SimBle: Generating privacy preserving real-world BLE traces with ground truth
随着许多物联网设备进入市场，蓝牙已变得至关重要。目前蓝牙仿真的文献大多集中在网络协议的性能上，而完全忽略了BLE标准中引入的隐私保护建议。实际上，隐私保护是蓝牙标准中处理的主要问题之一。例如，当前的标准强制设备更改它们嵌入公共和私有数据包中的标识符，称为MAC地址随机化。虽然随机化MAC地址旨在保护设备隐私，但最近的文献显示仍然存在许多挑战。其中之一是公共数据包和发射器之间的相关性。不幸的是，现有的评估工具，如NS-3的设计并不能重现蓝牙标准的基本功能。这使得不可能测试针对不同设备指纹识别策略的解决方案，因为对于大多数当前BLE设备实现MAC地址随机化的大规模场景，缺乏真值。在本文中，我们首先介绍了一个符合标准的MAC地址随机化的NS-3框架中的解决方案，能够模拟任何真实的BLE设备在模拟和生成真实世界的蓝牙痕迹。此外，由于跟踪收集的模拟运行时间随设备数量呈指数级增长，我们引入了一个优化来线性化公共数据包嗅探。这使得大规模的痕迹收集实际上是可行的。然后，我们使用生成的轨迹和相关的真值做一个案例研究的评估，在文献中的通用MAC地址关联。我们的案例研究表明，即使在高密度和移动场景中，接近90%的随机地址也可以正确链接。
2021-02-04 cs.CR cs.NI
Handoff All Your Privacy: A Review of Apple's Bluetooth Low Energy Continuity Protocol
我们研究了Apple的蓝牙低功耗（BLE）连续性协议，该协议旨在支持iOS和macOS设备之间的互操作性和通信，并表明这种无缝体验的代价是将识别信息和行为数据泄露给被动的对手。首先，我们对许多连续性协议消息类型进行反向工程，并识别未加密传输的数据字段。我们表明，连续性消息通过BLE广播，以响应锁定和解锁设备屏幕，复制和粘贴信息，拨打和接听电话以及在解锁时点击屏幕等操作。实验室实验揭示了macOS最新版本中的一个重大缺陷，该缺陷通过广播公共MAC地址来完全击败BLE媒体访问控制（MAC）地址随机化。我们证明了连续性消息的格式和内容可用于对设备的类型和操作系统（OS）版本以及行为配置文件用户进行指纹识别。最后，我们证明了这些帧中的可预测序列号可以让对手在空间和时间上跟踪Apple设备，击败现有的反跟踪技术，如MAC地址随机化。
2019-06-15 cs.CR cs.NI
Bluetooth-based COVID-19 Proximity Tracing Proposals: An Overview
COVID-19疫情在全球范围内大规模爆发，对经济和人民生活造成了巨大影响。传统的追踪传染性病毒的方法，如根据被感染者的记忆来确定传染链，存在很多弊端。随着疫情的持续蔓延，许多国家或组织开始研究如何使用移动设备追踪COVID-19，旨在通过技术帮助人们自动记录与感染者发生的事件信息，减少确定感染链所需的人力，并提醒有感染风险的人。本文概述了各种基于蓝牙的COVID-19邻近追踪方案，包括集中式和分散式方案。我们讨论了基本工作流程和它们之间的差异，然后对五个典型的建议进行了调查，并解释了它们的设计特点和优点。然后，我们总结了基于蓝牙的COVID-19邻近追踪方案的八个安全和隐私设计目标，并将其应用于分析五个方案。最后，开放的问题和未来的发展方向进行了讨论。
2020-08-28 cs.CR
Security and Privacy of Wireless Beacon Systems
蓝牙低功耗（BLE）信标已越来越多地用于智能城市应用，例如基于位置和基于邻近的服务，以使物联网能够与附近的人进行交互或增强上下文感知。它们在以人为中心的应用程序中的广泛部署使它们成为出于社会或经济原因而对对手有吸引力的目标。事实上，据报道，信标暴露于各种安全问题和隐私问题。对信标系统的攻击的特征，以帮助了解对手的动机，所需的对抗能力，潜在的影响和可能的防御机制，为不同的威胁，以促进安全评估和保护信标系统的制定。
2022-09-20 cs.CR
Privacy-Preserving Infection Exposure Notification without Trust in Third Parties
为应对COVID-19疫情，在智能手机操作系统开发商的帮助下，许多国家已部署基于蓝牙的接触者追踪，该操作系统提供用于隐私保护暴露通知的API。然而，设计中假设操作系统开发商、智能手机供应商或政府不会侵犯人们的隐私。我们提出了一个隐私保护暴露通知的情况下，没有中间实体可以信任。我们相信，通过对现有机制进行小幅修改就可以实现这一目标：在应用程序端而不是操作系统上生成随机数，并且将阳性测试结果报告给公共分类帐（例如区块链）而不是政府服务器，并得到医疗机构的盲签名认可。我们还讨论了如何激励公共账本的点对点维护，如果它应该是新建的。我们表明，我们提出的设计，如果一个消费者团体验证部署的系统的隐私保护的可验证性的水平要高得多。我们认为，这将有助于更安全地追踪接触者，并有助于在大流行情况下可能希望或不得不外出的公民采取更健康的生活方式。
