Modernizing User Privacy Preference Measurement through GPPI: A GDPR-aligned Privacy Preference Item Bank
该论文针对现有隐私测量工具（如CFIP、IUIPC、PAQ）早于GDPR超十年、仅关注隐私关切而忽略用户对具体监管权利（如数据可携带权、删除权、自动化决策权）偏好的问题，提出了一种基于GDPR的隐私偏好测量项目库（GPPI）。研究方法包括：
#privacy
共收录 546 条相关情报。
← 返回所有主题Unlocking Apple's Private Cloud Compute: An Analysis of Privacy-Preserving Artificial Intelligence
该论文首次对苹果的私有云计算（Private Cloud Compute, PCC）系统进行了逆向工程分析，旨在评估其隐私保护声明的可信度。PCC是苹果为在移动设备上集成AI而设计的隐私优先计算架构，其核心宣称包括不存储用户数据、用户输入与
Extracting Training Data from Diffusion Language Models via Infilling
本研究关注扩散语言模型（DLM）中的训练数据记忆与提取问题。以往对于大语言模型记忆性的研究几乎完全基于前缀条件提取，这适合自回归模型，但扩散语言模型可以在任意位置去噪被遮蔽的token，因此仅用前缀探测会低估训练数据提取的风险。为真实建模D
CHRONOS: Temporally-Aware Multi-Agent Coordination for Evolving Data Marketplaces
该论文提出了CHRONOS，一种针对时态知识图谱数据市场的三层架构，旨在解决静态设计中的三个耦合失效问题：陈旧混合索引导致召回率下降、静态Shapley定价在分布偏移后价值误分配、未协调的代理过度消耗共享差分隐私预算。第一层采用神经ODE时
CachePrune: Privacy-Aware and Fine-Grained KV Cache Sharing for Efficient LLM Inference
大型语言模型（LLM）依赖键值（KV）缓存加速推理，许多服务系统进一步在用户请求间共享KV缓存以减少冗余计算。然而，无限制的跨用户共享引入了侧信道漏洞，攻击者可以通过探测缓存是否命中来推断用户输入。现有防御完全禁用共享以避免泄漏，但这种粗粒
Security, Privacy, and Ethical Risks in OpenClaw
本文系统性地研究了OpenClaw这一本地可执行AI代理系统的安全、隐私与伦理风险及可追溯性挑战。OpenClaw支持自然语言交互和真实世界任务完成，在个人助理、办公自动化、跨平台任务管理和信息集成方面展现出强大潜力。然而，这种高度权限的代
HARPO: Learning to Subvert Online Behavioral Advertising.
在线行为广告及其相关的跟踪技术对用户隐私构成严重威胁。现有的隐私增强工具（如广告拦截器、防跟踪插件）在面对日益复杂的广告和跟踪系统时效果有限。为此，本文提出了HARPO（一种基于学习的系统），旨在通过混淆手段颠覆在线行为广告。HARPO采用
Decision-Aware Quadratic ReLU Replacement for HE-Friendly Inference
全同态加密（FHE）仅支持加法和乘法运算，因此在FHE环境下进行神经网络推理时，需要用多项式近似替代ReLU激活函数。传统方法通过在经验激活区间上进行多项式拟合来控制逼近误差，通常需要较高次数的多项式，导致同态求值开销增加。然而，分类结果仅
Going through the motions: AR/VR keylogging from user head motions.
本研究探讨了在增强现实/虚拟现实（AR/VR）环境中，利用用户的头部运动作为侧信道来窃取键盘输入。作者提出了一种攻击方法，通过分析用户佩戴AR/VR头显时自然产生的头部运动（如打字时头部微小的摆动），使用深度学习模型将运动模式映射到键盘按键
Detection of Inconsistencies in Privacy Practices of Browser Extensions.
