Public Verification for Private Hash Matching.
本文聚焦端到端加密（E2EE）环境下内容审核与隐私保护之间的根本矛盾。E2EE 阻止在线服务访问用户内容，这虽然保障了隐私，却使得传统的服务端明文图像感知哈希匹配（用于检测儿童性虐待材料 CSAM）无法实施。为此，密码学界提出了私有哈希匹配
#privacy
共收录 546 条相关情报。
← 返回所有主题Private Computation Space: Experience with Trusted Multi-Cluster Federated Learning for Agriculture
本文提出并部署了名为 Private Computation Space (PCS) 的开源机器学习系统，用于在保护农户数据隐私的同时实现农业领域的联邦学习。研究背景指出，尽管人工智能有潜力改善农业实践，但采用率有限，69%的美国农民因数据
NeuroPriv: Adversarial Representation Learning for Privacy in Wearable EEG Systems
本文针对可穿戴 EEG（脑电图）系统在健康监测之外可能泄露神经隐私的问题展开研究。作者指出，尽管许多系统假设仅传输紧凑的频谱或空间特征而非原始 EEG 数据即可提供足够的隐私保护，但实际这些特征仍可能泄露用户身份和人口统计属性。以 EEGM
OreProof: Verifiable Provenance with Limited Disclosure for Critical-Minerals Supply Chains Using Zero-Knowledge Proofs
本文报告了 OreProof 的设计科学实践：一个面向关键矿物（以黄金为实例）供应链的可追溯性平台原型。核心问题在于供应链中存在结构性矛盾：监管方和买家要求可验证的来源，而上游参与者不愿透露供应商身份、品位/产量和价格等敏感信息。OrePr
Fairness Properties of Face Recognition and Obfuscation Systems.
该论文围绕人脸识别（FR）系统与混淆（Obfuscation）系统的公平性属性展开研究。人脸识别技术已在安防、身份验证等领域广泛部署，然而研究表明其性能可能在不同人口统计群体（如种族、性别、年龄）之间存在显著差异，从而引发公平性担忧。混淆系
Lend Me Your Beam: Privacy Implications of Plaintext Beamforming Feedback in WiFi.
该论文研究 WiFi 波束赋形（beamforming）反馈机制中的明文传输隐私泄露问题。在 IEEE 802.11 标准中，客户端设备（如手机、笔记本电脑）需要向接入点发送波束赋形反馈矩阵（beamforming feedback mat
CENSOR: Defense Against Gradient Inversion via Orthogonal Subspace Bayesian Sampling.
本文提出一种名为 CENSOR 的防御方法，用于抵御梯度反演攻击（Gradient Inversion Attack）。梯度反演攻击是一种严重威胁联邦学习和分布式机器学习安全的攻击手段，恶意服务器或攻击者可以通过观察客户端上传的模型梯度，逆
PAC-Private Algorithms.
该论文针对机器学习算法在实践中缺乏严格隐私保证的问题，提出应用近期提出的 Probably Approximately Correct (PAC) Privacy 框架，为多种常用黑盒算法（K-Means、支持向量机 SVM、主成分分析 P
Balancing Privacy, Utility, and Safety in LLM Alignment through Preference Optimization
这篇论文研究了大语言模型对齐过程中偏好数据组成对隐私记忆的影响。作者指出，尽管偏好优化（如DPO）被广泛用于让模型符合人类偏好，但偏好数据的构成可能影响与隐私相关的记忆行为。他们聚焦于一个关键问题：在不修改优化目标、也不引入形式化隐私机制的
POSEIDON: Privacy-Preserving Federated Neural Network Learning.
本文提出 POSEIDON，一个隐私保护的联邦神经网络学习框架。研究背景是传统联邦学习通常依赖一个可信聚合方来协调各方梯度更新，但该可信方成为单点故障，一旦遭受数据泄露、黑客攻击或内部泄漏，可能同时危及训练数据隐私和模型隐私。为消除这一信任
Zoom on the Keystrokes: Exploiting Video Calls for Keystroke Inference Attacks.