2021-03-13 cs.CR cs.CY
Privacy-accuracy trade-offs in noisy digital exposure notifications
由于新型冠状病毒（COVID-19）的全球传播开始压倒政府进行手动联系人追踪的尝试，因此人们对利用手机的力量通过开发暴露通知应用程序来自动化联系人追踪过程产生了很大的兴趣。粗略的想法很简单：使用蓝牙或其他数据交换技术来记录用户之间的接触，使用户能够报告阳性诊断，并提醒接触过生病用户的用户。当然，有许多隐私问题与这个想法有关。这一领域的大部分工作都涉及设计用于跟踪联系人和提醒用户的机制，这些机制不会泄露除暴露事件之外的用户其他信息。然而，尽管设计实用的协议至关重要，但必须认识到，通知用户有关暴露事件本身可能会泄露机密信息（例如，特定联系人已被诊断）。幸运的是，虽然数字联系人追踪是一项相对较新的任务，但隐私和数据泄露的一般问题已经研究了几十年。事实上，差分隐私的框架通过添加随机噪声进一步允许可证明的查询隐私。在本文中，我们将统计隐私和社交推荐算法的两个结果转化为曝光通知。因此，我们证明了一些天真的界限的程度上，必须牺牲准确性，如果曝光通知框架是通过注入噪音更私人。
2020-11-08 cs.CR cs.CY
Privacy Implications of Health Information Seeking on the Web
这篇文章探讨了访问健康相关网页的人的隐私风险。所分析的页面数量来自1，986种常见疾病的50个顶级搜索结果。这总共产生了80，124个唯一页面，分析了第三方HTTP请求的存在。91%的网页被发现向第三方发出请求。对URI的调查显示，70%的HTTP Referer字符串包含暴露特定条件、治疗和疾病的信息。这给用户带来了个人身份识别和盲目歧视的风险。对现有政府和公司政策的审查表明，用户没有得到充分保护，无法防范此类风险。
2015-03-06 cs.CR cs.CY
BLE Protocol in IoT Devices and Smart Wearable Devices: Security and Privacy Threats
本研究针对IoT与智能可穿戴设备中BLE协议的安全隐私漏洞，采用改进的STRIDE方法论构建防护框架，分析多类攻击场景并提出缓解策略，同时在四款主流可穿戴设备上评估了多种攻击利用场景。
2023-05-05 cs.AR cs.CR cs.NI
Reckless Designs and Broken Promises: Privacy Implications of Targeted Interactive Advertisements on Social Media Platforms
New York University（纽约大学）；Northeastern University（东北大学）；New York University Abu Dhabi（纽约大学阿布扎比分校）
本文研究了社交媒体平台定向互动广告的设计漏洞，指出其导致用户隐私泄露，并提出改进措施以增强透明度和保护用户隐私。
2026-03-05 cs.CR cs.CY
On the Privacy of Mental Health Apps: An Empirical Investigation and its Implications for Apps Development
越来越多的心理健康服务是通过移动系统提供的，这种模式称为移动健康。尽管移动医疗系统的采用率出现前所未有的增长（部分原因是COVID-19疫情），但对安全漏洞导致的数据隐私风险的担忧也在增加。虽然一些研究从不同的角度分析了mHealth应用程序，包括安全性，但用于心理健康服务的mHealth应用程序中可能存在的数据隐私问题的证据相对较少，其接收者可能特别脆弱。本文报告了一项实证研究，旨在系统地识别和理解心理健康应用程序中包含的数据隐私。我们分析了Google Play商店中排名最高的27款心理健康应用程序。我们的方法使我们能够对应用程序进行深入的隐私分析，涵盖静态和动态分析、数据共享行为、服务器端测试、隐私影响评估请求和隐私政策评估。此外，我们将研究结果映射到LINDDUN威胁分类，描述了威胁如何在所研究的应用程序上表现出来。调查结果揭示了重要的数据隐私问题，例如不必要的权限，不安全的加密实现，以及日志和Web请求中的个人数据和凭据泄漏。此外，由于应用程序的开发没有提供针对可链接性、可检测性和可识别性的万无一失的机制，因此用户分析的风险也很高。在当前的应用生态系统中，第三方和广告商之间的数据共享加剧了这种情况。基于本研究的实证结果，我们提供了建议，供移动健康应用程序的不同利益相关者，特别是应用程序开发人员考虑。[...]
