Connecting the Dots: An Investigative Study on Linking Private User Data Across Messaging Apps.
该论文针对跨消息应用（如 WhatsApp、Telegram、Signal 等）之间用户私人数据的关联问题进行了系统性研究。研究背景是，用户在不同平台上使用相同的用户名、电话号码、头像等元数据，可能被攻击者或第三方用于跨平台追踪和画像。作者
#privacy
共收录 546 条相关情报。
← 返回所有主题Faster Than Ever: A New Lightweight Private Set Intersection and Its Variants.
该论文提出了一种新的轻量级私有集合交集（Private Set Intersection, PSI）协议及其变体。PSI 协议允许两方在不泄露各自集合多余信息的情况下计算交集的公共元素，广泛应用于隐私保护的数据匹配、联系人发现、广告转化率等
ZK-Value: A Practical Zero-Knowledge System for Verifiable Data Valuation
数据估值是数据市场中的核心任务，Shapley值归因用于决定买方的付款如何在数据提供者之间分配。传统上，市场运营商独立执行归因，但要求参与者和外部审计员信任无法在底层私有数据上独立重算的分数。零知识证明（ZKP）理论上可以协调隐私与可验证性
Practical Non-Interactive Searchable Encryption with Forward and Backward Privacy.
本文聚焦于动态对称可搜索加密（DSSE）中的隐私保护问题。在DSSE中，前向隐私确保过去的搜索查询无法与未来的更新关联，而向后隐私则保证后续的搜索查询无法与过去已删除的文档关联。现有方案在实现Type-II向后隐私时通常需要交互式协议或可信
Dubhe: Succinct Zero-Knowledge Proofs for Standard AES and related Applications.
该论文提出了一种名为 Dubhe 的零知识证明系统，专门针对标准 AES 加密算法实现了高效、简洁的证明。传统的零知识证明（如基于 R1CS 或 QAP 的方案）在处理 AES 这类复杂算术电路时往往面临巨大的证明尺寸和验证开销。Dubhe
Understanding Worldwide Private Information Collection on Android.
该论文是迄今为止最大规模的Android平台私人信息收集（PIC）研究。研究者利用某流行移动安全产品用户提供的匿名化数据集，分析了2018年至2019年间21个月内1730万用户安装的210万款独特应用所产生的敏感信息流。研究发现，87.2
Detecting Filter List Evasion with Event-Loop-Turn Granularity JavaScript Signatures.
内容屏蔽（Content Blocking）是提升Web性能、保护用户隐私的重要技术。当前内容屏蔽器主要基于URL构建信任标签，但攻击者可通过更改URL/域名、将恶意代码与良性代码捆绑、或内联代码到页面等方式轻易绕过。现有方法的共同缺陷是评
Tales of Favicons and Caches: Persistent Tracking in Modern Browsers.
该论文由伊利诺伊大学芝加哥分校和尼泊尔大学的研究人员共同撰写，发表于NDSS 2021。研究聚焦于现代浏览器中利用favicon图标和缓存机制实现持久化追踪的技术。论文揭示了攻击者如何通过操纵浏览器对favicon的缓存行为，在用户清除常规
Powering for Privacy: Improving User Trust in Smart Speaker Microphones with Intentional Powering and Perceptible Assurance.
