本文针对高维数据（如图像）在差分隐私保护下的高效压缩问题展开研究。现有方法要么直接发布未压缩的隐私化数据，导致存储开销巨大；要么缺少能在隐私保证下有效压缩高分辨率数据的方案。为此，作者提出了DP-DiPP（Differentially Private Diffusion-based Privacy-Preserving compression）管道，将随机编码（stochastic codes）与扩散模型（diffusion models）相结合。具体地，论文将Poisson私有表示（PPR）扩展用于编码隐私机制的输出，并与基于扩散的有损压缩方法DiffC结合，构建了一个差分隐私图像压缩器。该方法允许从业者直接控制压缩率、隐私与效用之间的权衡。在CIFAR-10数据集上的图像分类实验表明，DP-DiPP相比基线方法在保持相近隐私保障和实用性的前提下，实现了10至30倍的压缩率提升。该工作为高维隐私敏感数据的存储与传输提供了可行方案。

该论文研究了硬件图形数据压缩的侧信道安全隐患，重点关注 GPU 中集成的无损压缩模块（如 Display Stream Compression 或类似机制）如何意外地成为信息泄露的渠道。研究者发现，由于压缩算法对输入数据的统计特性敏感，其压缩率（从而压缩时间）会随数据内容变化而产生可观测的差异。跨进程攻击者可以通过共享 GPU 缓冲区或观察渲染时序，推断出受害进程的图形数据中是否存在特定模式或秘密信息。论文提出了一种新的侧信道模型，基于压缩后数据大小的变化或渲染帧率的波动来提取信息。实验证明，在现代 GPU 上，该信道可以达到足以泄露像素值或文本内容的带宽。研究强调，即使图形数据本身不被内核直接共享，压缩的副作用也可能破坏隔离性。该工作首次系统性地评估了 GPU 图形压缩作为侧信道的风险，为未来的硬件安全设计提供了警示。

该论文提出了一种针对大视频文件的同时压缩与加密系统（SDCE），旨在解决传统压缩和加密方法计算开销大、处理时间长、不适合实时应用的问题。核心方法是将基于混沌映射的加密与霍夫曼无损编码压缩整合到一个统一框架中：利用逻辑映射生成伪随机混沌序列用于XOR加密，确保强安全性；同时采用霍夫曼编码进行无损压缩，显著降低计算开销和处理时间。实验结果显示，与现有方法相比，该系统在熵值、雪崩效应、吞吐量、压缩比、峰值信噪比（PSNR）、每速率位数（BPC）以及数据损失百分比等指标上均表现出更优性能，有效增强数据隐私和完整性。该研究适用于需要高安全性和实时性的大视频文件传输场景。