The Distributed Digital Body Farm: Enabling the Analysis of Deleted File Decay Patterns.
该论文提出了一种名为“分布式数字尸体农场”（DDBF）的新方法，用于从真实世界的计算机系统中收集已删除文件衰减（decay）的数据，同时避免侵犯用户隐私。数字取证中，了解已删除文件内容如何随时间衰减及其影响因素，对于判断取证调查中能否恢复部
#privacy-preserving
共收录 133 条相关情报。
← 返回所有主题NodeGuard: A Highly Efficient Two-Party Computation Framework for Training Large-Scale Gradient Boosting Decision Tree.
梯度提升决策树（GBDT）是一种在欺诈检测、在线营销和风险管理等真实场景中表现出色且可解释性强的机器学习算法。在实际应用中，两个数据拥有者可能希望在不泄露各自私有数据集的前提下联合训练GBDT模型，这通常通过安全多方计算（MPC）协议来实现
Online Differentially Private Consistent Clustering
本文研究在线流式设置下的差分隐私（DP）k-means 与 k-median 聚类问题。在在线场景中，数据点按顺序持续到达，算法需在每个时间步基于已见数据输出一组 k 个中心，以最小化聚类代价（如 k-means 的平方距离和或 k-med
Privacy Preserving Semantic Communications in Wireless Edge Networks with Vision Language Models
本文针对无线边缘网络中语义通信的隐私泄露问题，提出了一种基于视觉语言模型（VLM）的隐私保护语义通信框架。传统语义通信通过传输高层语义特征而非原始比特来提升频谱效率，但多设备协作和跨模态传输会通过设备间语义融合和跨模态表示泄露敏感信息。为此
Privacy-Preserving Object Detection for Vision Transformer-Based Models
本文提出了一种面向视觉Transformer（ViT）目标检测模型的隐私保护方法。以往针对视觉信息保护的研究主要集中于图像分类任务，而本文首次将感知加密（perceptual encryption）技术应用于目标检测任务。该方法利用ViT的
Geometric Data Perturbation with Noisy-Anchor Alignment for Privacy-Preserving Collaborative Learning
本文研究隐私保护的协作学习场景。在GDP框架下，各参与方对私有数据应用距离保持变换，仅上传变换后的表示给中央分析者，以实现一次性协作学习。然而，在分析者与部分参与方共谋时，分析者可利用共谋者披露的数据与变换，结合所有上传表示，尝试恢复非共谋
Software Defined Networks Key Relay for Large-Scale Quantum Key Distribution Networks
本论文针对大规模量子密钥分发网络（QKDN）的编排问题，提出利用软件定义网络（SDN）进行统一管控。研究基于ETSI和ITU的相关规范，梳理了QKDN的常用最佳实践与架构。SDN控制器作为核心组件，负责从全网聚合技术性关键性能指标（KPI）
Secure Graph Analysis at Scale.
本文提出了一个高度可扩展的安全计算图算法框架，用于保护图拓扑及节点/边关联数据的隐私。在该框架中，图的所有节点和边都以秘密共享形式分布在多个服务器上，服务器间通过安全计算协议协同计算，而不泄露任何图结构或节点属性信息。虽然该方案具有一定的普
Towards Scalable Fuzzy PSI via Efficient Fuzzy Matching
本文提出面向可扩展模糊隐私集合求交（Fuzzy PSI）的高效协议，支持一般 L_p (p∈[1,∞]) 距离度量，并适用于低维和高维数据集。核心贡献是设计了两种高效的模糊匹配协议：第一种基于角色反转的不经意伪随机函数（OPRF），将计算开
Tight Security for BBS Signatures
本文研究 BBS 签名方案的具体安全性（concrete security）。BBS 签名是一种基于代数结构的数字签名，由 Boneh、Boyen、Shacham（CRYPTO '04）以及 Camenisch 和 Lysyanskaya（
FaceObfuscator: Defending Deep Learning-based Privacy Attacks with Gradient Descent-resistant Features in Face Recognition.