本文提出了一种自动检测浏览器扩展隐私实践不一致性的系统 ExtPrivA。浏览器扩展在提供额外功能的同时，能够访问并收集用户数据。尽管扩展通过多种形式（如隐私政策和仪表板披露）告知用户其数据实践，但现有研究忽视了实际数据收集行为与隐私声明之
Information Leakage Envelopes
本文在点对点最大泄漏（PML）框架下研究隐私保证的两个要求：对后处理具有鲁棒性，以及能限定信息泄漏超过给定阈值的失败概率。作者首先分析两种受(近似)差分隐私启发的候选定义，发现两者均无法同时满足上述要求。为此，引入PML包络（PML env
Precision and Privacy in Distributed Quantum Sensing: A Quantum Fisher Information Duality
该论文针对分布式量子传感器网络中的精度与隐私权衡问题，建立了量子费舍尔信息（QFI）对偶性。具体而言，对于由 N 个传感器组成的网络，每个传感器本地编码相位参数，考虑任意 N 量子比特探针态，对于任意两个正交的单位传感方向 w 和 v，其对
Causal Unlearning in Collaborative Optimization: Exact and Approximate Influence Reversal under Adversarial Contributions
该论文提出了一种高效的联邦学习因果遗忘方法 HF-KCU，用于在不完全重训练的情况下移除特定客户的数据贡献，以满足隐私法规（如 GDPR）的数据删除要求。传统方法从头重训练计算成本极高（O(d^3)），而 HF-KCU 通过 Krylov
The Privacy Subsidy in Glosten-Milgrom: Bid-Ask Spread and Welfare under Flip-Noise Direction Observation
该论文在经典的Glosten-Milgrom（1985）顺序交易模型框架下，引入了一个信息论隐私机制：市场做市商观察到的交易方向被一个二元翻转信道（翻转概率η）扰动。在贝叶斯市场做市商定价规则下，论文推导出了均衡买卖价差的闭式解为 μ(1-
Inferring Sensitive Attributes from Knowledge Graph Embeddings: Attack and Defense Strategies
知识图谱（KG）作为链接数据的强大表示，具有灵活性、语义丰富性，并支持知识丰富化和推理，帮助数据所有者组织和利用异构数据提供个性化服务。然而，真实世界的知识图谱往往不完整，隐藏了真实事实或缺失有价值信息。知识图谱嵌入（KGE）技术常用于推断
XAI FL-IDS: A Federated Learning and SHAP-Based Explainable Framework for Distributed Intrusion Detection Systems
本文提出一个名为XAI FL-IDS的分布式入侵检测系统框架，旨在解决传统集中式IDS存在的两大局限：隐私泄露和缺乏可解释性。当前大多数IDS依赖集中式检测，要求IoT节点将原始数据发送至服务器，不仅增加网络开销，也无法保证数据隐私；同时，
"I feel physically safe but not politically safe": Understanding the Digital Threats and Safety Practices of OnlyFans Creators.
该论文针对OnlyFans内容创作者面临的数字威胁和安全实践进行了定性研究。OnlyFans是一个基于订阅的内容平台，创作者常面临身份暴露、骚扰、跟踪、恶意泄露等风险，但现有研究缺乏对创作者群体特有安全挑战的理解。研究者通过半结构化访谈（n
Wireless Charging Power Side-Channel Attacks.
本文首次揭示了无线充电接口存在功率侧信道攻击漏洞。当智能手机通过无线充电器进行充电时，其活动状态会通过电流变化泄露给充电器发射端。研究者设计并实现了网站指纹识别攻击：在iPhone 11和Google Pixel 4上，通过分析无线充电过程
DARTIC: Decentralized Anonymous Reputation at Scale for Trustworthy Crowdsourcing
本文提出一个名为DARTIC的去中心化匿名声誉框架，旨在解决链上众包系统中匿名性、声誉绑定和可扩展性之间的矛盾。现有去中心化声誉系统通常无法同时满足这三个要求。DARTIC采用双账本系统，允许请求者和工作者在不同交互中使用不同假名，实现不可
PrivacyOracle: Configuring Sensor Privacy Firewalls with Large Language Models in Smart Built Environments.
该论文针对现代智能建筑与环境中传感器基础设施的隐私合规问题展开研究。随着传感器数量和依赖传感器数据的服务激增，居民面临大量隐私决策，难以有效管理个人信息流，导致无法充当自己的“隐私防火墙”。现有方法要求用户对隐私法规进行定性推理、理解隐私敏