2022-01-22 cs.CR cs.CY
Addressing the Privacy Implications of Mixed Reality: A Regulatory Approach
混合现实（MR）技术正在成为主流，像Oculus Quest这样的负担得起的设备。这些设备以新颖的方式融合了物理和虚拟，模糊了法律先例中存在的界限，比如言论和行为之间的界限。在本文中，我们讨论了监管沉浸式技术的挑战，重点是广泛的数据汇集的潜力，并研究了在混合现实环境中保护数据隐私的三种潜在方法的权衡。
2020-07-20 cs.CR cs.CY cs.HC
The hidden life of signals: Time-domain inferences and other privacy attacks on everyday devices
Dartmouth College（达特茅斯学院）
本文揭示日常无线协议组合产生的隐私泄露风险，提出联合分析元数据可进行行为推断，并规划了缓解此类隐私威胁的研究方向。
2026-09-24 cs.CR
Covert Surveillance in Smart Devices: A SCOUR Framework Analysis of Youth Privacy Implications
Vancouver Island University（温哥华岛大学）
本文通过SCOUR框架分析智能设备对青少年隐私的影响，揭示了隐蔽数据采集问题及改进技术保障的必要性。
2025-10-28 cs.AI cs.CR cs.CY
Exploring Privacy Implications in OAuth Deployments
单点登录认证系统（如OAuth 2.0）广泛用于Web服务。它们允许用户使用在谷歌和Facebook等主要身份提供商注册的账户登录多个服务（依赖方）。这些服务既可以识别用户，也可以访问存储在提供商处的用户数据的子集。我们实证研究OAuth 2.0实现在依赖方的最终用户隐私的影响，最访问世界各地。我们收集了五个国家的Alexa Top 500网站中基于OAuth-based登录的使用数据。我们对四个身份提供商（Google、Facebook、Apple和LinkedIn）提供的用户数据进行分类，并评估从这些提供商的SSO平台访问用户数据的流行服务。许多服务允许用户从多个登录选项中进行选择（使用不同的身份提供程序）。我们的研究结果显示，服务从不同的提供商那里请求不同类别和数量的个人数据，至少有一个选择无疑更具隐私侵入性。这些隐私选择（及其隐私含义）对用户来说是高度不可见的。根据我们的分析，我们还确定了可以改善用户隐私并帮助用户做出明智决策的领域。
2021-03-03 cs.CR
Online Safety Regulation Increases Attention to VPNs: Privacy Implications of the UK Online Safety Act
University of Edinburgh（爱丁堡大学）；Newcastle University（纽卡斯尔大学）；Durham University（杜伦大学）
通过分析Reddit讨论和VPN服务隐私政策，研究英国《在线安全法》分阶段实施对用户隐私行为的影响，发现监管里程碑显著增加了VPN相关讨论和搜索，表明在线安全监管可能产生次要隐私成本。
2026-09-02 cs.CR cs.CY
Probing for Passwords -- Privacy Implications of SSIDs in Probe Requests
探测请求帮助移动设备发现活动的Wi-Fi网络。它们通常包含大量可用于识别和跟踪设备及其用户的数据。过去的几年一直是一场猫捉老鼠的游戏，改进指纹识别并引入针对指纹识别的对策。本文分析了现场实验中移动设备和操作系统发送的探测请求的内容。在其中，我们发现用户（可能是偶然的）在SSID字段中输入了大量数据，并找到了密码、电子邮件地址、姓名和度假地点。通过这些发现，我们强调，探测请求应被视为敏感数据，并得到很好的保护。为了保护用户隐私，我们建议和评估一个隐私友好的基于哈希的探测请求和改进的用户控制的建设。
2022-07-06 cs.CR
A Comprehensive Analysis of Pegasus Spyware and Its Implications for Digital Privacy and Security
本文系统分析 Pegasus 间谍软件的技术原理、部署方式及法律伦理争议，并提出应对此类侵入性监控威胁的潜在防护方案。
2024-04-30 cs.CR
Practical Implications of Implementing Local Differential Privacy for Smart grids
