已發表的研究
構成 NHP 協定理論與實務基礎的學術論文。
Network traffic control method of NHP based on deep reinforcement learning
提出一種基於 D3QN（Dueling Double Deep Q-Network）的智慧調控方法， 用以解決 NHP 環境中的網路流量控制挑戰，實現對吞吐量、延遲和丟包率的 即時感知與自主決策優化。
Research on Secure and Trusted Data Interaction Architecture for AI Agents
探索 AI 代理的安全資料互動架構，解決 AI 驅動系統 所面臨的新興安全挑戰。
DRL-AMIR: Intelligent Flow Scheduling for Software-Defined Zero Trust Networks
將深度強化學習應用於軟體定義零信任網路中的智慧流量排程， 優化 NHP 部署。
STALE: A Scalable and Secure Trans-Border Authentication Scheme Leveraging Email and ECDH Key Exchange
提出一種使用橢圓曲線 Diffie-Hellman 金鑰交換的可擴展跨境認證方案， 適用於 NHP 跨域場景。
AHAC: Advanced Network-Hiding Access Control Framework
介紹 AHAC 進階網路隱藏存取控制框架， 為 NHP 協定提供架構基礎。
相關研究
幫助我們理解 AI 時代安全威脅與解決方案的相關研究。
Why Zero Trust Needs to Start at the Session Layer
論述專注於身份和應用層的零信任實作仍然不足，因為網路基礎設施依舊可見且可被掃描。 會話層密碼學協商——如 NHP 所實現的——是消除攻擊面的關鍵缺失環節， 在任何憑證交換開始之前即可生效。
From Naptime to Big Sleep: Using Large Language Models To Catch Vulnerabilities In Real-World Code
證明大型語言模型能夠在生產環境程式碼中發現真實漏洞， 凸顯 AI 驅動安全研究的新興威脅。
LLM Agents can Autonomously Exploit One-day Vulnerabilities
展示 LLM 代理能夠在無需人工介入的情況下自主利用已知漏洞， 大幅縮短攻擊時程。
研究方向
開放的研究問題及歡迎學術合作的領域。
後量子密碼學
調整 NHP 的密碼學框架以適應抗量子演算法， 確保長期抵禦量子電腦的安全性。
抗 AI 協定
開發在面對 AI 驅動攻擊工具和自動化漏洞發現時 仍能保持安全的協定擴展。
全球規模部署
針對地理分散式基礎設施和邊緣運算場景， 優化 NHP 的全球規模部署。
區塊鏈整合
探索結合區塊鏈技術與 NHP 隱藏能力的 去中心化身份與存取管理。
形式化驗證
應用形式化方法從數學上證明 NHP 協定實作的安全屬性。
IoT 與工業系統
針對資源受限的 IoT 裝置和工業環境中的 關鍵基礎設施保護，調整 NHP。
與我們合作
我們積極與大學和研究機構在網路安全協定研究方面展開合作。 如果您有興趣探索零信任網路、密碼學協定或 AI 時代的安全挑戰， 我們期待您的來信。
合作機會
- → 聯合研究專案與發表
- → 研究生論文指導
- → 安全稽核與形式化驗證
- → 協定擴展設計
致謝
我們衷心感謝研究合作夥伴的貢獻：
- 🏛️雲端安全聯盟（CSA）
零信任工作小組合作
- 🏛️中國計算機學會（CCF）
合作研究支持
- 🌐OpenNHP 社群
測試、回饋與實作