ERASER: Machine Unlearning in MLaaS via an Inference Serving-Aware Approach.
本文针对机器学习即服务（MLaaS）中机器遗忘（machine unlearning）与推理服务之间的交互缺陷展开研究。MLaaS 基于从众多数据所有者收集的数据训练模型，提供低延迟的推理服务。为满足数据保护法规中的“被遗忘权”（RTBF）
#privacy
共收录 546 条相关情报。
← 返回所有主题Differential Privacy for Markov Chain State Trajectories
本文针对数据驱动系统中马尔可夫链状态轨迹的隐私泄露问题，提出了一种基于差分隐私的在线隐私化框架。在许多应用中，系统需要依赖马尔可夫链的状态轨迹（如产品信用风险、用户物理位置、上网行为等）进行决策，但这些轨迹往往包含敏感的用户信息。现有方法通
Privacy-Preserving Data Drift Detection and Recovery for Large-Scale LLM Applications via Proxy Representations
本文提出了 ProxyDrift 框架，用于在大型语言模型（LLM）应用的大规模部署中，在不接触原始用户数据的前提下进行数据漂移检测与评估集恢复。核心问题在于：隐私约束使得无法直接检查用户交互，从而难以获得代表性评估数据集或跟踪生产流量的持
A Fait Accompli? An Empirical Study into the Absence of Consent to Third-Party Tracking in Android Apps.
本文是一篇关于 Android 应用中第三方追踪（third-party tracking）与用户同意（consent）机制的实证研究。研究背景是：第三方追踪允许企业收集用户行为数据、跨设备追踪用户活动，可能将用户私生活的深度洞察暴露给陌生
Prεεmpt: Sanitizing Sensitive Prompts for LLMs.
本文针对大型语言模型（LLM）推理阶段中提示词（prompt）包含敏感信息可能泄露给专有LLM API 的隐私问题，提出了一种基于密码学思想的提示词净化器（prompt sanitizer）概念及其系统实现 Prmpt（论文标题中写作 Pr
Understanding Privacy Attitudes and Concerns Towards Remote Communications During the COVID-19 Pandemic.
该论文围绕 COVID-19 疫情期间远程通信工具（如视频会议、在线协作平台）的隐私态度与关切展开实证研究。研究背景是：疫情迫使全球数十亿人居家办公、学习和社交，远程通信工具的使用量急剧上升，而且这种模式在疫情后仍会延续。在这种前所未有的场
"How I Know For Sure": People's Perspectives on Solely Automated Decision-Making (SADM).
该研究来自人机交互与隐私领域，探讨人们对“完全自动化决策”（Solely Automated Decision-Making, SADM）的理解与感受。SADM 指在没有人类实质性参与的情况下，由算法或系统独立做出对个人产生法律或类似重大影
China RealDID: Verifiable Credentials Anchored in Legal Identity
本文提出一种名为China RealDID的架构，旨在解决可验证凭证（VC）和去中心化标识符（DID）在法律锚定上的缺失问题。传统VC/DID支持选择性披露，但缺乏可信身份根，验证者无法确认持有者身份是否真实。国家身份系统虽能提供基于生物识
Soft Redaction of Image Provenance via Zero-Knowledge Proofs
该论文提出了一种用于图像来源信息（provenance）的“软删除”（soft redaction）机制，旨在解决C2PA等来源标准中透明度与隐私之间的冲突。C2PA标准通过附加签名记录来声明图像的来源、编辑历史和权利信息，但这些断言可能泄
Privacy Solution or Menace? Investigating Perceptions of Radio-Frequency Sensing.
本论文聚焦于射频感知（Radio-Frequency Sensing）技术的用户隐私感知问题。射频感知技术（如基于Wi-Fi信号、毫米波等）能够在不直接接触用户的情况下检测人体活动、位置和生理特征，为智能家居、健康监测等场景带来便利，但同时
Data Privacy in Trigger-Action Systems.
