Privacy Policy Enforcement Guardrails for Data-Sensitive Retrieval-Augmented Generation
该论文针对检索增强生成（RAG）系统中的隐私泄露问题，指出传统PII过滤器容易忽略上下文数据泄露，例如通过非受管属性聚类可识别个人身份。作者提出了一种隐私政策执行（PPE）框架，采用双单类密度估计器，融合文本嵌入，并引入校准的拒绝区域以处理
#privacy
共收录 546 条相关情报。
← 返回所有主题BIDO: A Biometric Identity Online Authentication Framework
本文提出了一种名为BIDO（Biometric Identity Online）的无设备生物特征认证标准。传统的身份认证系统往往依赖于用户携带物理令牌、智能卡等硬件，或者存储长期生物特征模板，存在隐私泄露和资源消耗问题。BIDO旨在实现与N
\textsc{PrivScope}: Task-scoped Disclosure Control for Hybrid Agentic Systems
本文提出PrivScope，一种针对混合本地-云端智能体系统的任务范围披露控制机制。在混合智能体系统中，本地代理会收集用户请求的上下文（包括持久工作状态）以增强任务完成度，但这也导致了过度披露问题——云端负载中包含了与当前任务无关的敏感信息
PersonaFingerprint: Measuring Persona Inference on Modern Websites with LLM-Driven Browsing
本文提出了一种新的隐私风险：攻击者可以通过分析加密网络流量的元数据（如数据包长度和到达间隔时间序列），推断用户在线浏览时的“persona”（角色或行为模式），而不仅仅是访问了哪个网站。传统网站指纹识别（WFP）主要关注识别用户访问的网站，
Privacy is Fungibility: Why Endogenous Tokens Are Not Money
该论文从隐私角度出发，论证内生代币（如加密资产）不具备货币属性。作者首先对公共、无需许可账本上的代币进行分类，将其与私人发行的稳定币及央行数字货币（CBDC）设计方案进行对比。随后，论文借鉴Kahn等人在《货币即隐私》中对现金与简化信用的分
Rethinking the Security of DP-SGD: A Corrected Analysis of Differentially Private Machine Learning
这篇论文重新审视了差分隐私随机梯度下降（DP-SGD）的安全分析。DP-SGD广泛应用于机器学习中保护训练数据，其隐私保证通常通过一个安全游戏来分析，攻击者试图从机制输出中推断目标记录是否在训练集中，隐私泄露由隐私曲线（假阳性率作为假阴性率
PGUS: Pretty Good User Security for Thick MVNOs with a Novel Sanitizable Blind Signature.
本文针对厚移动虚拟网络运营商（Thick MVNO）在5G环境下面临的安全与隐私挑战，提出了一种名为PGUS（Pretty Good User Security）的安全框架。该框架的核心创新是引入了一种新的密码学原语——可净化盲签名（San
Reinforcement Unlearning.
本文首次系统性地研究了强化学习中的机器遗忘问题，即“强化遗忘”。传统机器遗忘研究主要关注监督学习和无监督学习，而强化学习领域中，智能体在与环境交互过程中会记忆环境特征，引发隐私风险。根据数据保护法规，环境所有者有权撤销智能体对训练数据的访问
Addressing the Address Books' (Interdependent) Privacy Issues.
