深度分析
「Grimlock」利用 eBPF 與 TLS 1.3 在 kTLS 資料平面實現高授權代理系統安全防護
隨著代理系統在多雲環境中大量使用者自訂編排程式碼，信任與授權管理變得難以一致驗證。Grimlock利用eBPF強制所有沙箱流量經過守護代理，並結合TLS 1.3後置驗證與kTLS資料平面，產生短命範圍令牌以實現最小權限委派。實驗證明此架構在不改變應用程式碼的情況下，提供可審計的跨雲代理通訊，提升安全與效能。
eBPF
深度分析
Grimlock：透過 eBPF、通道綁定與 kTLS 建構無繞過代理通訊守護層
代理系統常把授權與身份檢查內嵌於應用，導致信任邊界模糊。Grimlock透過eBPF在沙箱邊界強制攔截與路由流量，並以TLS1.3的後握手證明綁定通道與短期授權範圍，接收端再驗證身分與範圍後才釋放明文。此設計提升可稽核性與最小權限傳遞，適用於跨主機與多雲部署。
深度分析
MolTrust 協議：以 W3C DID 與 Verifiable Credentials 建構去中心化 AI 代理人信任層
面對自主 AI 代理人交易規模劇增但缺乏信任機制，MolTrust 協議推出一套基於 W3C VC 與 DID 標準的基礎設施。該技術透過代理人授權封裝 AAE，結合 Base Layer 2 區塊鏈錨定與 Falco eBPF 核心層監控，實現跨平台的身份驗證與行為約束。此實作證明了利用標準化原語可構建出符合全球監管要求的 AI 代理人信任體系，有效填補了產業信任缺口。
深度分析
Crab：語意感知的代理沙盒檢查點與還原機制
隨著AI代理從單輪聊天轉向多步驟自動化，系統需要在容器或微型虛擬機中即時保存與還原完整作業狀態。Crab透過eBPF監測每回合的OS變化，僅在必要時進行檔案或全域檢查點，並於LLM等待期間非同步完成。實驗顯示在高密度沙盒環境下，恢復正確率達100%，檢查點流量降低最高87%，執行效能僅受1.9%影響。
eBPF
eBandit：以 eBPF 為核心的強化學習框架提升自適應影片串流效能
研究聚焦於使用者空間 ABR 演算法缺乏即時傳輸層資訊的問題，提出將網路監控與 ABR 選擇搬移至 Linux 核心的 eBandit 框架，使用 epsilon‑greedy 多武臂賭徒根據 TCP 指標即時獎勵。合成測試顯示 QoE 提升 7.2%，真實測試中平均 QoE 1.241，證明此方法在行動環境具顯著效益。