本文提出了一种名为 FaceObfuscator 的新型人脸图像混淆方法，旨在防御基于深度学习的隐私攻击。随着人脸识别技术被广泛应用于身份认证和公共安全，人脸图像中包含的丰富生物特征也面临着被恶意模型窃取的风险。现有的人脸脱敏方法通常依靠像
Poster: Privacy-preserving Genome Analysis using Verifiable Off-Chain Computation.
该论文提出了一种利用可验证的链下计算（Verifiable Off-Chain Computation）来保护隐私的基因组分析方法。随着基因组测序成本下降和医疗数据共享需求增加，基因组数据的高度敏感性使得在云端或区块链上进行计算面临严峻的隐
A Unified Benchmark for Privacy-preserving Vector Search
向量搜索是语义搜索、推荐系统和检索增强生成（RAG）的核心技术。然而，默认情况下，提供查询服务的服务器既能看到用户的查询嵌入，也能看到匹配的语料库，这对查询用户和语料库所有者都构成隐私泄露。已有多种加密方案（如 SAP、EMVP、BNTM、
Similarity Weighted Aggregation with Global Differential Privacy for Federated Brain Lesion Segmentation
本文提出了一种面向联邦学习场景的隐私保护框架 DP-SimAgg，用于解决医学影像中脑病灶分割任务。联邦学习允许多家医疗机构在不共享原始数据的情况下协作训练模型，但由于不同机构的数据分布存在异质性（非独立同分布），且模型更新可能间接泄露患者
Encryption-Compatible Clustered Federated Learning via Distributed Expectation-Maximization over Metadata
本文针对联邦学习（FL）中数据异质性导致的客户端模型性能下降问题，研究了聚类联邦学习（CFL）方法。现有CFL方法在隐私保护、通信成本和计算效率三者之间存在权衡，作者将其形式化为“CFL三难困境”（CFL trilemma）：改善其中两个维
Low-Latency Bootstrapping for CKKS using Roots of Unity
本文提出了一种名为 Sparse Roots of Unity (SPRU) 的新型引导（bootstrapping）算法，用于 CKKS 全同态加密方案。CKKS 是一种支持近似算术的同态加密方案，广泛应用于隐私计算和密文机器学习。在 C
Function Privatization in the Local Model
本研究关注在本地模型（Local Model）下私有化释放函数（特别是曲线）的问题。曲线是连续函数在有限区间上的像，真实世界中许多数据天然以曲线形式存在，例如轨迹数据、一维密度曲线等。在本地模型中，每个个体的数据是一个函数，而隐私保护的目标
Protecting IoT Devices through Localized Detection of BGP Hijacks for Individual Things.
本文提出了一种针对物联网（IoT）设备的本地化BGP劫持检测方法。传统上，BGP路由劫持被视为大规模系统问题，需要网络服务提供商采取行动，而边缘网络（如家庭网络）的路由信息被认为不具有可操作性。作者利用IoT设备功能有限以及单个家庭网络中间
A Decentralized and Encrypted National Gun Registry.
该论文针对美国枪支暴力问题，提出了一种去中心化、端到端加密的国家枪支注册系统的密码学协议设计。美国参议院正在起草一项法案，旨在建立自愿性的全国枪支登记系统，该系统采用去中心化架构，由地方县级官员控制和管理其选民的注册数据，其他官员和执法机构
Two-Tier Data Packing in RLWE-based Homomorphic Encryption for Secure Federated Learning.
该论文针对基于RLWE的同态加密（HE）在联邦学习（FL）聚合中保护隐私时面临的计算和通信开销问题，提出了一种新型的两层数据编码方法。现有方法通常简单地在多项式中拼接整数或分配系数，未能充分利用RLWE的结构特性。作者设计了一种双层数据打包