Poster: Data Minimization by Construction for Trigger-Action Applications.
该论文针对触发-动作平台（TAPs）中普遍存在的数据过度收集问题，提出了一种名为 LazyTAP 的新型数据最小化范式。在现有 TAP（如 IFTTT）中，触发服务和查询服务需要将大量用户数据发送给平台，即使平台仅需其中部分属性即可完成操作
#privacy
共收录 546 条相关情报。
← 返回所有主题Evaluating and Redefining Smartphone Permissions with Contextualized Justifications for Mobile Augmented Reality Apps.
本文针对移动增强现实（AR）应用中智能手机权限使用存在的问题，提出并评估了一种基于上下文的权限请求合理化机制。研究背景在于：现有权限系统通常以静态方式请求权限，用户难以理解为何需要特定权限，尤其在AR应用中，权限使用场景动态且敏感。作者通过
Tutorial-HEPack4ML '23: Advanced HE Packing Methods with Applications to ML.
该论文是一篇关于高级同态加密（HE）打包方法的教程，重点探讨如何将这些方法应用于机器学习领域。同态加密允许在加密数据上直接进行计算，但因其密文膨胀和计算复杂度高，实际应用受限。密文打包（packing）技术通过将多个明文值编码到单个密文中，
CPSIoTSec'23: Fifth Workshop on CPS & IoT Security and Privacy.
本文是CPSIoTSec'23 Workshop的导言，该研讨会旨在聚焦网络-物理系统（CPS）与物联网（IoT）安全与隐私领域的最新研究进展。CPS和IoT系统广泛应用于智能家居、工业控制、医疗设备等关键领域，其安全漏洞可能导致物理损坏、
Concentrated Geo-Privacy.
本文提出了一种新的隐私概念——集中地理隐私（Concentrated Geo-Privacy, CGP），这是集中差分隐私（CDP）在几何数据上的对应物。与先前的地理隐私（Geo-Privacy）标准（即标准差分隐私的对应物）相比，CGP具
SurrogateShield: Beyond Redaction for High-Utility, Privacy-Preserving LLM Interactions
本文提出SurrogateShield，一种客户端代理框架，旨在解决用户与第三方大型语言模型（LLM）API交互时的隐私泄露问题。当用户查询包含个人可识别信息（PII）时，传统方法采用占位符删除（Placeholder Redaction）
The Role of Online Forums in Developer Understanding of Privacy Law -- A Reddit Case Study
该论文研究了软件从业者如何利用在线论坛（特别是Reddit）来理解和应对复杂的隐私法规要求。作者针对Reddit上与隐私法规相关的子版块（subreddits）的用户进行了调查（223名参与者），并辅以对2248条帖子和回复的定性分析。研究
SoK: Data Reconstruction Attacks Against Machine Learning Models: Definition, Metrics, and Benchmark.
本文是一篇系统化知识梳理（SoK）论文，聚焦于针对机器学习模型的数据重建攻击。数据重建攻击旨在通过有限访问权限恢复目标模型的训练数据集，近年来受到广泛关注。然而，该领域缺乏统一的攻击定义和评价指标，阻碍了研究进展。作者针对视觉领域提出了统一
Using LLMs to Identify Personal Data Processing in Source Code.
该研究提出了一种基于大型语言模型（LLM）的方法，用于自动识别源代码中个人数据的处理行为，以辅助隐私影响评估。当前软件产品的隐私合规审查高度依赖人工专家，耗时且易出错，尤其面对大规模、频繁变更的应用时挑战巨大。作者首先构建了一个标注数据集，
Towards a Re-evaluation of Data Forging Attacks in Practice.