本文面向智能电网近实时用电数据上报中的隐私风险，梳理并比较现有 LDP 机制与隐私参数选择方法，分析其实用性、准确性、数据集影响及操纵攻击脆弱性，并指出未来研究方向。
2025-03-14 cs.CR
Faceless Person Recognition; Privacy Implications in Social Media
Max-Planck Institute for Informatics（马克斯·普朗克信息学研究所）
随着我们将更多的生活转移到虚拟领域，网络上共享的数据量不断增加，并对我们的隐私构成威胁。这项工作有助于通过分析人们在社交媒体数据中的识别程度来理解这种数据共享对隐私的影响。为了便于系统的研究，我们定义了一些场景，考虑到一些因素，如一个人有多少个头被标记，以及这些头是否被混淆。我们提出了一个强大的人识别系统，可以处理姿势和服装的大变化，可以用很少的训练样本进行训练。我们的研究结果表明，即使存在模糊处理，少量图像也足以威胁用户的隐私。我们展示了详细的实验结果，并讨论了它们的影响。
2016-07-28 cs.AI cs.CR cs.CV
Your DRM Can Watch You Too: Exploring the Privacy Implications of Browsers (mis)Implementations of Widevine EME
本文通过逆向工程和实证实验，系统揭示了浏览器在实现Widevine EME时因违反隐私指南而泄露Widevine Client ID等标识信息的问题，并开发了EME Track工具以自动利用这些缺陷破坏用户隐私。
2023-08-10 cs.CR
Analyzing Privacy Implications of Data Collection in Android Automotive OS
本文针对Android Automotive OS的数据收集隐私问题，开发了名为PriDrive的分析工具，通过网络流量检查及静态与动态分析，揭示了OEM平台在车辆数据收集频率与隐私政策披露上存在的显著差异与违规现象。
2024-09-23 cs.CR
Is Your Wallet Snitching On You? An Analysis on the Privacy Implications of Web3
该研究针对Web3被宣传为隐私性强但底层技术未考虑隐私的问题，构建测量框架分析钱包信息暴露情况，发现大量网站探测钱包安装情况、众多应用和钱包泄露钱包地址，指出Web3存在隐私威胁需优化钱包架构设计。
2023-06-13 cs.CR
An Evaluation of Cryptocurrency Payment Channel Networks and Their Privacy Implications
加密货币重新定义了用户之间存储和转移资金的方式。然而，独立于发送的金额，基于公共区块链的加密货币遭受高交易等待时间和费用。这些缺点阻碍了大众广泛使用加密货币。为了应对这些挑战，支付渠道网络概念被吹捧为用于小额支付的最可行的解决方案。这个想法是通过保持账户的状态来交换货币的所有权。用户很少通知区块链，这减少了区块链上的负载。具体而言，支付渠道网络可以通过收取与支付金额成比例的象征性费用，在几秒钟内提供交易批准。支付通道网络的这种吸引力激发了许多最近的研究，这些研究集中在如何设计它们和分配通道，使得交易安全有效。然而，随着支付渠道网络的出现并接触到大量用户，隐私问题变得越来越重要，这不仅引起了人们对个人习惯的担忧，而且也引起了企业收入的担忧。在本文中，我们首先对现有的基于区块链支持的加密货币的支付网络进行了分类。在讨论了这些支付渠道网络中出现的几种对用户/企业隐私的攻击后，我们根据与我们案例相关的一些隐私指标对其进行了定性评估。基于对这些方法的优点和缺点的讨论，我们为未来基于隐私的支付通道网络的研究提供了可能的方向。
2021-02-04 cs.CR
A Game-Theoretic Study on Non-Monetary Incentives in Data Analytics Projects with Privacy Implications
个人向社交网站等数字存储库提供的个人信息量大幅增长。这些数据的存在为包括医学和公共政策在内的各个社会重要领域的数据分析研究提供了前所未有的机会。这些分析的结果可以被认为是一种公共产品，有利于数据贡献者以及不提供数据的个人。与此同时，个人信息的发布给贡献者带来了感知和实际的隐私风险。我们的研究解决了这个问题。在我们的工作中，我们研究了一个博弈论模型，在这个模型中，个人以两种方式控制参与数据分析项目：1）个人可以在自己选择的精度水平上贡献数据，2）个人可以决定他们是否想要贡献（或不）。从分析师的角度来看，我们调查研究分析师在多大程度上可以灵活地设定数据精度要求，以便个人仍然愿意为项目做出贡献，并提高估计的质量。我们研究这种权衡的情况下，同质和异质个体的人口，并确定纳什均衡，反映了最佳的参与水平和精度的贡献。我们进一步证明，分析师可以通过对用户可以揭示的数据的精度施加下限来大幅提高分析的准确性。
