本文重新定义了私有信息检索（PIR）问题中的隐私概念，以容纳灵活的隐私需求。传统PIR要求用户检索消息时，对所有服务器隐藏被检索的消息索引。然而，实际场景中可能不需要如此严格的隐私保护。作者聚焦于图复制PIR系统，其中每个服务器仅存储部分消息，且存储模式由某种图结构（如路径图或循环图）决定。他们引入了一个通用隐私需求集：对于每个服务器，可以指定其需要隐藏的消息索引子集（不必是所有消息），只要该服务器的存储消息索引包含在隐私需求集中即可。由于存储设置和隐私需求集有多种可能，论文重点分析了路径图和循环图两种存储拓扑，并针对每种拓扑考虑了多种隐私配置，例如隐私需求集仅包含某个邻域范围内的消息索引。通过引入邻域范围参数，实现了从局部PIR到标准图复制PIR的平滑过渡。作者推导了这些场景下的容量界或精确容量，揭示了隐私强度与通信开销之间的权衡关系。该工作为设计灵活、高效的PIR系统提供了理论基础，尤其适用于分布式存储和隐私保护通信等场景。适合对隐私计算、信息论和安全存储感兴趣的研究人员阅读。

本文重新审视了多服务器、图复制私人信息检索（PIR）系统中的隐私定义，提出了一种新的设置，其中用户的隐私由服务器的存储结构决定。具体而言，当用户从某个服务器检索消息时，只有当该服务器存储了该消息时，用户才关心隐藏其所需消息的索引。作者将这种隐私需求称为本地用户隐私，并将由此产生的PIR问题称为图上的本地PIR。目标是建立本地PIR的容量，即每下载一个符号可检索的最大消息符号数，从而衡量其与经典PIR相比的通信效率增益。研究发现，对于不相交的图的并集，本地PIR容量相比经典PIR容量有显著的倍增增益，特别是当各子图相同时。对于连通图，作者提出了方案来建立边传递图和二部图的下界，这些下界高于已知的最佳经典PIR容量界。最后，推导了循环图和奇数顶点的路径图的精确本地PIR容量。本文主要贡献在于提出了一种更细粒度的隐私模型，并揭示了图结构对PIR通信效率的有利影响，为分布式存储系统中的隐私保护提供了新思路。

本文提出了一种高效的网站指纹防御方法，通过迭代互信息最小化（Iterative Mutual Information Minimization, IMIM）来降低流量分析攻击的有效性。网站指纹攻击利用加密流量的统计特征（如数据包长度、时间间隔、方向等）来识别用户访问的网站，严重威胁隐私。现有防御方法（如随机填充、流量变形）往往牺牲带宽或延迟，且效果有限。作者将防御问题建模为在保留流量基本功能的前提下最小化原始流量与伪装流量之间的互信息，从而去除与网站身份相关的敏感特征。具体地，设计了一个基于变分信息瓶颈的迭代优化框架，交替更新编码器（伪装生成器）和攻击判别器，逐步压缩冗余信息。实验使用Tor流量数据集评估，与多种防御（如WTF-PAD、Glue、TamAR）对比。结果显示，IMIM在相同带宽开销下将攻击准确率从90%以上降至30%以下，且延迟增加小于10%。该方法还可迁移到其他加密应用场景，表明其通用性。本文适合网络隐私研究者、流量分析防御工程师阅读。