Noise-Aware Shrinkage for Differentially Private Zeroth-Order Fine-Tuning of Large Language Models
本文针对差分隐私零阶优化（DP-ZO）在大语言模型（LLM）微调中的局限性，提出了一种噪声感知的自适应收缩方法 SAGE。DP-ZO 仅利用前向传播评估即可实现内存高效的私有微调，是当前隐私保护 LLM 微调的重要技术路线。然而，现有基于聚
#privacy
共收录 546 条相关情报。
← 返回所有主题AirKey: Multimodal Acoustic-Assisted WiFi Sensing for Zero-Training Robust PIN Inference
本论文针对利用WiFi感知进行无接触击键推断以窃取PIN码的隐私威胁展开研究。现有方法存在两个关键瓶颈：一是通常需要获得目标网络的访问权限才能获取稳定的感知数据流，限制了实际部署；二是纯WiFi信号在快速、肌肉记忆键入时存在波形融合歧义，难
Lotto: Secure Participant Selection against Adversarial Servers in Federated Learning.
联邦学习（FL）中的隐私增强技术，如安全聚合和分布式差分隐私，通常依赖一个关键假设：参与者中必须存在诚实多数，以抵御各种攻击。然而在实际部署中，服务器并非总是可信的，一个恶意的服务器可以策略性地选择已受感染的客户端，人为制造不诚实多数，从而
The One-Page Setting: A Higher Standard for Evaluating Website Fingerprinting Defenses.
本文针对网站指纹（Website Fingerprinting, WF）攻击的防御评估标准提出重要批判与改进建议。WF 攻击能够通过分析加密流量模式（如数据包大小、时序、方向等）来识别用户访问的网站，严重威胁 Tor 等匿名通信系统的隐私保
Privacy-Preserving AI Verification via Minimal Information Disclosure
本文提出了一种名为“最小信息泄露”（Minimal Information Disclosure, MID）的框架，用于解决AI验证过程中的隐私保护问题。AI验证通常需要验证者获取足够的信息以确认某项授权声明，但这些证据可能同时泄露关于模型
Timing-Based Browsing Privacy Vulnerabilities Via Site Isolation.
本文研究Chromium站点隔离（Site Isolation）机制下由时序特性引发的浏览隐私泄露问题。站点隔离是现代浏览器安全架构的核心，通过将不同站点渲染在不同进程中，以防止侧信道攻击和数据泄露。然而，本文揭示了该机制本身引入的时序侧信
Truth Serum: Poisoning Machine Learning Models to Reveal Their Secrets.
本论文提出了一类新的针对机器学习模型的主动推断攻击，称为“Truth Serum”。这类攻击的核心思想是：如果攻击者能够向训练数据集中投毒（即注入精心设计的恶意样本），那么训练出的模型将会泄露其他参与方（受害者）训练数据中的敏感隐私信息。这
Riddle Me This! Stealthy Membership Inference for Retrieval-Augmented Generation.
本文研究检索增强生成（RAG）系统中的成员推断攻击（Membership Inference Attack, MIA）问题。RAG 通过将外部知识库中的文档检索结果注入到大语言模型的上下文中，实现无需调整模型参数的接地生成。尽管不更新权重避
SoK: Social Cybersecurity.
该论文是一篇关于社会网络安全（Social Cybersecurity）的系统性综述（SoK）。研究背景是：传统网络安全与隐私（S&P）系统在设计时往往忽略用户的社会行为和社会关系，导致用户在实际使用中难以在理想的安全策略与社会互动之间取得
From the Childhood Past: Views of Young Adults on Parental Sharing of Children's Photos.
本研究关注父母在社交媒体上分享子女照片（即“晒娃”）的隐私问题，探讨年轻成年人对父母在其童年时期分享照片行为的看法。研究背景是：越来越多的父母习惯在互联网上分享子女的照片，而这些照片可能在孩子成长过程中长期留存，引发隐私、尊严和数字身份等问
Poster: End-to-End Privacy-Preserving Vertical Federated Learning using Private Cross-Organizational Data Collaboration.
本文来自 arXiv，研究跨组织纵向联邦学习中的隐私保护与模型精度权衡问题。在传统联邦学习中，各参与方本地持有数据，通过共享模型参数或更新信息来协作训练，并借助本地差分隐私（Local Differential Privacy）保护原始数据
Poster: Gift or Curse? Safety Slider Settings in Tor Website Fingerprinting.
在Tor匿名网络中，网站指纹识别（WF）攻击是一种通过分析网络流量模式（如数据包方向和时间）来识别用户访问的网站的攻击方式。Tor浏览器提供安全滑杆设置，用户可选择低、中、高安全级别，这会影响下载内容产生的流量模式，从而可能影响WF攻击的准
MESS: Fast and Private Semantic Search on Multi-Graph HNSW
本文提出 MESS，一个面向语义搜索的隐私保护系统，旨在同时满足隐私性、准确性和效率三个目标。语义搜索系统将数据映射到高维向量空间，并通过近似最近邻（ANN）检索实现相似数据查询；然而，当系统部署于可信云提供商时，数据与查询本身缺乏隐私保护
A Biometric Sensor Network to Enable Real-Time Measurement of Individual Student Engagement in STEM Lecture Environments
该论文提出了一种名为“生物特征传感器网络”(Biometric Sensor Network, BSN) 的系统，旨在实现 STEM 课堂环境中学生个体参与度(Student Engagement)的实时测量与持续追踪。传统的学生参与度评估
YazSes: An Offline, Privacy-First, Cross-Platform Hold-to-Talk Voice-Dictation System
该论文提出并实现了一个名为 YazSes 的离线、隐私优先、跨平台的按住说话（hold-to-talk）语音听写系统。研究背景是：云端语音听写服务虽然准确率高，但需要将用户语音流式传输到远程服务器，这在隐私敏感的职业场景以及离线或气隙（ai
Secure Aggregation for Privacy-Preserving Federated Learning on Clinical EEG Data
本文提出一种针对临床脑电图（EEG）数据的隐私保护联邦学习框架，核心机制是基于掩码的安全聚合（secure aggregation）。联邦学习虽然允许多个机构在不交换原始临床EEG数据的前提下共同训练模型，但个体模型更新仍可能泄露患者隐私。
Finding Traceability Attacks in the Bluetooth Low Energy Specification and Its Implementations.
该论文聚焦于蓝牙低功耗（BLE）协议规范及其多种实现中的可追溯性漏洞。作者通过系统化的方法，对BLE通信的链路层、主机协议及实际设备固件进行了安全分析，发现了一系列可被攻击者利用来跟踪设备位置的攻击路径。这些攻击主要利用BLE设备在广播、连
I Still Know What You Watched Last Sunday: Privacy of the HbbTV Protocol in the European Smart TV Landscape.
该论文聚焦于欧洲智能电视生态中HbbTV（混合广播宽带电视）协议的隐私安全问题。HbbTV允许广播公司在传统电视信号之上叠加基于Web的交互内容（如投票、定向广告），但同时也实现了双向通信——除接收内容外，还能向广播公司回传用户数据。研究团
On the Anonymity of Peer-To-Peer Network Anonymity Schemes Used by Cryptocurrencies.
该论文系统性地评估了加密货币生态中使用的各类点对点网络匿名方案的实际匿名性。随着比特币等加密货币的普及，交易层面的匿名技术（如混币、环签名）已得到广泛研究，但底层 P2P 网络层的匿名性保障往往被忽视。论文聚焦于 Dandelion、Dan
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