论文《Efficient and Secure Range Counting over Distributed Geographic Data with Query Range Protection》解决了分布式地理数据中范围计数查询的隐私保护问题。现有方案要么泄露查询范围，要么因使用昂贵的安全比较操作导致效率低下，且大多假设数据不重叠，导致重叠场景下误差巨大。本文提出PPRC协议，同时满足隐私、效率和准确性要求。主要技术贡献包括：1）私有范围谓词（PRP）技术，将范围评估转化为加密成员测试，用高效的安全乘法替代昂贵的比较操作，从而保护查询范围；2）遗忘线性计数（OLC）聚合方案，仅使用轻量级密码操作安全聚合重叠数据组织的部分结果，不泄露最终计数以外的任何信息。理论分析和实验表明，PPRC相比基线协议误差最多减少55倍，速度提升最多37倍。该工作适用于多机构间的地理数据联合分析场景，如灾害响应、人口统计等，为实际部署提供了可行性。

该论文针对大规模语言模型（LLM）对话记录在数字取证和合规审计中日益重要的应用背景，指出传统的线性防篡改日志无法捕捉LLM对话内在的非线性演化特性，例如基于历史查询的重新提示、回复重生成、会话删除、多设备并发以及选择性分享。为解决这一问题，论文提出了一种可验证的对话记录系统（Verifiable Conversation Transcript, VCT），将复杂的非线性LLM语义操作抽象为账户级别的认证状态转换。VCT构建了一个三层密码学数据结构：原子问答对形成分支级哈希链，分支尾部聚合为会话级Merkle根，所有会话根进一步聚合并由用户和服务器的联合签名锚定为账户级Merkle根。VCT引入了一种带有删除屏障的序列化状态转换协议，以消除删除与修改之间的冲突，并辅以确定性状态合并协议，以保留并发的非删除增量操作。此外，增量否认检查和八卦协议使异步用户设备能够自主检测恶意服务器导致的视图分叉，并生成不可抵赖的取证证据。安全分析表明，在标准密码学假设下，VCT保证了账户级对话记录的完整性、一致性、可验证共享性和不可否认性。在Python原型上的评估显示，核心操作的密码学延迟在亚毫秒到低毫秒范围内；在21KB文本的实际配置下，安全元数据仅引入0.9%的存储开销，验证了VCT在高风险取证审查场景下部署于生产级LLM平台的可行性。