The Danger of Small Anonymity Sets in Privacy-Preserving Payment Systems
与其存在初期的建议不同,比特币和类似的加密货币实际上提供的隐私比传统银行少得多。这些加密货币的无数隐私增强扩展以及几种干净的隐私保护加密货币已经被提出。为了更好地理解流行的设计决策的保护,我们调查了预期的匿名集大小在最初的模拟研究。期望的交易值的大的变化产生清醒的小有效匿名集的协议,泄漏交易值。因此,我们研究了初步的,直观的策略合并成更大的匿名集的支付组的效果,例如通过选择预先指定的值类。结果是有希望的,因为它们确实以相对较低的成本诱导较大的匿名集,这取决于相应的策略
2022-04-20 cs.CR
TrustMix: How to Mix Messages in a Mobile Ad-hoc Network
RPTU University Kaiserslautern-Landau(凯泽斯劳滕-兰道理工大学)
提出TrustMix协议,通过分组转发和洗牌实现无中心信任的匿名通信,利用可链接环签名限制速率,在随机预言机模型下证明安全性,仿真和Android实现验证了匿名性和吞吐量。
2026-06-19 cs.CR
Extension of Spatial k-Anonymity: New Metrics for Assessing the Anonymity of Geomasked Data Considering Realistic Attack Scenarios
本文针对空间k-匿名指标的缺陷,分类了地理掩蔽数据面临的现实攻击场景,并提出新指标以全面评估其匿名性。
2025-09-09 cs.CR
An Efficient Linkable Group Signature for Payer Tracing in Anonymous Cryptocurrencies
以2009年推出的比特币为首的加密货币,由于近年来新兴的区块链而受到广泛关注。匿名加密货币非常重要,因为用户希望在进行交易时保护自己的隐私。然而,一些用户可能会在匿名的掩护下做出不当行为,例如猖獗的贩运和勒索。因此,平衡匿名加密货币的匿名性和问责制非常重要。在本文中,我们通过提出一种用于签署加密货币交易的群签名(LGS)来解决这个问题,该签名可用于跟踪基于联盟区块链的匿名加密货币中付款人的身份,以防付款人尝试非法活动。付款人保持匿名,如果他/她的行为诚实。我们证明了该方案在随机预言机中实现了完全匿名性、完全可追踪性和可链接性。LGS方案的实现证明了其高效性,因此可以在现实中用于匿名加密货币。
2019-02-09 cs.CR
Group Discounts Compatible with Buyer Privacy
我们展示了如何在不迫使买家放弃匿名的情况下提供团体折扣,只要买家可以使用自己的计算设备(例如智能手机,平板电脑或计算机)来执行购买。具体来说,我们提出了一个协议的隐私保护组折扣。该协议允许一组买家在不透露身份的情况下证明他们有多少人。再加上匿名支付系统,这使得团体折扣与买家隐私(即买家匿名)兼容。
2014-12-01 cs.CR
Accountable Anonymous Group Messaging
用户通常希望匿名参加在线群组,但行为不端的用户可能会滥用这种匿名性来发送垃圾邮件或破坏群组。Mix-nets和DC-nets等消息传递协议使在线群体容易受到拒绝服务和Sybil攻击,而负责投票协议对于一般的匿名消息传递来说是不可用的或效率低下的。我们提出了第一个通用的消息传递协议,提供可证明的匿名性与问责制的中等规模的群体,并有效地处理不平衡的负载,很少有成员有太多的数据传输在一个给定的回合。N个组成员首先协作地混洗伪随机种子的NxN矩阵,然后在N个“预先计划的”DC网协议运行中使用这些种子。每个DC网络运行传输的可变长度的批量数据,包括一个成员的消息,使用匿名所需的最小数量的位在我们的攻击模型。该协议保持了消息的完整性和成员与消息之间的一对一对应关系,使成员的拒绝服务攻击可以追踪到罪犯,并有效地处理大量和不平衡的消息负载。一个工作原型证明了该协议在40多个成员节点的组中匿名消息传递的实用性。
2010-04-18 cs.CR
Privacy on the Blockchain: Unique Ring Signatures
