User Identification in Dynamic Web Traffic via Deep Temporal Features.
该论文研究在动态Web流量中通过深度时间特征进行用户识别的问题。现代Web应用大量使用动态内容，例如通过XMLHttpRequest或Fetch API的页面更新，这些请求通常由用户操作（如键盘输入、鼠标点击）触发，因此用户操作的时间与携带
#privacy
共收录 546 条相关情报。
← 返回所有主题Watch the Rhythm: Breaking Privacy with Accelerometer at the Extremely-Low Sampling Rate of 5Hz.
本文探讨了在极低采样率（5Hz）下，利用智能手机内置加速度计窃听语音的可能性。背景是：为防止恶意应用通过运动传感器窃听，Android 12 已将零权限访问的运动传感器最大采样率限制为 200Hz。但已有攻击证明 200Hz 仍不安全，因此
E-MagDiP: Electro-Magnetic based Differential Privacy for EEG based Community Sensing
本文提出了一种名为 E-MagDiP 的框架，旨在解决基于脑电图（EEG）的社区感知项目中的隐私问题。此类项目通过聚合大量个体的脑电数据来分析学生或员工的专注度等群体特征，但 EEG 信号本身包含敏感的个人神经信息，直接采集和分析会带来隐私
Bits and Memories: Measuring Verbatim Extraction Across LLM Quantization
本论文针对大语言模型（LLM）量化是否能够降低隐私风险的问题展开研究。现有相关研究几乎全部使用成员推断（membership inference）来衡量隐私，但作者认为这并非大多数人所关心的实际风险：人们真正担心的是模型逐字复现训练数据。为
BettiSplit: Topology-Guided Privacy-Aware Split Learning Against Feature Inversion and Gradient Leakage
本文研究分割学习中的隐私泄露问题，提出了一种基于拓扑复杂性（persistent Betti complexity）的隐私感知分割学习框架。分割学习通过将神经网络在客户端和服务器之间分割来实现协作训练，但不当的分割点会导致中间表示泄露敏感信
SPIRAL: Fast, High-Rate Single-Server PIR via FHE Composition.
本文提出SPIRAL协议族，用于实现单服务器私有信息检索（PIR）。核心创新在于组合使用两种基于格的同态加密方案：Regev加密方案和Gentry-Sahai-Waters（GSW）加密方案，并引入了新的密文转换技术，使得两种方案可以高效互
V-Cloak: Intelligibility-, Naturalness- & Timbre-Preserving Real-Time Voice Anonymization.
本文提出了一款名为 V-Cloak 的实时语音匿名化系统，旨在保护用户在即时通讯或社交媒体上生成的语音数据中的声纹隐私，防止恶意对手进行身份推断或身份盗窃。现有的语音匿名化技术（如信号处理、语音转换/合成）往往导致感知质量下降。V-Cloa
"Not the Right Question?" A Study on Attitudes Toward Client-Side Scanning with Security and Privacy Researchers and a U.S. Population Sample.
本论文研究客户端扫描（Client-Side Scanning, CSS）技术在安全隐私研究人员和美国普通公众中的态度差异。客户端扫描是一种在用户设备上自动扫描内容（如图片、消息）以检测非法材料（如儿童性虐待材料）的技术，但其对隐私和信任的
Assessing Anonymity Techniques Employed in German Court Decisions: A De-Anonymization Experiment.
该论文研究了德国法院判决中使用的匿名化技术的有效性。法院判决的公开至关重要，但必须保护涉案人员的隐私。论文作者通过设计去匿名化实验，对大量已公开的德国法院判决进行评估，尝试重新识别被匿名的个人。实验采用多种去匿名化方法，包括基于上下文的推理
Accountable yet Anonymous AI Agents - Split-Knowledge Binding in National Agent-Identity Layer in China
本文研究AI代理身份系统中问责性与匿名性的平衡问题。现有行业实践和研究方案普遍倾向于让每个代理完全可识别以保障问责，但中国正在建设的国家级代理身份层（计划于2026年Q3公开上线）探索了一条不同路径：代理与经过验证的法律主体关联，但该主体身
Code Speaks Louder: Exploring Security and Privacy Relevant Regional Variations in Mobile Applications.
