比特币、以太坊、稳定币、DeFi、智能合约、扩容与共识。
说明用于加密货币订单执行的混合专家模型：训练稳定性、尾部风险与失效模式
简介本文在币安BTC/USDT限价订单簿数据上，比较了深度强化学习订单执行策略中的普通DDQL、K-means划分的混合专家（MoE）以及参数量匹配的稠密网络。结果显示，学习型配置在平均执行损耗上均未显著优于DDQL，且都高于TWAP和即时清算的基准。研究发现，用退火探索即可消除策略崩溃，表明专家划分在此环境中更像是掩盖了训练设定的问题，而非带来内在性能优势。
说明CFMM 交易手续费的渐近分析：研究费率趋近于零时，套利交易能为流动性提供者带来多少手续费收入，以及这些收入能否抵消 LVR 损失。
简介该论文研究去中心化金融中自动做市商（AMM）的交易手续费问题。作者在手续费率趋近于零时，给出流动性提供者从套利交易中可获得手续费的闭式公式。结果显示，在价格过程连续时，套利产生的手续费可以完全抵消 LVR 损失；在价格过程含跳跃的情形下，理论分析表明，除市场风险外，跳跃是造成流动性提供者损失的唯一原因。
说明从 TS-SUF-2 到 TS-SUF-4：FROST2 门限签名的实用安全增强
简介门限签名用于保护区块链和分布式系统中的数字资产。本文指出，FROST2 在静态腐败和集中式密钥生成设定下只能达到 TS-SUF-2 安全级别，原因在于其存在 TS-UF-3 攻击弱点。作者提出增强版 FROST2+，通过加入预处理令牌验证，在相同计算假设下达到 TS-SUF-4 安全级别，并称其在使用 ZCash 的 FROST 库测试时，性能与 FROST2 相当，在启用预计算时比 FROST 快约 64%至79%。
说明用于衰落与擦除信道下安全协作V2X广播的无速率嵌套格码
简介该论文提出一种车联网（V2X）广播框架，结合无速率Raptor格码、基于直接序列扩频的嵌套格物理层安全技术以及支持中继选择的区块链信任管理。在块瑞利衰落和随机符号擦除信道下，无速率Raptor接收的中断率为0.3%，平均约需2.3个数据包，优于同条件下的LDLC和LDPC；窃听者在8 dB条件下有62%的会话解码失败。
说明量子时代的稳定币：系统性知识梳理
简介本文是一篇关于后量子稳定币的系统性知识梳理（SoK）。作者建立了针对稳定币的威胁模型，将密码学依赖关系映射到货币控制环节，并从授权主体、变更位置以及迁移方式（混合、后量子原生或经典组件封装）三个维度对迁移选择进行分类。文章指出，能够执行迁移的一方往往不同于承担失败损失的持有者、交易所、协议或发行方。论文还讨论了相关的互操作性方案，并探讨了开放问题。
说明DuraShare：原生支持 BIP39 助记词的秘密分享方案，并可完全手工恢复
简介DuraShare 面向比特币钱包助记词（BIP39 词序列），把它拆分给 n 位保管人，任意 k 位即可恢复原助记词，少于 k 位则不泄露信息。方案结合 F_2053 上的 Shamir 秘密分享、行列校验码以检测抄写与物理损坏，以及仿射内积消息认证码以防止篡改，并保证仅凭纸、计算器和说明即可手工恢复。
说明存在MEV情况下的RANDAO操纵
简介以太坊的随机信标RANDAO可以被操纵，此前工作计算出策略性提议者能够提议的区块比例。本文提出一个通用奖励模型，涵盖共识奖励滚存、多区块MEV、CEX-DEX套利、预言机操纵等多种奖励形式，并给出可为任意奖励方案计算ε最优策略的方法。文章还发现，奖励部分滚存或随连续区块超线性增长时，操纵RANDAO的动机会增强；另外研究了可建模为奖励函数的尾槽惩罚，并表明诚实均衡可以恢复。
说明基于自编码器与少样本元学习的恶意软件检测混合方法
简介本文针对勒索软件等新型或样本稀少的恶意软件检测难题，提出一种混合深度学习框架：先用自编码器提取紧凑的潜在特征以降低噪声与维度，再用模型无关元学习（MAML）分类器从有限标注数据中快速适应新威胁。在 Ransomware Dataset 2024 上于一至五十样本设置下的二分类实验显示，该模型在准确率、F1 分数和马修斯相关系数上表现稳定，并在极端样本稀缺时仍保持可靠分类。
说明从网络入侵检测到区块链支持的终端检测与响应：去中心化检测与响应架构综述
简介这是一篇系统性综述（SoK），梳理2019至2026年间区块链辅助入侵检测与防御在物联网及工业物联网中的研究。作者提出三维分类法，按检测系统类别、区块链功能角色和响应自动化成熟度对已有方案归类，并指出逐终端、区块链锚定的响应闭环几乎不存在。文章还讨论了共识延迟、后量子密码脆弱性、智能合约攻击面等共性挑战，并提出以链上与链下混合编排为核心的研究议程。