本文研究触发-动作平台（Trigger-Action Platforms, TAPs）中的数据隐私问题。TAPs（如IFTTT、Zapier）允许用户将独立的Web服务或物联网设备连接起来，通过简单的“触发-计算-动作”规则实现自动化，例如
Is Private Learning Possible with Instance Encoding?
本论文研究了一个核心问题：能否通过“实例编码”（Instance Encoding）机制，在将训练数据输入普通（非私有）学习算法之前对其进行修改，从而让原本不具备隐私保护能力的学习算法获得隐私保障。作者首先形式化了实例编码的概念，并提出了两
HyTrack: Resurrectable and Persistent Tracking Across Android Apps and the Web.
本论文的摘要未在元数据中提供，因此以下内容基于论文标题和已知研究背景进行合理推断。HyTrack 提出了一种跨 Android 应用与 Web 浏览器的持久化跟踪技术，其核心目标是解决用户清除本地标识符（如 Cookie、设备 ID）后跟踪
Exploring Privacy Leakage and Data Disclosure Violations in the MacOS Application Ecosystem
该论文针对桌面操作系统（特别是 macOS）中应用数据收集与共享行为的隐私泄露问题进行了首次系统性研究。尽管 Web、移动和 IoT 生态系统的隐私风险已被广泛探讨，桌面应用却长期被忽视，而它们仍被大量使用，构成用户隐私的关键盲区。作者采用
Private Direct Preference Optimization for LLM Alignment
直接偏好优化（DPO）已成为利用人类偏好数据对齐大语言模型（LLM）的标准方法。每个 DPO 样本包含一个提示（prompt）和一对候选模型回复，而回复之间的相对偏好往往反映标注者或终端用户的主观判断，可能揭示其敏感属性。现成的隐私保护方法
When Do PEFT Adaptations Leak Structure? Measuring Black-Box Structural Bounds in Public-Base Model Services
随着越来越多模型服务以“公共基础模型 + 私有参数高效微调（PEFT）适配”的方式部署，一种新型的差分信息泄露风险逐渐显现：审计者或攻击者可以在本地运行公开的基础模型，并对比受害者服务的输出，从而推断出私有 PEFT 适配的结构。本文提出
The Hidden Life of Public Safety Communications Signals: A Comparative Security Analysis of TETRA, TETRAPOL, and P25
公共安全机构与关键基础设施运营商广泛依赖基于 P25、TETRA 与 TETRAPOL 的集群陆地移动无线电（LMR）系统。这些系统在设计上不仅需要保护通信内容的机密性，还应当隐藏通信行为本身（即通信事实）。然而，本研究指出，LMR 标准在
DeepInvert: Semi-Supervised Embedding Inversion Against Obfuscated Language Models
本文针对云端语言模型服务中基于混淆的隐私防御提出了一项有效的嵌入反转攻击。当前，云语言模型服务在处理包含敏感信息的提示时，通常采用混淆技术（如ObfusLM、SentinelLMs、TextObfuscator和DPNR）在传输前转换提示表
PriDyG: Privacy-preserving Dynamic Graph Inference with LLM-GNN Collaboration
本文提出 PriDyG，一个面向动态图推断的隐私保护框架，旨在解决关系型数据上的图推断可能泄露敏感边信息的问题。在动态图中，模型反复更新会导致隐私损失累积，使得问题更加严重。作者形式化了边级差分隐私动态图推断（EDG）问题，并设计了一种结合
When Agents Learn to Be You: Benchmarking Privacy Leakage, Impersonation Risk, and Defenses in Persona Skills
该论文聚焦于大语言模型智能体中“人格技能（Persona Skills）”这一新型个性化机制的安全风险。人格技能将个人交互历史压缩为可移植、可执行的工件，供下游智能体复用。论文指出，这一过程将分散的个人信号集中化，并通过复用放大其影响，使传