2015-05-10 cs.CR cs.CY cs.GT
Privacy Implications of Retrieval-Based Language Models
Princeton University（普林斯顿大学）
首次研究基于检索的语言模型（特别是$k$NN-LMs）的隐私风险，发现其比参数化模型更易泄露私有数据，并提出净化文本和解耦编码器等缓解策略以平衡效用与隐私。
2023-05-24 cs.CL cs.CR cs.LG
Privacy and Accuracy Implications of Model Complexity and Integration in Heterogeneous Federated Learning
ELLIS Alicante（埃利斯阿利坎特）；University of Alicante（阿利坎特大学）；University of Sussex（萨塞克斯大学）；Basque Center for Applied Mathematics（巴斯克应用数学中心）
本文研究异构联邦学习中客户端模型集成对隐私与准确性的影响，提出分类法并设计七种集成策略，发现引入随机性可在保持准确性的同时增强客户端隐私。
2025-03-10 cs.AI cs.CR cs.LG
Why You've Got Mail: Evaluating Inbox Privacy Implications of Email Marketing Practices in Online Apps and Services
该研究通过一年追踪150款热门服务注册后的邮件来源与内容，发现虽无未知第三方垃圾邮件，但内部及授权第三方营销普遍无视退订偏好，并提出可扩展监测框架。
2025-02-19 cs.CR cs.SI
Can LLMs Keep a Secret? Testing Privacy Implications of Language Models via Contextual Integrity Theory
University of Washington（华盛顿大学）；Allen Institute for Artificial Intelligence（艾伦人工智能研究所）；Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）
本文提出ConfAIde基准，依据情境完整性理论测试指令微调LLM的隐私推理能力，发现GPT-4和ChatGPT仍会分别在39%和57%的情境中泄露隐私。
2024-06-28 cs.AI cs.CL cs.CR
Privacy and Security Implications of Cloud-Based AI Services : A Survey
Nanyang Technological University（南洋理工大学）
该综述针对云AI服务中机器学习模型风险应对的空白，调研AIaaS领域风险并提出分类体系，梳理各方风险与防御措施，为构建隐私安全且稳健的AI系统奠定基础。
2024-01-31 cs.AI cs.CR cs.LG
Towards large-scale, automated, accurate detection of CCTV camera objects using computer vision. Applications and implications for privacy, safety, and cybersecurity. (Preprint)
University of Jyväskylä（于韦斯屈莱大学）
为了抵御CCTV摄像头和技术对隐私的日益侵犯，必须存在具有隐私、安全和网络安全功能的CCTV感知解决方案。我们认为，实现这种CCTV感知解决方案的第一个重要步骤必须是映射系统（例如，谷歌地图，开放街道地图），提供隐私和安全的路线和导航选项。然而，这又要求映射系统包含关于CCTV摄像机的确切地理位置、覆盖区域以及可能的其他元数据（例如，分辨率、面部识别特征、操作员）。然而，这些信息在当前的映射系统中是缺失的，并且有几种方法来解决这个问题。一种解决方案是对地理位置标记的图像执行CCTV摄像机检测，例如，各种平台上的街景图像，在Flickr等图像共享平台上公开发布的用户图像。不幸的是，据我们所知，没有用于CCTV摄像头目标检测的计算机视觉模型，也没有支持隐私和安全路由选项的映射系统。为了缩小这些差距，本文介绍了CCTVCV -第一个也是唯一一个计算机视觉MS COCO兼容模型，能够准确检测图像和视频帧中的CCTV和视频监控摄像头。为此，我们最好的检测器是使用8387张图像构建的，这些图像经过手动审查和注释，包含10419个CCTV摄像机实例，准确率高达98.7%。此外，我们建立和评估多个模型，提出了一个全面的性能比较，并概述了与此类研究相关的核心挑战。
