Through Human Eyes and Machine Eyes: Understanding View Mismatch in Video See-Through Extended Reality
该论文研究视频透视扩展现实（Video See-Through XR, VST XR）系统中长期被忽视的“人机视图错位”问题。研究背景是：当前大量 VST XR 应用（尤其是集成视觉语言模型 VLM 的智能助手、场景理解、无障碍辅助系统）习
#cs.HC
共收录 84 条相关情报。
← 返回所有主题Privacy Leakage Through AI-mediated Analysis of Smartphone Data
该论文来自 arXiv cs.HC 方向，作者为 Sarah Radway、Zoe Robert、Matthew Soto、Julianna Cimillo、Sebastian Diaz、Meg Marco 与 James Mickens（
How It's Made: Uncovering Detection Engineering Processes for Network Intrusion Detection Rules
这篇论文聚焦一个长期被学术界忽视、却对安全运营中心（SOC）日常运转至关重要的环节：基于签名的网络入侵检测系统（如 Suricata）的检测规则工程。作者指出，尽管大量 SOC 依赖 Suricata 这类签名式 NIDS 进行流量侧告警，
Cyber Exodus: Burnout Symptoms, Exit Intention, and Peer Response in Online Cybersecurity Communities
该论文聚焦网络安全从业者高倦怠率与人员流失问题，并指出这一流失本身就是安全风险：SOC 等一线岗位通常对外部研究者封闭，能够触达从业者的研究往往依赖雇主渠道招募，而已经离职或心理脱离岗位最深的人恰恰最不可能认真填写雇主发放的问卷，导致样本存
Removing Speech, Keeping Activities: A Privacy Firewall for Acoustic Sensing in Assisted Living
针对辅助生活场景中老年人日常活动监测的声学传感技术,语音隐私泄露是阻碍其实际部署的关键壁垒。本文提出了一种基于U-Net编码器-解码器结构的隐私防火墙管道,完全使用合成数据训练,能够从环境音频中移除语音成分,同时保留与日常活动相关的环境声音
SoK: Motion Data Privacy in Extended Reality
本文是一篇关于扩展现实（XR）中运动数据隐私的系统化知识综述（SoK）。XR 设备（如 VR/AR 头显）依赖对用户身体动作的持续追踪来实现沉浸式交互，例如抓取、注视或移动虚拟物体。然而，运动追踪数据记录了个体独特的运动模式，现有研究表明这
NeuroPriv: Adversarial Representation Learning for Privacy in Wearable EEG Systems
本文针对可穿戴 EEG（脑电图）系统在健康监测之外可能泄露神经隐私的问题展开研究。作者指出，尽管许多系统假设仅传输紧凑的频谱或空间特征而非原始 EEG 数据即可提供足够的隐私保护，但实际这些特征仍可能泄露用户身份和人口统计属性。以 EEGM
Context or Digits? Balancing Memorability and Efficiency in Virtual Reality Authentication
该论文提出了一种面向虚拟现实（VR）环境的知识型身份认证方法——自适应方向认证（Adaptive Direction-Based Authentication, ADBA）。其核心设计思路是将用户的需求按时间阶段解耦：在创建密码阶段，强制要
The Web-CLI: Verifiable Privacy for Tools, Models, and Inference Engines in the Browser
本文提出了一种名为 Web-CLI 的新型应用架构，旨在将传统命令行工具、机器学习模型和 GPU 加速推理引擎等强大的计算能力，以零安装、可离线运行的浏览器应用形式交付，同时保持底层能力的完整性。其核心思想是将所有计算过程完全置于客户端执行
Do User-Authored Permission Policies Improve Protection Against AI Agent Overreach?
