POPS: Recovering Unlearned Multi-Modality Knowledge in MLLMs with Prompt-Optimized Parameter Shaking
该研究针对多模态大语言模型（MLLM）中的机器遗忘（Machine Unlearning）机制的安全性提出质疑。MLLM在训练时可能无意中编码了隐私敏感数据，因此多模态机器遗忘（MMU）被用于强制模型遗忘这些信息。但作者发现，当模型公开后，
#privacy
共收录 546 条相关情报。
← 返回所有主题The Masks We (Think We) Wear: Privacy Threats of Browser-Extension Wallets in the Web3 Ecosystem
该论文研究了Web3生态中浏览器扩展钱包的隐私威胁。用户通常认为他们的区块链地址是相互独立的，除非有意透露。然而，现代钱包与区块链基础设施和去中心化应用（dApps）的通信会产生网络和浏览器层面的信号，可能破坏用户地址间的隔离性。论文识别并
Auditing of Unlearning Algorithms
本文针对机器学习模型遗忘算法是否真正消除了训练数据影响的问题，提出了一种实用的审计方法。研究者设计了一个基于成员推断攻击的审计器，通过计算与数据相关的遗忘参数ε的下界，来评估遗忘算法是否达到其声称的隐私保证。在CIFAR-100和Shake
HeatDeCam: Detecting Hidden Spy Cameras via Thermal Emissions.
本文提出了一种名为HeatDeCam的新型隐藏摄像头检测方法，利用热辐射特性来定位隐藏的间谍摄像头。现有的检测方法通常需要物理接近或依赖可见光反射，难以应对隐藏摄像头的小型化和伪装。HeatDeCam通过分析摄像头工作时产生的热量辐射，使用
Mirage: Private, Mobility-based Routing for Censorship Evasion.
该论文提出了一种名为 MIRAGE 的隐私保护消息系统，旨在解决审查环境下的抗阻塞通信问题。传统去中心化匿名网络如 Tor 依赖集中式互联网基础设施，容易遭受大规模封锁。MIRAGE 利用人群的高层移动模式，采用基于区域（district）
Selective Disclosure Watermarking for Large Language Models
大型语言模型（LLM）生成的文本中嵌入水印是一种追踪合成内容来源或验证其真实性的技术。现有方法分为零比特方案（仅区分机器与人类写作）和多比特方案（嵌入元数据如时间戳、模型版本）。然而，当前多比特水印方案存在一个关键缺陷：验证器必须解码整个嵌
From Multiplicity to Vulnerability: Privacy Amplification Risk from One-Dataset-Multiple-Model Exposure
本文首次系统地研究了“单数据集多模型”（ODMM）范式下的隐私放大风险。在ODMM中，同一个数据集（如人脸或医疗图像）被重复用于训练多个模型，每个模型独立部署为API服务以完成不同任务（如人脸识别、年龄估计、种族分类）。现有隐私研究工作多关
SoK: Anti-Facial Recognition Technology.
该论文是针对反人脸识别（AFR）技术的首篇系统化知识综述（SoK）。近年来，人脸识别（FR）技术在政府和商业领域的快速普及引发了公众对公民自由和隐私的担忧。为此，学术界和工业界提出了多种所谓的“反人脸识别”工具，旨在帮助用户避免非授权的人脸
Let My Data Go: Data Brokers' Compliance with Opt-Out and Deletion Requests
本文针对美国数据经纪商行业在加州消费者隐私法案（CCPA）下的合规性进行了系统性研究。数据经纪商大量收集美国成年消费者的个人信息，且通常未经消费者知情或同意，这些数据可被出售给雇主、房东、保险公司、政府乃至恶意行为者，从而引发歧视、监控、身
SAFELearn: Secure Aggregation for private FEderated Learning.
