在政企数字化转型中，Java组件如Spring、Nacos和Swagger存在漏洞，成为红队渗透的突破口。红队通过指纹识别和漏洞利用攻击系统，获取敏感信息和篡改数据，造成严重损失。有效的渗透测试需结合路由特性，识别系统弱点并制定攻击策略。

主机指纹识别技术在网络安全中变得越来越重要，能够识别设备类型和操作系统。主要方法包括主动扫描和被动流量探测，前者通过发送探测包，后者通过分析网络流量获取信息。

本研究针对物联网设备在低信噪比情况下无线频率指纹识别（RFFI）性能下降的问题，提出了一种新颖的去噪扩散模型方法。通过训练强大的噪声预测器和定制去噪算法，有效降低接收信号的噪声水平，实验结果显示该方法在分类准确度上提升了34.9%。

本研究解决了在各类技术生态系统中识别运行中的大型语言模型（LLM）的问题，以确保系统的安全性和可信性。提出了一种新颖的被动非入侵性指纹识别技术，通过分析标记间时间（ITT）在不同网络条件下高效识别不同语言模型。研究结果显示，该方法在多种部署场景下仍能保持高精度，为更加安全和可信的语言模型部署开辟了新路径。

苹果最新推出的iPhone 16e标志着传统设计的结束，彻底放弃了Home键、指纹识别和Lightning接口，转向全面屏和USB-C接口。

本研究提出了ARES框架，利用Transformer模型解决现有网站指纹识别技术在多标签浏览会话中的有效性不足问题。实验结果表明，ARES在多种场景下表现优异，并在面对不同WF防御机制时保持强健性。

本研究解决了商业人脸识别模型在模型窃取攻击中的安全性问题。提出了一种基于样本相关性（SAC）的新颖模型窃取检测方法，利用JPEG压缩样本的输出计算相关矩阵。结果显示SAC能够有效抵御多种模型窃取攻击，并在性能评估中超越了现有方法。

本研究探讨了浏览器指纹识别技术对数字隐私的威胁，强调用户对数据收集的控制不足，指出用户常在不知情或未同意的情况下被追踪。

本研究解决了在大型语言模型合并过程中对知识产权保护的缺失，提出了创新的指纹识别方法MergePrint，能够在模型合并后仍能保持所有权主张。研究发现，该方法有效地优化了指纹生成过程，确保在模型合并情况下能够进行验证，从而提供了一种实用的所有权保护策略。

本研究解决大型语言模型（LLMs）知识产权保护的难题，通过引入FP-VEC方法，提出了一种高效的指纹识别方案。该方法生成的指纹向量可以无缝融合到无限数量的LLMs中，并且能够在仅使用CPU的设备上轻量运行，最终结果在多个LLMs上证明该方法的可扩展性和模型行为的保留性能。

本文针对现有无接触指纹算法将其视为2D平面指纹的问题，提出了一种新颖的无接触指纹识别算法，该算法捕捉指纹的3D特征而非平面特征。研究表明，该方法显著提高了无接触指纹的匹配准确性，并在不同姿态下表现稳定，显示出其在无接触指纹识别中的潜在影响。