博士学位的同学加入。目前课题组每年博士招生名额较为充裕，能够为你提供稳定的深造通道。同时，课题组为研究生提供极具竞争力的补助与优厚待遇，让你安心科研、无后顾之忧。

具体要求：

1. 院校背景：211及以上高校，或双一流建设高校/学科在读本科生；

2. 年级要求：现大三（2023级），且已获得或基本确定可获得本校保研资格；

3. 专业要求：网络空间安全、计算机科学与技术、软件工程、人工智能等相关专业；

4. 能力基础：

• 对 AI for Security 或 Agent安全 方向有浓厚兴趣；

• 具备扎实的编程基础（Python/C等）；

• 了解机器学习/深度学习基本概念，或有相关项目经验者优先；

• 有科研经历、CTF竞赛、安全攻防经验者加分。

三、课题组氛围与学生出口

我们的氛围：

课题组学术氛围浓厚，导师与学生之间平等开放、亦师亦友。每周定期组会讨论，鼓励大胆质疑、自由碰撞想法。无论是科研难题还是职业规划，导师都会给予全力支持。

你的未来：

历届从本课题组走出的硕博士生（人均至少二等奖学金、每年都有一等奖学金和国家奖学金），同时就业出口薪资待遇、就业单位为学院顶部水平——入职头部互联网公司、国家单位等（具体情况可以联系网站课题组毕业的各位师兄）。只要你足够努力，我我们会尽力帮你站上更高的平台。

四、实习安排

• 时间：2026年6月–9月（具体起止时间可协商）

• 地点：四川大学江安校区（线下为主，也如果时间能保证也可以线上）

• 人数：计划招收 3–4人

• 研究方向（可根据兴趣选择）：

• 基于大模型的自动化渗透技术研究

• 自动化流量数据集采集与整理

• LLM在流量分析领域的应用探索

• LLM赋能威胁情报知识图谱构建与推理

• 实习补助：线下实习有相应的科研补助

• 产出目标：在导师和师兄的指导下解决课题关键技术，培养学术论文阅读和研究能力，力争形成学术论文或技术报告

五、你将获得

• 一段高质量的前沿科研训练经历，直面真实安全问题；

• 与川大网安学院顶尖团队深度交流，参与组会、讨论与论文写作；

• 表现优异者有机会获得 论文署名 或 合作发表；

• 实习证明及导师亲笔推荐信（优秀者）；

• 提前锁定课题组硕/博深造机会，进入学院顶部培养通道；

• 硕博士阶段享有丰厚补助与优厚待遇，助你专注科研。

六、申请方式

请将以下材料合并为一个PDF文件，发送至邮箱：codesec#scu.edu.cn（请将#替换为@），邮件主题请注明：2026暑期实习申请-姓名-本科学校。

1. 个人简历（含GPA、排名、英语水平、科研/竞赛经历）；

2. 本科成绩单扫描件；

3. 其他证明材料（如竞赛证书、论文摘要、GitHub链接等）。

截止时间：2026年6月30日（名额有限，择优录取，滚动面试）

七、关于课题组

想了解更多？欢迎访问黄老师个人主页：https://chenghuang.org 或者 https://ccs.scu.edu.cn/info/1382/1129.htm ，查看最新论文、项目和团队动态。

如果你对 AI如何守护安全、安全如何赋能Agent 充满好奇，如果你渴望在一个温暖而卓越的团队中快速成长，并愿意为未来的硕博士生涯打下坚实基础，欢迎加入我们！