AI agent 正逐渐成为数字产品的主要交互界面，可能涉及电子邮件、文件、支付和个人数据等敏感操作。对于没有专业软件背景的普通用户而言，需要一种可理解且可复用的方式来控制跨服务的操作。本文研究一种机制：由语言模型将用户操作映射到自然语言后
Who Falls for SMiSh? Learning Through Survey Data Where to Best Target Awareness Training for Mobile Messaging Attacks
该论文聚焦于移动端短消息钓鱼攻击（SMiShing）的用户易感性研究。随着手机普及率激增，通过短信发送钓鱼链接的诈骗活动日益猖獗，然而关于哪些用户群体最容易受骗的数据却十分匮乏。既有针对电子邮件钓鱼的研究表明，受害风险可能与人口统计学因素及
When "Do Not" Is Not Deny: Security Rules in CLAUDE.md vs Built-In Controls
该论文研究 CLAUDE.md 中自然语言安全规则与 Claude Code 内置控制（deny）之间的语义鸿沟。CLAUDE.md 中的“do not”是模型解释的自然语言指令，而 deny 是代理执行前阻止动作的内置控制。两者可表达相同
Chat First, Worry Later: Understanding Individuals' Privacy Perceptions Using ChatGPT in a Work Context
本文是一篇关于生成式人工智能（GenAI）工具（如ChatGPT）在工作场景中隐私感知的实证研究。随着ChatGPT等工具在教育培训、医疗健康、IT等众多领域被越来越多地用于工作流程，其在提升效率的同时也引发了显著的隐私担忧。现有研究多关注
Privacy-Preserving Data Drift Detection and Recovery for Large-Scale LLM Applications via Proxy Representations
本文提出了 ProxyDrift 框架，用于在大型语言模型（LLM）应用的大规模部署中，在不接触原始用户数据的前提下进行数据漂移检测与评估集恢复。核心问题在于：隐私约束使得无法直接检查用户交互，从而难以获得代表性评估数据集或跟踪生产流量的持
IntelliAudit: Using Large Language Models to Evaluate Audit Controls
本文提出IntelliAudit系统，旨在解决IT审计中自动化评估证据的难题。传统审计需要审计员判断异构组织证据（如政策、记录、电子表格和操作工件）是否满足语义安全与合规控制，这种判断难以自动化，因为相关证据分散且审计结论依赖证据充分性而非
PromptShield Home: Ambient Multimodal Prompt Injection Defense for Smart-Home Agents
本文针对智能家居助手在引入多模态大语言模型（MLLM）后产生的新型安全挑战展开研究。随着智能家居助手开始直接感知视频和音频，它们面临一个独特问题：如何区分真实用户指令与环境中看似指令的干扰内容，例如电视语音、屏幕文字、无意听到的对话等。作者
AirKey: Multimodal Acoustic-Assisted WiFi Sensing for Zero-Training Robust PIN Inference
本论文针对利用WiFi感知进行无接触击键推断以窃取PIN码的隐私威胁展开研究。现有方法存在两个关键瓶颈：一是通常需要获得目标网络的访问权限才能获取稳定的感知数据流，限制了实际部署；二是纯WiFi信号在快速、肌肉记忆键入时存在波形融合歧义，难
XR-PRISM: Data-Driven Privacy and Risk Impact Scoring Metric for Extended Reality in Healthcare
该论文提出了一种面向医疗保健场景中扩展现实（XR）技术的隐私与风险影响量化评分指标 XR-PRISM。研究背景是 XR 技术（涵盖虚拟现实 VR、增强现实 AR、混合现实 MR）通过沉浸式训练、远程会诊和患者康复等应用正在变革医疗行业，但其
From Chasing Ghosts to Missed Attacks: Perspectives and Perceptions of SOC Practitioners on LLM Integration, Risks, and Readiness
本文针对大型语言模型（LLM）在安全运营中心（SOC）实际工作流中的适用性问题，开展了一项实证研究。研究背景是SOC分析师需要处理海量安全事件，并在时间压力下准确检测和评估网络攻击；虽然LLM在安全运营方面展现出潜在价值，但其现实应用效果与
Exploring Usability and Legal Practice: Insights from German Judicial Users of Digital Forensics
数字取证已成为现代刑事诉讼中的关键组成部分，但随着数据量的增长、技术的持续演进以及技术和法律相关方之间的复杂交互，其有效整合面临挑战。以往研究主要聚焦于数字取证工具和方法本身，对更广泛的流程和组织背景关注不足。本文借鉴可用性研究和以人为中心