Crafter: Facial Feature Crafting against Inversion-based Identity Theft on Deep Models.
随着边缘设备（如手机）计算能力提升和隐私要求日益严格，越来越多的深度学习应用选择在边缘端预处理敏感原始数据，再将提取的特征传输到云端进行后续处理。面部识别服务是典型例子，它需要从不同个人的面部图像中提取特征。为了防止身份信息在传输或云端被窃
#privacy
共收录 546 条相关情报。
← 返回所有主题A Systematic Evaluation of Traditional Privacy Policy Analysis Tools Against LLMs
该论文对大型语言模型（LLM）在隐私政策分析领域替代传统专用工具的能力进行了首次系统性评估。研究背景是LLM的兴起使得以往需要专门领域工具的隐私政策与数据合规分析任务变得可能，但尚不清楚LLM能否真正复制现有工具的多样化功能和方法。核心研究
Hadal: Centralized Label DP without a Trusted Party.
本文提出 Hadal，一种无需可信第三方的集中式标签差分隐私协议。传统标签差分隐私（Label DP）通常依赖一个可信聚合器来扰动标签，但实际应用中难以找到完全可信的第三方。Hadal 利用安全多方计算（MPC）和秘密共享技术，允许多个数据
Privacy Perspectives and Practices of Chinese Smart Home Product Teams.
该论文通过27个半结构化访谈，深入探讨了中国智能家居产品团队（包括产品/项目经理、软硬件工程师、用户体验设计师、法律/隐私专家、市场/运营专员）的隐私观念、实践及风险缓解策略。研究发现，参与者强调遵守中国数据隐私法律，这些法律通常将国家安全
Jigsaw: Doubly Private Smart Contracts.
本文提出Jigsaw系统，旨在实现双重隐私保护的智能合约，即同时保护合约的输入数据和合约逻辑（代码）的隐私。传统的智能合约在区块链上公开执行，导致交易数据和合约代码对所有节点可见，存在隐私泄露风险。Jigsaw结合了安全多方计算（MPC）和
Single-Server Private Outsourcing of zk-SNARKs.
该论文研究如何安全高效地将zk-SNARKs证明的生成任务外包给单个不信任的服务器，同时保护用户的隐私。zk-SNARKs是一种零知识证明，允许证明者向验证者证明某个陈述为真，而无需泄露任何额外信息。然而，生成zk-SNARKs证明的计算开
Post-GDPR Threat Hunting on Android Phones: Dissecting OS-level Safeguards of User-unresettable Identifiers.
本文针对GDPR实施后Android手机中用户不可重置标识符（如IMEI、IMSI、MAC地址等）的保护机制进行了系统性的威胁狩猎研究。研究背景是GDPR要求设备制造商强化隐私保护，Android系统在多个版本中引入了诸如权限控制（READ
Protecting Individual Identities in Wastewater Data Through Statistical and Differential Privacy Analysis.
该论文研究在污水监测数据中保护个体身份隐私的问题。污水监测广泛应用于公共卫生领域，如检测药物滥用或传染病爆发，但原始数据可能包含可追溯至个人的敏感信息（例如特定社区的用药模式）。作者提出结合统计隐私技术和差分隐私（Differential
Your Eyes Won't Lie: Snooping Online Voting Privacy from User Webcam.
本文提出一种利用用户网络摄像头进行侧信道攻击的方法，以窃取在线投票中的隐私选择。作者通过分析用户投票时眼动轨迹，利用深度学习模型从视频流中提取视线方向特征，并结合投票界面布局，推断用户点击的选项。实验在受控环境下进行，使用多个参与者模拟投票
Shared Spotlight Meridian: Distributed Sparse Pseudorandom Functions for Scalable Federated Learning.
本文提出了一种名为“Shared Spotlight Meridian”的新型分布式稀疏伪随机函数（Sparse PRF）协议，旨在解决联邦学习中可扩展性、通信效率和隐私保护的挑战。联邦学习通常需要客户端与服务器之间频繁交换模型更新，这会导
Single-Server Stateful PIR with Verifiability and Balanced Efficiency.