本文针对视频通话场景中的键盘敲击推断攻击展开研究，揭示了参与者在视频会议过程中可能无意间泄露敏感输入信息的风险。随着远程办公和在线交流的普及，视频通话已成为个人与专业沟通的主要方式，但用户往往忽视摄像头可能捕捉到的手指动作、键盘反射等细微视
Distributed & Scalable Oblivious Sorting and Shuffling.
本论文标题为《Distributed & Scalable Oblivious Sorting and Shuffling》，研究分布式环境下可扩展的不经意排序（Oblivious Sorting）与洗牌（Oblivious Shuffli
CACTI: Captcha Avoidance via Client-side TEE Integration.
本文针对Web服务中机器人滥用日益严重的问题，分析了现有CAPTCHA机制在对抗机器人时效果有限、给人类用户带来困扰以及可能侵犯用户隐私的缺陷。随着客户端可信执行环境（TEE）技术的普及（如ARM TrustZone和Intel SGX），
Defeating DNN-Based Traffic Analysis Systems in Real-Time With Blind Adversarial Perturbations.
该论文针对基于深度神经网络（DNN）的网络流量分析系统，提出一种在实时场景下通过盲对抗扰动（blind adversarial perturbations）来欺骗此类系统的方法。流量分析系统常部署于网络边缘，通过分析加密流量的模式（如包长度
Practical Blind Membership Inference Attack via Differential Comparisons.
本文提出了一种实用的盲成员推断攻击方法（Blind Membership Inference Attack），针对机器学习模型的隐私泄露问题。成员推断攻击旨在判断某个具体数据样本是否被用于训练目标模型（如深度神经网络），从而直接威胁用户隐私
All the Numbers are US: Large-scale Abuse of Contact Discovery in Mobile Messengers.
该论文研究移动即时通讯软件中普遍使用的联系人发现（Contact Discovery）功能所引发的隐私问题。联系人发现允许用户通过通讯录快速找到同样使用该应用的好友，但其实现方式可能泄露用户的社交关系甚至整个通讯录信息。论文指出，当前主流移
The Web-CLI: Verifiable Privacy for Tools, Models, and Inference Engines in the Browser
本文提出了一种名为 Web-CLI 的新型应用架构，旨在将传统命令行工具、机器学习模型和 GPU 加速推理引擎等强大的计算能力，以零安装、可离线运行的浏览器应用形式交付，同时保持底层能力的完整性。其核心思想是将所有计算过程完全置于客户端执行
Curvature Cryptanalysis of Smooth Transformer Feed-Forward Networks
本文提出一种针对光滑 Transformer 前馈网络（FFN）的结构性模型提取攻击方法，揭示了黑盒场景下二阶信息泄露内部参数几何的新通道。作者假设攻击者拥有对 FFN 分支的“选定输入-原始输出”（chosen-input raw-out
Relaxed Sender Anonymity for CBDC Interbank Settlement: A Zero-Knowledge Approach on Permissioned EVM
本文针对央行数字货币（CBDC）银行间结算系统在分布式账本技术（DLT）上运行时所面临的根本性权衡：区块链透明性虽能实现无需信任的验证，却会将商业敏感的双方交易流暴露给所有网络参与者。为化解这一矛盾，作者提出了一种面向许可型以太坊兼容网络的
OBI: a multi-path oblivious RAM for forward-and-backward-secure searchable encryption.
该论文提出了一种名为 OBI 的新型多路径不透明随机访问机（ORAM），旨在解决动态可搜索加密（DSE）中前向隐私和后向隐私保护下的效率瓶颈。动态可搜索加密允许用户在云端加密数据上进行搜索，而 ORAM 常被用来隐藏访问模式，从而实现前向和