Privacy Analyses in Machine Learning.
该论文研究了美国最高法院推翻罗诉韦德案（Roe v. Wade）后，公众对患者隐私问题的反应。研究收集了2022年5月至12月期间的大量Twitter数据，采用计算分析与定性内容分析相结合的混合方法，分析了公众对医疗隐私，特别是电子病历访问
#machine-learning
共收录 116 条相关情报。
← 返回所有主题Enhancing Attack Detection Capabilities in BACnet/IP Networks Using Machine-Learning Models
建筑自动化系统（BAS）通过BACnet/IP等协议管理关键建筑功能，但防御者缺乏检测BACnet特定攻击的工具和标注数据集。本文针对此空白做出三项贡献：首先，修改了CISA的Zeek BACnet解析器，生成统一的逐包日志，简化了机器学习
A Multi-Model Hybrid Defense Approach Against White-box Adversarial Attacks in Computer Network Traffic
该论文针对网络入侵检测系统（NIDS）面临的对抗性攻击威胁，提出了一种混合防御方法。NIDS是保护网络免受未知网络威胁的关键工具，但它容易受到对抗性攻击，攻击者通过构造对抗样本欺骗NIDS，将恶意流量误分类为良性。研究聚焦于两种强大的白盒对
An Approach to Predictive Software Threat Modeling Using Public Vulnerability Data.
本文提出了一种利用公开漏洞数据进行预测性软件威胁建模的方法。传统威胁建模主要依赖专家经验，耗时且难以覆盖未知威胁。作者通过收集、分析历史CVE（公共漏洞与暴露）数据、漏洞评分（如CVSS）及漏洞类型等信息，构建了一个预测模型，能够在新软件设
Privacy Cost as Equity Input: A Group Fairness Criterion for Differentially Private Machine Learning
该论文提出了一种新的群体公平性度量方法——Privacy-Cost Equity Ratio (PCER)，用于评估差分隐私（DP）机器学习系统中的群体公平性。传统的公平性度量主要关注模型输出（如准确率）在不同群体间的差异，但忽略了隐私成本
On the Impact of Entropy-based Features
该论文研究如何利用基于熵的特征来增强基于机器学习的网络异常检测。传统的统计特征（如均值、方差）在捕捉网络流量模式的高变异性和多样性方面存在不足，而熵可以量化数据分布的分散程度，从而有效表征流量的可变性。作者提出将熵特征作为传统描述符的补充，
Impact of Benign Connectivity Variations on Intrusion Detection for Encrypted OPC UA Traffic in Industrial Private 5G Networks
该论文研究了在工业专用5G网络环境下，基于机器学习的入侵检测系统（IDS）处理加密OPC UA流量时，良性连接变化对检测性能的影响。作者指出，尽管机器学习IDS在加密工业通信监控中日益普及，但其在真实专用5G操作条件下的表现尚未被充分理解。
MLQENABLER: Enabling Secure Machine Learning Queries over Encrypted Database in Cloud Computing
在云计算环境中，公共云服务提供商（CSP）通常将云存储作为主要服务，同时利用客户存储在云上的数据提供额外的机器学习（ML）服务。这种商业模式扩展了云计算的边界，但也带来了严重的安全隐患：公共云并非完全可信，可能将客户的敏感数据出售给第三方。
Where to Intervene? Benchmarking Fairness-Aware Learning on Differentially Private Synthetic Tabular Data
该论文针对差分隐私（DP）合成表格数据中的公平性问题进行了首次系统性基准评估。研究背景是机器学习模型在高风险领域（如金融、医疗）的部署日益普遍，隐私和公平性成为关键关注点。差分隐私已成为隐私保护数据分析的金标准，而公平性机制旨在减轻对弱势群
REAN: Reconstruction-aware ECG Anonymization Based on Privacy--Utility Orthogonality
