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。

CCSW 2024（云计算安全研讨会）旨在汇集研究人员和从业者，探讨以云为中心和外包计算的所有安全方面。根据已接受的论文，本次研讨会重点关注以下主题：应用于云的原语加密方案和协议、基于云的泄露攻击及其对策、云计算中的可信计算技术、用于云保护的软件二进制分析、使用AI异常检测的网络安全机制，以及新兴云编程模型（如扩展的伯克利数据包过滤器eBPF程序）的安全性。多年来，该研讨会特别鼓励传统云安全研究未涵盖的新颖范式和有争议的想法，为受云技术影响的计算安全敏感领域的创造性辩论和互动提供了肥沃的土壤。研讨会共收到20篇投稿，其中15篇通过了至少3位审稿人的严格评审，最终7篇被接受发表和展示。

本文提出了一种针对隐私保护动作识别（PPAR）的压缩友好加密方法CFE-PPAR。PPAR旨在让机器理解视频中的人类活动而不泄露敏感视觉内容。现有加密方法在加密视频被压缩（如Motion-JPEG或H.264）时，会导致识别性能和视觉质量急剧下降，即不具压缩友好性。CFE-PPAR利用视频变换器（video transformer）实现加密视频的直接识别，其中视频使用密钥加密，变换器参数也使用相同密钥进行变换，从而在加密域中保持识别能力。实验在UCF101和HMDB51数据集上验证，在Motion-JPEG和H.264压缩下，CFE-PPAR在识别准确率和视觉质量方面均优于先前方法。该方法首次实现了压缩友好的加密PPAR，为实际部署中视频传输与存储的隐私保护提供了可行方案。