本研究聚焦于通讯录（地址簿）中存在的相互依赖隐私问题。通讯录不仅包含用户自身的隐私信息，还涉及联系人的隐私数据，如姓名、电话号码、电子邮件地址等。当用户分享或同步通讯录时，可能导致未经同意地泄露联系人的隐私。论文首先系统分析了通讯录隐私问题
Limits of Personalizing Differential Privacy Budgets
本文研究了差分隐私中个性化隐私预算的局限性。在差分隐私中，隐私预算ε的选择至关重要，它需要在满足隐私要求的同时最大化数据效用。一种常见的思路是为不同用户（或数据点）分配不同的隐私预算，即个性化隐私预算。然而，本文通过理论分析证明，个性化隐私
Extending Blockchain Untraceability with Plausible Deniability
该论文提出了一种新的区块链不可追踪性概念——可否认的隐蔽资产转移（DCAT），旨在实现比传统混币器或隐私币更强的隐私保护。传统方案通过将交易置于匿名集中来隐藏发送方与接收方的关系，但交易事件本身仍可被观测到。DCAT的目标是使转移事件本身不
Watermarking Should Be Treated as a Monitoring Primitive
本文提出水印技术应被视为一种监控原语，而非仅用于内容归属。传统上，水印评估侧重于对抗单个样本级别的规避或误报攻击，忽略了在多方参与的场景中，水印信号可能被聚合以推断实体级别信息。作者引入基于观察者的威胁模型，其中观察者可以通过跨输出聚合水印
DiStefano: Decentralized Infrastructure for Sharing Trusted Encrypted Facts and Nothing More.
DiStefano 提出了一种去中心化基础设施，旨在解决可信加密事实的共享问题，同时避免泄露任何额外信息。传统的数据共享方案往往需要第三方信任或会暴露元数据，而 DiStefano 通过结合密码学原语（如可验证加密、零知识证明和去中心化账本
ThermalTap: Passive Application Fingerprinting in VR Headsets via Thermal Side Channels
本文介绍了一种名为ThermalTap的新型被动非接触侧信道攻击方法，专门针对独立式VR头显。VR头显处理高度敏感的个人、专业和健康数据，但其对非接触物理侧信道的脆弱性此前研究不足。现有的侧信道攻击通常需要恶意软件执行或对硬件的物理访问，容
Reconstruction of Personally Identifiable Information from Supervised Finetuned Models
本文首次系统研究监督微调（SFT）大型语言模型中的个人身份信息（PII）重建问题。SFT通过指令-响应对数据集将预训练知识适配到特定领域，但这些数据集常包含用户提供的敏感信息（如医疗和法律场景中的PII），存在隐私泄露风险。作者构建了多轮、
PrivacySIM: Evaluating LLM Simulation of User Privacy Behavior
该论文研究了大型语言模型（LLM）在模拟个体隐私决策方面的能力。随着LLM被越来越多地用于模拟人类行为，理解其能否准确反映真实用户的隐私偏好变得至关重要。作者提出了PrivacySIM评估套件，旨在通过一组核心用户角色属性（人口统计信息、过
Deanonymizable Scoped Linkable Ring Signatures
该论文提出了一种新型环签名方案——Deanonymizable Scoped Linkable Ring Signatures (DSLRS)，旨在同时实现作用域可链接性与去中心化问责。传统的环签名虽能提供匿名性和签名者自主组成的灵活性，但
SoK: Unlearnability and Unlearning for Model Dememorization
本论文是第一篇系统化整合机器学习模型去记忆化（dememorization）两种主要方法——不可学习性（unlearnability）和机器遗忘（machine unlearning）——的研究综述。不可学习性通过在训练前向数据注入难以感知
"I Don't Know If We're Doing Good. I Don't Know If We're Doing Bad": Investigating How Practitioners Scope, Motivate, and Conduct Privacy Work When Developing AI Products.
该论文通过半结构化访谈和调查等方法，深入探究了AI产品开发中从业者如何界定隐私工作的范围、驱动动机以及实际操作方式。研究发现，从业者在隐私工作中面临显著的不确定性（例如，对合规性要求理解模糊、缺乏统一实践指南），且动机往往混合了合规压力、道
Robust and Reliable Early-Stage Website Fingerprinting Attacks via Spatial-Temporal Distribution Analysis.
该论文提出一种名为 Holmes 的新型早期阶段网站指纹攻击方法，旨在解决现有基于深度学习的 WF 攻击在实际动态网络环境和各种防御机制下性能显著下降的问题。传统 WF 攻击依赖收集完整且纯净的页面加载流量，但实际中往往只能获取早期小部分流