本文重新评估了数据伪造攻击（data forging attacks）在实践中的可行性与强度。数据伪造攻击旨在提供反事实证据，证明模型是在某个数据集上训练的，而实际上却是用另一个数据集训练的。攻击者通过用小批量数据替换为包含不同训练样本但产
ToolPrivacyBench: Benchmarking Purpose-Bound Privacy in Tool-Using LLM Agents
本文提出了 ToolPrivacyBench，一个用于评估使用工具的 LLM 智能体（Agent）在目的绑定隐私保护方面的基准。现有评估主要关注任务完成度和 API 正确性（如函数调用基准）或最终响应中的隐私泄露（如隐私判断基准），但忽略了
Agentic AI-Powered Re-Identification: An Emerging, Scalable Threat to Mobility Microdata Privacy
该论文研究了一种由智能体人工智能（Agentic AI）驱动的重识别攻击方法，对移动微数据隐私构成新兴的可扩展威胁。背景是商业数据经纪商广泛收集细粒度位置数据，尽管已有研究表明移动轨迹具有高度独特性，但过往重识别攻击需要分析师大量人工操作，
Empirical Understanding of Deletion Privacy: Experiences, Expectations, and Measures.
本论文通过用户调查（191名参与者）深入研究了社交平台上的删除隐私问题。研究背景是用户因后悔、尴尬或生活变化而删除过去发布的帖子，但这一行为可能被对手利用，将删除作为识别敏感内容的强信号。当前对用户删除隐私的经历、期望以及现有删除机制有效性
Agents That Know Too Much: A Data-Centric Survey of Privacy in LLM Agents
大型语言模型（LLM）智能体越来越多地用于查询数据库、检索文档集合、调用外部API、记忆过往交互并代表用户执行操作。随着其应用从简单的问答扩展到处理敏感数据，隐私保护变得更加困难。智能体涉及多个数据源、运行多步工作流、跨会话保持状态，并拥有
One Server for the Price of Two: Simple and Fast Single-Server Private Information Retrieval.
该论文提出了一种新颖的单服务器私有信息检索（PIR）协议，旨在解决传统单服务器PIR方案中计算或通信开销过高的问题。现有单服务器PIR通常依赖于同态加密或伪随机函数，导致服务器端计算复杂度与数据库大小成正比，实际部署昂贵。作者通过一种简洁的
What Browsers Do in the Shaders: A Measurement Study of WebGPU Privacy
本文提出了WGPULens，一个系统化测量WebGPU隐私泄露风险的框架。WebGPU作为新的Web图形API，允许网页通过验证的编程模型运行GPU工作负载，虽然验证机制保证了内存安全，但共享的浏览器、驱动程序、操作系统和GPU状态仍可能暴
Expecting (Targeted Ads)? Network Analysis of User Health Data Leakage in Fertility Tracking Apps
该论文针对Android平台上的生育追踪应用（Fertility Tracking Apps）进行了基于网络的测量研究。这些应用记录用户的月经和怀孕数据，涉及高度敏感的健康信息。以往研究多关注此类应用的用户隐私认知因素，而较少从技术角度考察
A Tattered Cloak of Invisibility: Measuring Anonymity Loss in Railgun on Ethereum
该论文研究了以太坊隐私混币器Railgun中的用户行为泄漏问题。尽管底层加密协议（如零知识证明）能保证交易匿名性，但用户的行为模式——如交易时间模式、地址重复使用、交易图邻近性、金额指纹以及背包问题匹配——仍可能导致匿名性显著损失。作者提出
Can Machine Learning Break Wi-Fi Privacy? A Study on MAC Address Randomization
本论文研究MAC地址随机化在IEEE 802.11网络发现阶段作为被动追踪防范措施的有效性。尽管MAC地址随机化已被广泛采用，但作者通过机器学习指纹识别技术证明了设备仍可被识别，暴露了现有隐私协议的漏洞。研究评估了被动攻击者在不同窃听场景下
Leaking Circuit Secrets: Gradient Leakage Attacks on Graph Neural Networks
随着图神经网络（GNN）在电路设计与分析等关键任务中成为标准工具，其安全与隐私风险亟需关注。本文首次系统评估了梯度泄露攻击（GLA）对电路设计与硬件安全任务中GNN的威胁——这一实际风险此前被严重忽视。作者在标准网表基准（ISCAS'85、