该论文聚焦于联邦学习（FL）中的隐私保护问题。联邦学习作为一种分布式机器学习范式，允许多个客户端在不共享原始数据的前提下，通过聚合服务器联合训练全局模型。然而，现有研究表明，恶意聚合服务器可能通过客户端上传的模型更新发起推理攻击，窃取客户端
Data Structures for Private Token Transfers in TEE-Based Networks
该论文关注基于可信执行环境（TEE）的机密智能合约网络中的隐私泄露问题。尽管TEE能保护合约数据加密，但在代币转账过程中，存储访问模式会暴露发送方与接收方之间的关联。具体而言，当合约在转账时更新接收方余额，即使数据加密，访问的存储键也会揭示
QuerySnout: Automating the Discovery of Attribute Inference Attacks against Query-Based Systems.
本文针对基于查询的系统（如数据库、机器学习API）中的属性推断攻击，提出了一种自动化发现方法QuerySnout。属性推断攻击是指攻击者通过向系统发送一系列精心设计的查询，推断出目标用户的敏感属性（如年龄、性别、疾病等），这对用户隐私构成严
Toward a Unified Security and Privacy Framework for AI-Native 6G Networks
第六代（6G）通信网络预计将演变为AI原生、高度自治的生态系统，融合通信、计算、感知和人工智能。尽管这些能力能实现前所未有的连接和智能服务，但它们也创造了高度异构的安全和隐私格局，无法通过孤立的、特定技术的解决方案来解决。本文对AI原生6G
No Country for Old Privacy: The Evolving Challenges of Anonymity in Bitcoin
本文对比特币网络中的第二代匿名协议（CoinJoin、CoinSwap、CoinShuffle、隐形地址）的采用情况进行了纵向测量研究。研究者通过实现并优化一套启发式过滤器，识别出超过594万笔CoinJoin交易和2330万笔CoinSw
The Rise and Fall of Google's Privacy Sandbox
该论文对Google Privacy Sandbox的采用情况进行了首次纵向、考虑用户同意的测量。Privacy Sandbox是Google旨在替代Web上侵犯隐私的数据收集方式的倡议，试图平衡隐私、广告功能和跨站追踪，但经历了多次重新设
Security and Privacy Measurements in Cellular Networks: Novel Approaches in a Global Roaming Context.
本研究聚焦于蜂窝网络在全球漫游场景下的安全与隐私测量问题。随着移动用户跨国漫游日益频繁，运营商之间的信令交互带来了新的攻击面，例如位置泄露、身份伪造、中间人攻击等。现有测量方法多针对单一网络，缺乏对漫游链路全局视角的刻画。本文提出一套新颖的
Exploring the Janus Face of Synthetic Images: From Privacy-secure Biometrics Applications to Deepfake Detection for Misinformation-Free Social Networks.
该论文探讨了合成图像（Synthetic Images）在隐私保护生物识别应用与深度伪造（Deepfake）检测中的矛盾关系。一方面，合成图像技术（如生成对抗网络GANs生成的虚假人脸）可用于创建隐私安全的生物识别系统，例如通过合成替代真实
Federated Sovereign Transport Protocol (FSTP): Verifiable Coordination Without Disclosure
该论文提出了联邦主权传输协议（FSTP），一种针对具有异构隐私需求的联邦网络的同步边界和传输层。现有联邦协议将数据约束交由运营商策略处理：它们定义消息格式和传递语义，但对符合规范的服务器可能发出的内容没有结构性限制。FSTP 通过使数据约束
Semantic Leakage and Privacy Preservation in Relay-Assisted Semantic Communications
该论文研究了中继辅助语义通信系统中的隐私问题。语义通信通过传输任务相关信息而非原始数据，旨在资源受限和信道条件下实现高效鲁棒的通信。然而，论文发现即使中继节点无法访问源数据，它也可以直接基于学习到的潜在表示可靠地推断语义含义并重构信号，其性
Probing Memorization of Tabular In-Context Learning
本文研究了大型表格模型（LTM）在上下文学习（ICL）中的参数记忆化现象。尽管大型语言模型（LLM）已被证实会无意中记忆训练数据，但LTM的记忆化动态尚不完全清楚。为此，作者提出了一个名为ICLMEM的探测框架，旨在区分基于上下文的预测与参