Knowdit 論文閱讀分析：很多 DeFi 漏洞真正難抓的，不是 pattern 太少，而是經濟語意根本沒被寫成可驗證規格
Knowdit 把 smart contract audit 從單純找 code pattern，拉回 DeFi semantics、specification generation、harness synthesis 與 fuzz execution 串成的知識驅動驗證流程。
2026 年 4 月 22 日
Paper Survey
2026
Global Web, Local Privacy? 論文閱讀分析：很多網站真正先把資料送出去的，不是你按了同意，而是它預設就打算先追再說
這篇論文真正重要的，不只是證明各國 cookie banner 長得不一樣，而是量到不同法制與地理位置真的會改變第三方 tracker 何時被放行。對安全與隱私治理來說，關鍵不是文案，而是 request 在使用者同意前到底有沒有先飛出去。
2026 年 4 月 22 日
IPv6 Network Periphery 論文閱讀分析：真正危險的，不是 IPv6 太大掃不到，而是你以為別人掃不到
這篇論文真正重要的，不只是全球量到 2.819 億個 IPv6 network periphery devices，而是它證明 IPv6 的風險從沒因為位址空間變大而消失，只是從亂掃問題變成 prefix intelligence、裸露服務與 LLM 工具外洩問題。
2026 年 4 月 22 日
Atomic Decision Boundaries 論文閱讀分析：真正能保證 Agent 不在最後一刻越界的，不是事前多看一次，而是判斷和出手根本沒有縫
這篇論文真正關鍵的，不是再講一次 policy 要多嚴，而是指出只要 decision 和 state transition 仍然分兩步，execution-time admissibility 就可能在最後一刻蒸發。
2026 年 4 月 22 日
AndroScanner 論文閱讀分析：很多 mobile App 真正先出事的，不是 APK 本身，而是背後那排被忽略的 API
這篇論文真正重要的，不只是又多一個 Android 掃描器，而是把很多團隊一直切開看的 mobile 與 backend 風險重新接回同一張 API 攻擊面地圖。
2026 年 4 月 22 日
MAD 論文閱讀分析：很多模型真正危險的，不是答案錯了，而是它早就不是用正常機制在做事
這篇論文真正重要的，不只是又做出一個 anomaly detector，而是把問題問對了：很多模型安全真正該檢查的，不只是 output 對不對，而是它是不是仍由正常、可信的內部機制產生。
2026 年 4 月 22 日
CHRONOS 論文閱讀分析：很多 secure federated learning 真正卡住的，不是隱私保護不夠，而是把最重的密碼成本塞進了最不該卡的 training path
這篇論文真正重要的，不只是又做了一個 secure federated learning 方案，而是把問題問對了：當 IoT 裝置最貴的是 active training phase，那些 data-independent 的密碼協定就不該繼續塞在那段 critical path 裡。
2026 年 4 月 22 日
TrEEStealer 論文閱讀分析：很多團隊以為把模型塞進 TEE 就安全了，但控制流可能早就把整棵樹洩光
這篇論文真正刺中的，不是哪個 decision tree library 寫得不夠漂亮，而是很多人對 TEE 的保密想像本來就放錯地方：如果模型推論仍帶著 data-dependent control flow，那 branch history、page trace 與 performance counter 這些執行痕跡，就可能把整棵樹慢慢洩出去。作者在 SGX 與 SEV 上實作 TrEEStealer，並對 OpenCV、mlpack、emlearn 做到高保真抽取，表 3 的 10 組模型甚至全部達到 1 − R = 1.00。
2026 年 4 月 22 日
LLM Tutor 洩答論文閱讀分析：很多教學助手真正先守不住的，不是正確率，而是答案邊界
這篇論文最值得注意的，不是它再次提醒 LLM tutor 可能會洩答，而是它把問題從一般教學品質拉回 adversarial robustness：真正該量的，是當學生開始像攻擊者一樣多輪施壓、情境操弄、慢慢磨穿邊界時，tutor 還能不能守住 final answer。作者發現 contextual manipulation 平均 leakage rate 高達 74%，而 fine-tuned adversarial student 更可把 Qwen-32B 的 tutor leakage 從 4% 拉到 70%。
2026 年 4 月 22 日
ARES 論文閱讀分析：很多安全對齊真正先壞掉的，不是模型單點失守，而是 policy 跟 reward model 一起誤判了同一件危險事
這篇論文最值得看的地方，不是又做了一套 jailbreak framework，而是把 RLHF 系統裡 policy model 與 reward model 的共同失效面抓出來：如果 actor 跟 judge 共享同一種安全盲點，整條 alignment pipeline 會一起鬆手。
2026 年 4 月 22 日