共收录 3 条相关安全情报。
← 返回所有主题该论文原提交至arXiv，但作者在正式发布前因需要进行大幅修订而主动撤回。论文标题涉及使用MBA（混合布尔算术）混淆技术来保护深度神经网络二进制文件中的浮点计算。然而，由于论文已被撤回，当前无公开的摘要或技术细节可供分析。安全社区需关注未来修订版本可能提出的对抗性混淆方法及其对DNN模型保护的影响。
💡 推荐理由: 尽管论文已撤回，核心主题——利用MBA混淆保护浮点计算——反映了对抗性防御与逆向工程的前沿交叉，值得关注其后续版本。
🎯 建议动作: 关注论文修订版发布
浮点算术在计算领域无处不在，因其能够表示极大和极小的数值范围，成为存储、分析和操作数值数据的首选方法。然而，这种灵活性在安全/隐私敏感的场景中带来了额外风险。本文探讨了当向敏感值添加噪声时，浮点算术导致的信息泄露威胁——这种泄露可能使敏感信息被恢复（例如在差分隐私中）。作者提出了一种名为尾数位操作（Mantissa Bit Manipulation, MBM）的解决方案，该方案比当前最先进的方法快数个数量级，适用于大多数连续概率分布以及所有浮点数格式。MBM通过直接操作浮点数的尾数位来高效地生成符合要求的噪声，避免了传统方法中复杂的计算和舍入误差，从而在保证安全性的同时大幅提升性能。实验表明，MBM在多种分布（如拉普拉斯、高斯）和浮点格式（32位、64位等）下均能有效工作，显著降低了噪声添加的计算开销。该研究为差分隐私等需要加噪的场景提供了更实用的基础工具，有助于推动隐私保护技术的实际部署。
💡 推荐理由: 本文揭示了浮点算术在加噪声场景下被忽视的信息泄露风险，并提出了一个高效、通用的解决方案。对于从事差分隐私、安全多方计算等方向的研究者和工程师，该工作有助于提升隐私保护机制的安全性和效率。
🎯 建议动作: 研究跟进
该论文研究了为浮点计算构建简洁零知识证明系统的问题。标准方法需要将浮点运算转换为二进制电路（遵循 IEEE-754 标准），导致证明者效率产生关于精度 w 的多项式开销，成为简洁论证设计的瓶颈。论文提出了一种新模型，用于验证浮点计算的近似正确性，允许相对于误差界的结果。该模型受数值分析启发，适用于机器学习、科学计算等场景。基于此模型，作者提出了一种通用方法，从已有的公开硬币的“承诺-证明”系统出发，构造针对浮点计算的简洁零知识证明。对于 w 位精度的计算，新方法仅引入 log(w) 倍的开销，几乎保持底层协议的通信复杂度（至多差2倍），并实现次线性验证时间。在随机预言机模型下可转化为非交互式。具体地，对于32位浮点计算，方案比严格按照IEEE-754标准的方法快约57倍。论文的另一核心贡献（具有独立价值）是一个基于标准素数阶群的批量范围证明系统，无需使用比特分解。
💡 推荐理由: 解决了现有零知识证明处理浮点运算时效率极低的问题，显著提升了理论实用价值，对隐私保护的机器学习、科学计算等应用具有重要意义。
🎯 建议动作: 研究跟进，评估在隐私计算产品中集成该方法的可行性和性能提升。