Linux 内核命名空间深度实战：从隔离原理解析到容器生产部署
深入解析 Linux 内核命名空间机制的内核数据结构、系统调用实现与生产级容器部署实战。涵盖 nsproxy 设计、七种隔离类型详解、Network/PID Namespace 配置、User Namespace 安全加固，到 Kubernetes Pod 完整工程化链路。
系统调用
深入 Linux vDSO：用户态加速系统调用的零拷贝艺术
本文深入剖析 Linux vDSO（Virtual Dynamic Shared Object）机制——内核如何将用户态可执行代码映射到进程地址空间，使 clock_getdaytime 等高频系统调用完全绕过内核态切换，实现零上下文切换的极致加速。覆盖 vsyscall 历史、ELF 加载流程、seqlock 无锁设计、sigreturn 优化、ARM64/x86 差异与工程陷阱排查。
Linux BPF Iterator 深度实战：可观测性革命的内核级数据导出技术
深入解析 Linux 5.8 引入的 BPF Iterator 机制——一种可编程的内核级数据导出框架。从内核源码层面剖析 bpf_iter 注册模型、seq_file 回调链、批处理迭代语义，到用户态 perf_event 与 ring buffer 的高效数据搬运。涵盖 task_iter/task_file_iter/mmap_iter/vmap_iter/mem_iter/tcp_iter/udp_iter 等十余种标准 iterator 的实现原理与性能特征，并给出生产实践中用 BCC/bpftrace 构建自定义 iterator 的完整范例（进程网络画像、容器级 PID 命名空间遍历、脏页追踪）。
Linux 系统调用全链路深度工程实战：从 syscall 指令到 VFS 的完整旅程
系统调用是用户空间进入内核空间的唯一受控通道。本文从 x86_64 SYSCALL 指令出发，完整拆解系统调用链路中的每一个关键阶段：entry_SYSCALL_64、pt_regs、syscall table 分发、文件操作全路径(openat→read/write/close)、io_uring 替代方案、安全加固策略(strace/ftrace/eBPF 调试实战)。
深入理解 Linux Namespace：容器隔离的底层基石——从三大系统调用到 8 类 Namespace 与安全逃逸防护的完整实战
从 Linux 内核源码级别剖析 8 类 Namespace（UTS/PID/Mount/Network/IPC/User/Cgroup/Time），系统讲解 clone()、unshare()、setns() 三大系统调用的工作原理，完整还原 Docker/containerd 构建隔离环境的全过程，深入分析容器逃逸向量与纵深防御策略。
eBPF 构建 AI Agent 安全沙箱：系统调用过滤、能力降级与运行时监控的工程实践
探讨如何用 eBPF 构建生产级 Agent 安全沙箱运行时，结合能力降级链和自适应策略引擎，实现系统调用层面的微秒级策略决策与动态热更新，在保障 Agent 自由度的同时锁死安全边界。
Linux 内核 ERESTARTSYS 与可重启系统调用：从信号中断到 Restart Block 的深度工程剖析
Linux 内核中协调信号中断与系统调用重启的核心机制深度剖析，涵盖 ERESTARTSYS 家族三种语义、Restart Block 精确恢复、futex 特殊行为、ppoll/nanosleep 实战以及 io_uring 等子系统中的新演进
Linux 内核系统调用与 vDSO 机制深度实战：从 int 0x80 到零开销时钟的完整演进
深度剖析Linux内核系统调用架构：x86_64 syscall/sysret指令机制、entry_SYSCALL_64汇编入口、vsyscall页的安全问题、vDSO ELF结构与加载机制、vvar共享内存与seqcount同步模型、生产环境性能基准测试、Syscall User Dispatch未来方向
Linux seccomp 深度实战：系统调用过滤与容器安全沙箱——从 BPF 程序到 Docker/Chrome 沙箱的工程实践
Linux seccomp深度实战：从Mode 1到seccomp-bpf的架构演进，动手编写BPF过滤程序，Docker与Chrome沙箱实现精析，容器运行时seccomp profile定制，与eBPF协同防护体系，性能开销实测，以及seccomp-unotify用户态模拟的前沿实践
eBPF 驱动 AI Agent 安全审计：实时行为追踪与异常检测工程实践
当 AI Agent 拥有系统级权限时，传统边界防御已无法提供足够的可见性。本文介绍如何利用 eBPF 实现对 AI Agent 运行时行为的零侵入式追踪，构建从系统调用到 LLM 决策链路的全栈审计体系。