心电图（ECG）信号包含生物特征信息，共享原始ECG信号可能导致患者重识别和隐私泄露。现有的ECG匿名化方法在隐私保护与效用保留之间存在权衡：增强隐私往往会降低下游任务（如心律失常检测）的性能，而保留效用则容易泄露个人信息。针对这一问题，本
Ball Differential Privacy: How to Mitigate Data Reconstruction with Less Noise
本文提出了一种新的差分隐私变体——Ball-DP（球差分隐私），旨在解决传统差分隐私（DP）在防御数据重建攻击时噪声过大的问题。传统DP通过添加噪声来确保任意单条记录替换后的输出不可区分，但这一保证对重建攻击而言过于保守，因为实际攻击者通常
Beyond Gradient-Based Attacks: Adversarial Robustness and Explainability Stability in Cybersecurity Classifiers
该论文研究网络安全分类器在面对对抗性攻击时的鲁棒性及其可解释性稳定性问题。以往工作主要关注基于梯度的攻击方法，但许多实际分类器（如随机森林、XGBoost）是不可微的树模型。作者将先前的MLP研究扩展到随机森林和XGBoost，并在四个表格
Hamm-Grams: An Algorithm for Mining Regular Expressions of Bytes
该论文提出了一种名为“hamm-grams”的新型特征，用于恶意软件检测中的静态分析。传统的n-gram特征虽然被广泛使用，但存在鲁棒性不足的问题，容易因代码微小变化而失效。作者将hamm-grams定义为具有固定长度和单字符通配符的特殊正
Chameleon: Recovering Cyber-Physical Systems from Memory Corruption Attacks via ML Surrogates
本文提出 Chameleon 框架，用于自动恢复遭受内存破坏攻击的网络物理系统（CPS）。现有防御手段多在检测到攻击后终止或重启系统，这在高安全性关键任务中不可接受。Chameleon 在组件粒度上训练基于机器学习的替代模型，这些模型能近似
Learning Differentially Private Mechanisms.
该论文提出了一种学习差分隐私机制的框架，旨在自动化设计满足差分隐私保护的数据发布机制。传统上，差分隐私机制（如拉普拉斯机制、指数机制）需要人工设计，且针对特定查询或统计量。本文作者将机制设计问题转化为学习问题：给定一组查询和工作负载，通过优
Comparative Analysis of Machine Learning based Intrusion Detection in Realistic IoT Networks
该论文针对物联网（IoT）网络安全问题，研究基于机器学习的入侵检测系统（IDS）在真实物联网网络中的性能。物联网设备资源受限，传统安全措施难以部署，因此轻量级入侵检测尤为重要。作者使用 Gotham2025 数据集（由 Gotham 试验台
Tutorial-HEPack4ML '23: Advanced HE Packing Methods with Applications to ML.
该论文是一篇关于高级同态加密（HE）打包方法的教程，重点探讨如何将这些方法应用于机器学习领域。同态加密允许在加密数据上直接进行计算，但因其密文膨胀和计算复杂度高，实际应用受限。密文打包（packing）技术通过将多个明文值编码到单个密文中，
A Hybrid Framework For Crypto-Ransomware Detection In Enterprise Shared Storage
本文提出了一种针对企业共享存储环境中加密勒索软件（crypto-ransomware）的混合检测框架。传统的端点检测主要关注本地系统行为，但勒索软件变种已将攻击面扩展至网络驱动器和共享存储资源，受感染的客户端可加密共享数据而不直接在服务器端
Proofs of Ownership for Machine Learning Models
该论文首次对机器学习模型的所有权证明问题进行了正式研究。随着机器学习的广泛采用，保护模型所有权成为关键挑战。作者将模型所有权证明建模为三方博弈：模型所有者、窃取者和裁判。模型所有者将原始模型轻微扰动后生成一个变换模型，并附带一个所有权证明。
SoK: Data Reconstruction Attacks Against Machine Learning Models: Definition, Metrics, and Benchmark.
本文是一篇系统化知识梳理（SoK）论文，聚焦于针对机器学习模型的数据重建攻击。数据重建攻击旨在通过有限访问权限恢复目标模型的训练数据集，近年来受到广泛关注。然而，该领域缺乏统一的攻击定义和评价指标，阻碍了研究进展。作者针对视觉领域提出了统一