SMS-delivered network-initiated SUPL on Pixel 8: a privacy assessment
该论文研究的是 SUPL_INIT 这类由网络侧发起的定位触发消息，在以短信方式投递到手机时，是否会对用户构成位置隐私与身份泄露风险。SUPL（Secure User Plane Location）是蜂窝网络中承载定位业务的用户面协议，其中
#location-privacy
共收录 8 条相关情报。
← 返回所有主题A Graph-Based Framework for Extending Metric Differential Privacy Mechanisms
本文研究度量差分隐私（metric differential privacy, mDP）机制的可扩展构造问题。mDP 适合定义在结构化的秘密域上（例如路网、地理网格、坐标空间），因为它的隐私保证随秘密值之间的度量距离变化，比标准差分隐私更贴
CrossLink: Breaking Location Privacy by Linking Device Identifiers Across Protocols
该论文研究智能手机多协议标识符的交叉关联导致的定位隐私泄露问题。现代智能手机几乎同时通过 LTE（蜂窝）、WiFi 和 BLE（蓝牙低功耗）三种无线接口对外发送临时性设备标识符，且各协议都各自实现了标识符随机化（轮换）机制。此前的隐私防护评
A Run a Day Won't Keep the Hacker Away: Inference Attacks on Endpoint Privacy Zones in Fitness Tracking Social Networks.
该论文研究了健身追踪社交网络（如Strava）中端点隐私区域（Endpoint Privacy Zones）的安全性问题。这些隐私区域本应隐藏用户家庭或工作地点的精确位置，但研究发现攻击者可以通过公开的健身活动数据（如跑步轨迹、时间戳）进行
Pretty Good Phone Privacy.
该论文针对当前蜂窝网络中用户身份与位置隐私严重泄露的问题，提出了一种名为 Pretty Good Phone Privacy (PGPP) 的端到端隐私保护方案。现有蜂窝架构要求手机向基站唯一标识自身，运营商进而可以收集并出售或泄露数亿移动
Protecting K-Nearest Neighbor Queries from Location Inference Attacks
本文首次系统性地研究了k-近邻查询（kNNQ）中的位置隐私泄露问题。kNNQ是位置服务（如“附近的人”）的核心组件，但长期以来其隐私风险被忽视。作者提出了两种针对kNNQ的位置推断攻击：几何相交位置推断攻击（GI-LIA）和零阶优化位置推断
Context-Aware Metric Differential Privacy for Vehicle Trajectory Data
该论文针对车辆轨迹数据发布中的隐私保护问题，提出了一种上下文感知的度量差分隐私（Context-aware mDP, C-mDP）框架。现有度量差分隐私（mDP）机制通常独立地扰动每个位置记录，忽略了轨迹数据中时间上相邻位置之间的上下文依赖
Privacy Without Losing Place: A Paradigm for Private Retrieval in Spatial RAGs
本文提出了一种名为PAS（Privacy Anchor Substitution）的结构化机制，用于在空间检索增强生成（RAG）系统中实现用户位置隐私保护。与传统的差分隐私方法直接扰动用户位置不同，PAS采用相对锚点编码来表示位置，该编码由