该论文针对单服务器有状态私密信息检索（PIR）协议中效率与可验证性之间的权衡问题，提出了一种新型协议。论文首先分析了现有单服务器PIR方案在状态更新和验证方面的不足，指出大多数方案无法同时保证检索结果的正确性（可验证性）和支持高效的批量查询
Privacy Aware Anatomy Preserving Retinal Image Generation with ControlNet for Zero-False-Negative Glaucoma Screening.
未提供论文摘要，无法生成详细描述。本论文标题涉及隐私感知的视网膜图像生成，可能用于青光眼筛查，但具体方法不明。
Code-Poisoning Property Inference Attacks
本文提出了一种针对机器学习模型的新型隐私攻击——代码投毒属性推断攻击（CPPIA），这是首个在代码层面实施的属性推断攻击。现有属性推断攻击存在攻击性能不足、模型准确率严重下降、计算开销大、在防御下失效等四大局限性。CPPIA 利用代码托管平
Is External Database Protection Static in Retrieval-Augmented Generation? Rethinking Privacy Preservation under Dynamic Queries
检索增强生成（RAG）通过外部文档检索增强大型语言模型的能力，但检索到的上下文可能泄露敏感信息。现有隐私保护方法通常基于文档级静态风险假设，即认为所有检索文档具有相同的隐私泄露风险。然而，这一假设忽略了RAG的一个基本特征：文档的隐私风险高
How Transparent is Usable Privacy and Security Research? A Meta-Study on Current Research Transparency Practices.
该论文对2018至2023年间发表的200篇可用隐私与安全（UPS）领域的出版物进行了元研究，这些出版物来自USENIX Security、IEEE S&P、CCS、SOUPS、CHI等12个会议或期刊。同时，作者还分析了这些会议/期刊的8
OblivSketch: Oblivious Network Measurement as a Cloud Service.
网络功能虚拟化（NFV）使得以低成本将多种网络功能作为云服务提供成为可能，其中网络测量任务（如重流检测和流量分布估计）是许多核心网络功能的基础，能够提升企业网络的性能与安全性。然而，将网络测量服务部署在第三方多租户云服务提供商中引发了严重的
Disclosure Divergence: Measuring Privacy Policy and Data Safety Misalignment at Scale
该论文针对移动应用中隐私政策与平台数据安全标签之间的不一致性进行大规模实证研究。随着移动应用的快速增长，用户数据隐私问题日益突出。虽然隐私政策描述了应用如何收集和共享数据，但Google Play等平台提供的数据安全标签旨在总结这些实践。由
PriEval-Protect: A Unified Framework for Privacy Evaluation and Protection in Healthcare Systems
本文提出了一个名为 PriEval-Protect 的统一框架，用于医疗保健系统中的隐私风险评估与保护。当前，在 GDPR 和 HIPAA 等法规下，保护患者隐私并同时允许有意义的医疗数据使用至关重要，但现有合规方法通常依赖人工，容易出错，
When T2I Synthetic Data Backfires: Amplified Privacy Risks in Real-Synthetic Mix Training
该论文研究了真实数据与文本到图像（T2I）生成数据混合训练（RSMT）对隐私泄露的影响。尽管在学术界和工业界，使用T2I合成数据扩充真实数据已成为缓解数据稀缺和隐私限制的常见做法，但先前研究主要关注合成数据替代敏感样本对隐私的保护作用，而忽
$\mathrm{P}^{3}$CDA: Privacy-Preserving and Provably Secure Cross Domain Authentication Scheme for Internet of Drones
随着无人机互联网（IoD）的快速发展以及无人机移动性的增强，地理上分散的域之间的跨域交互变得不可避免。跨域认证是IoD的基本安全需求。然而，现有认证方案往往难以同时实现强安全性、高效率和身份隐私，因此不适用于高度动态且资源受限的IoD环境。