本文针对移动应用在不同地理区域间代码级安全与隐私差异（GFD）进行了首次系统研究。虽然已有工作关注元数据级别（如权限、隐私政策）的区域差异，但代码实现层面的差异缺乏深入分析。作者开发了名为Freelens的框架，解决了代码混淆和分析可扩展性
Endangered Privacy: Large-Scale Monitoring of Video Streaming Services.
该论文研究了视频流媒体服务中用户隐私面临的大规模监控风险。研究背景在于，视频流媒体服务日益普及，但其网络流量特征可能泄露用户的观看行为、偏好甚至个人身份信息。核心问题在于现有隐私保护措施（如加密）是否足以防御针对流量的侧信道攻击。方法上，作
Exponentially Fewer-Server PIR from Sparser $S$-Decoding Polynomials
本文研究私密信息检索（PIR）协议的通信复杂度问题。PIR 允许用户在不向服务器泄露查询内容的情况下，从分布式数据库中检索一条记录。经典结果要求服务器数量与通信量之间存在权衡。本文在数论猜想（广义重单位猜想或 Schinzel 假设 H）成
Fingerprinting SDKs for Mobile Apps and Where to Find Them: Understanding the Market for Device Fingerprinting.
这篇论文对移动应用生态中的设备指纹识别行为进行了大规模分析。研究采用市场视角，聚焦于第三方SDK（软件开发工具包）所支持的跨应用追踪。数据集包括来自流行Maven仓库的超过22.8万个SDK、从Google Play商店收集的17.8万个A
Abuse-Resistant Location Tracking: Balancing Privacy and Safety in the Offline Finding Ecosystem.
该论文研究离线位置追踪生态系统中的隐私与安全平衡问题，重点关注如何设计抗滥用的位置追踪协议。现有位置追踪设备（如蓝牙追踪器）广泛应用于寻找丢失物品，但也可能被用于未经授权的跟踪（如跟踪他人）。论文提出一种新型加密协议，允许设备所有者查找其物
Freely Given Consent?: Studying Consent Notice of Third-Party Tracking and Its Violations of GDPR in Android Apps.
该论文针对Android应用中第三方追踪的同意通知机制及其对欧盟《通用数据保护条例》（GDPR）的合规性进行了系统性研究。作者通过大规模静态和动态分析，检测了付费及免费Android应用中嵌入的第三方追踪库，并评估了这些应用在收集用户数据前
Membership Inference Attacks and Defenses in Neural Network Pruning.
本文首次系统研究了神经网络剪枝过程中的隐私风险，特别是成员推理攻击（Membership Inference Attacks）的影响。作者指出，现有的剪枝研究主要关注如何在保持模型精度的同时提高稀疏性，但忽略了剪枝可能带来的训练数据记忆化风
Targeted Deanonymization via the Cache Side Channel: Attacks and Defenses.
本文研究利用缓存侧信道实现目标去匿名化的攻击与防御。作者首先分析了现代处理器中缓存侧信道泄露的机制，指出攻击者可通过监控共享缓存访问模式来识别受害者的活动，从而推断其身份或敏感信息。然后，提出了一种新的去匿名化攻击方法，利用CPU缓存的时序
Towards Automated Computational Auditing of mHealth Security and Privacy Regulations.
该研究旨在解决日益复杂的监管环境下的合规性问题，提出利用计算工具进行法律审计的可能性。具体而言，研究者探索构建一个计算审计器，用于检查移动健康（mHealth）应用是否满足联邦安全与隐私法规。他们发现，虽然将开放式的、普遍适用的复杂法律转化
Code Division Modulation Layers Against Forgetting and Inference in Continual Gait Identification
本文提出了一种基于码分调制层（CDML）的方法，用于解决持续学习在步态识别系统中面临的灾难性遗忘和隐私推理攻击问题。持续学习允许模型逐步吸收新任务的知识，而无需重新训练整个模型，在生物识别领域具有降低计算成本的潜力。然而，传统持续学习方法在