该论文针对智能音箱麦克风持续监听引发的用户隐私信任问题，提出了一种名为“有意供电”（Intentional Powering）的硬件设计范式。传统智能音箱麦克风始终通电，用户无法直观判断录音状态，导致隐私担忧。作者设计了一种新型麦克风系统：
Dependency-Aware Privacy for Multi-turn Agents
本文研究多轮交互场景下LLM智能体的隐私保护问题。现有基于度量差分隐私的提示清洗器将每次服务调用视为独立发布，但攻击者可通过跨轮联合观测恢复隐私属性，导致隐私随发布次数增加而衰减。作者指出这种退化是根本性的：当隐私属性是计算图的根节点时，对
Noisy Networks, Nosy Neighbors: Simple Privacy Attacks Against Residential Wireless Traffic
该论文研究了住宅智能设备无线网络流量中的隐私泄露风险，重点关注低技能攻击者（如邻居）能否利用简单工具实施隐私攻击。以往研究多假设攻击者具备专业机器学习知识、标注数据和参考设备，而本文模拟一名“偶然攻击者”：仅使用三台商用Raspberry
Differentially Private Runtime Monitoring
该论文研究了在隐私敏感环境中，运行时监控系统如何保护敏感信息的问题。现代基于流的监控器会收集被观测系统运行时的详细统计数据，这些数据可能泄露隐私。差分隐私是保护敏感信息的先进方法，但将其集成到运行时监控中面临挑战：时序算子会导致单个输入值随
Obscura: Privacy-Preserving Protocol for the Algorand Blockchain Using LSAG Ring Signatures
本文提出 Obscura，一种针对 Algorand 区块链的隐私保护协议。现有区块链隐私方案（如以太坊上的 zk-SNARKs）在高吞吐量链（如 Algorand）上难以实现，因为存在严格的每调用执行预算和全局 Merkle 累加器引起的
What's on Your Mind? Exploring Privacy of Mental Health Apps
本文对25款流行的Android心理健康与生活教练应用进行了全面的隐私分析。研究方法结合了静态分析（检查APK中的权限声明和追踪器SDK）、动态网络流量捕获（识别实际数据传输）以及基于LLM的隐私政策提取（辅以人工标注）。主要发现包括：1）
PEARL: Plausibly Deniable Flash Translation Layer using WOM coding.
该论文提出了一种名为PEARL的闪存转换层（FTL）设计，旨在为NAND闪存设备提供可拒绝否认（Plausible Deniability, PD）的数据保护能力。传统加密在面对能够胁迫用户交出密钥的强敌时失效，而PD机制通过隐藏敏感数据的
Understanding Users' Security and Privacy Concerns and Attitudes Towards Conversational AI Platforms.
该论文旨在系统性地研究用户在使用对话式人工智能平台（如智能助手、聊天机器人）时对安全和隐私的担忧与态度。研究背景：随着对话式AI在家庭、办公等场景的普及，用户数据被大量收集和处理，引发了潜在的隐私泄露和安全风险。核心问题：用户对这些平台的具
Sparta: Practical Anonymity with Long-Term Resistance to Traffic Analysis.
现有元数据隐私消息系统要么不可扩展，要么易受长期流量分析攻击。缓解流量分析攻击的方法通常依赖不切实际或不可实现的假设，或施加系统范围的带宽限制，从而降低可用性和性能。本文提出了一种新的元数据隐私通信系统模型——延迟检索（deferred r
Machine Unlearning for Class Removal through SISA-based Deep Neural Network Architectures
该论文研究了机器遗忘（Machine Unlearning）领域中的类别级遗忘问题，提出了一种基于 SISA（Sharded, Isolated, Sliced, and Aggregated）框架的改进方案，用于卷积神经网络（CNN）架构
VOW: Verifiable and Oblivious Watermark Detection for Large Language Models
该论文提出了一种名为VOW的新型协议，用于解决大型语言模型（LLM）水印检测中的隐私和可验证性问题。现有LLM水印方法通常依赖集中式信任模型，用户需将敏感文本提交给服务提供商进行检测，且无法验证检测结果的完整性。虽然已有非对称方案试图解决这
Mitigating Membership Inference Attacks by Self-Distillation Through a Novel Ensemble Architecture.
本文针对机器学习模型中的成员推断攻击（Membership Inference Attacks）提出一种名为SELENA的隐私保护训练框架。成员推断攻击旨在通过模型对成员与非成员输入的差异行为推断某样本是否属于训练集，是衡量模型隐私泄露的关