Experimental Examination of Secure Two-Party Controller Computation
本文研究安全两方计算在动态控制器执行中的应用。针对现有基于同态加密的加密控制方案需要周期性解密、重置或重新加密控制器状态的问题，作者采用安全两方计算协议，使得控制器可以在无限时间范围内持续运行而无需暴露明文状态。然而，两方设置引入了额外的在
#privacy-preserving
共收录 133 条相关情报。
← 返回所有主题FedAttr: Towards Privacy-preserving Client-Level Attribution in Federated LLM Fine-tuning
该论文提出了一种名为 FedAttr 的新协议，用于在联邦学习（FL）环境下对大型语言模型（LLM）微调过程进行客户端级别的归属分析。传统的基于水印的放射性检测方法已证明在集中式LLM微调中有效，但在联邦学习中面临挑战：联邦学习依赖安全聚合
CFE-PPAR: Compression-friendly encryption for privacy-preserving action recognition leveraging video transformers
本文提出了一种针对隐私保护动作识别（PPAR）的压缩友好加密方法CFE-PPAR。PPAR旨在让机器理解视频中的人类活动而不泄露敏感视觉内容。现有加密方法在加密视频被压缩（如Motion-JPEG或H.264）时，会导致识别性能和视觉质量急
VERITAS: Plaintext Encoders for Practical Verifiable Homomorphic Encryption.
同态加密技术能够在加密数据上直接进行计算，从而保护敏感数据的隐私。然而，现有同态加密管线在面对恶意敌手时，无法保证计算结果的正确性——即客户端无法验证云服务器是否忠实地执行了所承诺的计算，而非返回伪造或部分正确的结果。本文提出两种与当前最先
PhishLang: A Real-Time, Fully Client-Side Phishing Detection Framework Using MobileBERT.
该论文提出了PhishLang，一个基于MobileBERT的实时、全客户端钓鱼检测框架。传统钓鱼检测方法通常依赖服务器端分析或黑名单，存在延迟、隐私泄露和无法检测新钓鱼站点的问题。PhishLang通过在客户端设备上直接运行轻量级Mobi
Treebeard: A Scalable and Fault Tolerant ORAM Datastore.
该论文提出了Treebeard，一个可扩展且具有容错能力的无意识随机访问存储器（ORAM）数据存储系统。ORAM技术能够隐藏客户端对远程存储的访问模式，但现有方案大多为单服务器设计，存在性能瓶颈和单点故障问题。Treebeard将ORAM状
STIP: Three-Party Privacy-Preserving and Lossless Inference for Large Transformers in Production.
本文提出了STIP（Secure Three-party Inference Protocol），一种用于大型Transformer模型在生产环境中的三方隐私保护无损推理方案。研究背景是，随着大型Transformer模型（如BERT、GP
RoundRole: Unlocking the Efficiency of Multi-party Computation with Bandwidth-aware Execution.
该论文提出RoundRole，一种面向多方计算（MPC）的带宽感知执行框架。MPC在隐私保护计算中广泛应用，但现有协议通常假设网络同质化，忽略了异构带宽对性能的影响。RoundRole通过动态角色分配和带宽感知的任务调度，最小化跨参与方的通
Distributed Deep Variational Approach for Privacy-preserving Data Release
本文针对联邦学习（FL）中梯度、模型更新和发布表示可能泄露敏感属性的隐私问题，提出了一种名为高斯隐私保护器（Gaussian Privacy Protector, GPP）的数据发布框架。GPP针对连续高维输入，学习一个随机编码器，将原始数
Private Certifier Intersection.
本文首次提出并研究了私有认证者交集（Private Certifier Intersection, PCI）问题。在Web 3.0去中心化场景中，互不信任的各方需要基于共同信任的认证机构（certifiers）来交叉验证声明，同时保护不公开
PRAG End-to-End Privacy-Preserving Retrieval-Augmented Generation
检索增强生成（RAG）通过引入外部知识显著提升了大型语言模型（LLM）的能力，但其在云环境中的部署面临敏感数据的隐私泄露风险。现有隐私保护方案往往因噪声注入而牺牲检索质量，或仅提供部分加密。本文提出PRAG，一种端到端隐私保护RAG系统，在
Privacy-Preserving Clothing Classification using Vision Transformer for Thermal Comfort Estimation
该论文提出了一种隐私保护的衣物分类方案，旨在实现安全的人员中心控制（OCC）系统。尽管利用摄像头图像进行暖通空调（HVAC）控制以优化热舒适度的研究已广泛开展，但先前的工作未考虑对居住者图像的隐私保护。虽然已有多种隐私保护方法被提出用于图像
Agentic Witnessing: Pragmatic and Scalable TEE-Enabled Privacy-Preserving Auditing
该论文针对审计专有数据语义属性时的隐私与透明矛盾，提出了一种名为“Agentic Witnessing”的框架。传统方法如零知识证明（ZKP）适用于精确代数约束，但难以验证定性、非结构化属性（如代码库中的逻辑）。该框架将验证从可证明执行扩展