2021-08-20 cs.CR cs.CV
Security and Privacy in the Musical Metaverse: Threat Analysis and Design Implications
University of Trento（特伦托大学）
本文针对音乐元宇宙开展多层威胁分析，结合利益相关者调查评估现有安全协议适用性，提出兼顾安全与实时性能的设计指南。
2026-09-04 cs.CR
Privacy Implications of Explainable AI in Data-Driven Systems
Università della Svizzera italiana（瑞士意大利语大学）；Scuola universitaria professionale della Svizzera italiana（瑞士意大利语区应用科学大学）
本研究探讨了数据驱动系统中可解释人工智能（XAI）与隐私保护的冲突：XAI虽能破解机器学习黑箱问题，但其解释内容会泄露模型敏感信息，易被攻击者利用发起隐私攻击，凸显了二者平衡的难点。
2024-06-22 cs.AI cs.CR cs.LG
The Cryptographic Implications of the LinkedIn Data Breach
数据安全和个人隐私在互联网时代很难维护。2012年，职业社交网站LinkedIn遭受了一次入侵，超过1亿个账户的登录受到影响。密码被破解并在网上出售，暴露了数百万用户的身份验证凭证。这份手稿剖析了泄露事件中涉及的加密故障，并探索了更安全的存储密码的方法。
2017-03-20 cs.CR
Fairness and Privacy in Federated Learning and Their Implications in Healthcare
University of Virginia（弗吉尼亚大学）
本文综述医疗场景下公平联邦学习的生命周期，提出更新的公平性分类，并分析隐私保护、非iid数据、通信开销与客户端异构性带来的实现挑战。
2023-08-15 cs.CR cs.LG
On the Stability of Spherical Hellinger-Kantorovich Flows and Their Implications for Differential Privacy
Department of Statistics, Pennsylvania State University（宾夕法尼亚州立大学统计学系）
本文发展球形Hellinger-Kantorovich梯度流的摄动理论，通过统一扰动界控制对数似然比和Rényi散度，并应用于差分隐私中指数机制的近似采样，提供纯DP和近似DP保证。
2026-05-22 cs.CR cs.LG math.ST
Self-Sovereign Identity and eIDAS 2.0: An Analysis of Control, Privacy, and Legal Implications
Polytechnic University of Milan（米兰理工大学）
本文分析eIDAS 2.0框架与自我主权身份（SSI）的兼容性，探讨其法律和政策影响，评估SSI在现有法规中的应用潜力。
2026-04-14 cs.CR cs.CY cs.DC
Quantifying Association Capabilities of Large Language Models and Its Implications on Privacy Leakage
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本研究量化了大型语言模型的关联能力，发现模型规模扩大增强信息关联，但PII预测准确率较低，仍能通过提示泄露特定邮箱和电话，凸显隐私风险。
2024-02-09 cs.AI cs.CL cs.CR
BitTorrent Sync: First Impressions and Digital Forensic Implications
随着专业和家庭互联网用户越来越关注数据保护和隐私，Dropbox、OneDrive和Google Drive等流行的云文件同步服务提供的隐私正受到媒体的密切关注。据报告，其中一些机构最近在没有逮捕证的情况下与政府安全机构分享情报。BitTorrent Sync被许多人视为替代品，截至2013年12月，它已经聚集了超过200万用户（比上个月翻了一番）。该服务是完全分散的，提供与云服务相同的同步功能，并利用加密进行数据传输（以及可选的远程存储）。了解BitTorrent Sync及其对执法和法医调查人员的数字调查影响的重要性对未来的调查至关重要。本文概述了客户端应用程序，其检测到的网络流量，并确定文物，可能是有价值的证据，为未来的数字调查。
2014-09-29 cs.CR cs.NI
