安全学术圈

本文提出了一个以协议为中心的框架，以理解指纹识别方法为何在受控环境下有效，以及如何将其应用到实际的攻击和防御中。

本文提出了一种基于开源大语言模型（LLM）的双阶段微调框架——TrafficLLM，旨在通过专家指令和原始流量数据学习通用流量表示，从而提升泛化能力。

本文所提出的 CrossPUSH 与 CrossSXG 攻击，不仅是协议层面的安全漏洞，更反映出现代 Web 信任模型在“证书共享”与“资源分发”之间的严重断层。

基金申报截止时间为 2025 年 6 月 15 日 24:00

本文提出了一种基于网络流量分析的统计分类技术。

本文提出了一种新型小程序漏洞 MiniCPRF，其根源在于小程序框架的页面路由与用户状态管理的设计缺陷。

本文利用无监督学习技术，通过聚类算法在流量样本中识别相似模式，以实现对Tor用户的画像分析。

这篇论文提出了一种基于图神经网络（Graph Neural Networks, GNN）的去中心化应用（Decentralized Applications, DApp）识别方案——GraphDApp。

本文首次对蓝牙前向和未来保密性保证进行了安全评估，并提出了 6 种 BLUFFS 攻击。

本文首次对蓝牙前向和未来保密性保证进行了安全评估，并提出了 6 种 BLUFFS 攻击。

本文提出了 Phantom，一种针对半监督学习（SSL）的无目标投毒攻击。

本文提出了 Phantom，一种针对半监督学习（SSL）的无目标投毒攻击。

招聘25 Fall/26 Spring/26 Fall博士

招聘25 Fall/26 Spring/26 Fall博士

本文提出了 Smart Detector，一种基于对比学习的恶意加密流量鲁棒检测方法。

本文提出了 Smart Detector，一种基于对比学习的恶意加密流量鲁棒检测方法。

稿件提交截止日期：2025年11月20日

稿件提交截止日期：2025年11月20日

本文提出了一种基于滑动窗口分割的序列流量表示方法，用于捕捉细粒度特征并构建多粒度流量表征