环签名是一种加密协议,允许组中的任何成员代表组生成签名,而不会泄露单个签名者的身份。这为组成员提供了通过通用数字签名方案无法达到的匿名级别。我们称这种属性为“合理否认性”,或相对于匿名集的匿名性。我们特别专注于在区块链上实现隐私,引入一个独特的环签名方案,与现有的区块链系统一起工作。我们使用secp256k1实现了一个独特的环签名(URS)方案,以这种方式创建了第一个与区块链库兼容的实现,以便轻松实现为以太坊智能合约。我们回顾了我们构建的方案所提供的隐私和安全属性,并将其效率与区块链上其他常见的隐私方法进行了比较。
2016-12-25 cs.CR
Provably Secure Group Signature Schemes from Code-Based Assumptions
通过引入两个基于码的可证明安全的群签名方案,解决了基于码的密码学中的一个公开问题。我们的基本计划满足CPA匿名性和可追溯性的要求,在随机预言机模型,假设硬度的McEliece问题,学习奇偶噪声问题,和一个变种的综合症解码问题。只要底层群的基数不超过$2^{24}$(大致相当于荷兰目前的人口),这种构造产生的密钥和签名大小就比以前的群签名方案要小。我们进一步发展了基本方案,以实现最强的匿名概念,即,CCA-匿名性,在效率方面开销很小。两个拟议方案的可行性得到了实施结果的支持。我们的两个方案是第一个在各自的类可证明安全的群签名方案。此外,在这项工作中介绍的技术可能是独立的利益。这是一个新的可验证的加密协议的随机McEliece加密和一种新的方法来设计正式的安全减少从综合症解码问题。
2020-02-18 cs.CR
Fair anonymity for the Tor network
目前匿名网络已经成为保障用户隐私的重要工具。然而,这些平台可能被用来执行非法操作,这有时会使服务提供商将来自这些网络的流量视为可能的威胁。为了解决这个问题,我们建议在Tor网络中添加对公平机制的支持。具体地说,通过对与入口和出口节点的密钥协商过程进行轻微修改,以组签名的形式。通过这些签名,我们建立了一个访问控制方法,以防止行为不端的用户使用Tor网络。此外,我们建立了一个预定义的方法来谴责非法行为,这阻碍了所提出的公平机制的应用程序作为一个威胁侵蚀用户的隐私。直接的结果是,来自Tor的流量将被服务提供商认为不那么可疑。
2014-12-15 cs.CR
k-anonymous Microdata Release via Post Randomisation Method
匿名微数据的发布问题是统计披露控制(SDC)和隐私保护数据发布(PPDP)领域的一个重要主题,但它仍然没有得到充分解决。在这些研究领域中,k-匿名作为一种匿名概念被广泛研究,主要用于确定性匿名算法,并且已经开发了一些概率松弛。然而,由于其局限性,它们是不够的,即,比原始的k-匿名性弱或者需要强参数假设。首先,我们提出了一种新的概率k-匿名性Pk-匿名性,并证明了Pk-匿名性是k-匿名性的数学推广而不是松弛.此外,PK-匿名不需要参数假设。这个属性具有重要意义的观点,它使我们能够比较隐私级别的概率微数据发布算法与确定性的。其次,我们将Pk-匿名性应用于后随机化方法(PRAM),这是一种基于随机化的SDC算法。证明了PRAM以可控的方式满足Pk-匿名性,即可以控制PRAM的参数使其满足Pk-匿名性。另一方面,PRAM还已知满足${\varepsilon}$ -差分隐私,这是最近流行的强隐私概念。这一事实意味着,我们的研究结果显着提高PRAM,因为它意味着两个重要的概念:k-匿名和${\varepsilon}$ -差分隐私的满意度。
2015-04-21 cs.CR
z-anonymity: Zero-Delay Anonymization for Data Streams
随着大数据的出现和出售个人信息的数据市场的诞生,个人隐私至关重要。经典的反应是匿名化,即,对可以直接或间接允许用户重新识别的信息进行净化。文献中最流行的解决方案是k-匿名。然而,它是很难实现的k-匿名的连续数据流,以及当维数变高。在本文中,我们提出了一种新的匿名属性称为z-匿名。与k-匿名性类似,它可以在数据流上实现零延迟,并且非常适合高维数据。z-匿名的基本思想是,只有当至少z - 1个其他用户在过去的时间窗口中呈现了相同的属性时,才发布关于用户的属性(原子信息)。z-匿名性比k-匿名性弱,因为它不对属性的组合起作用,而是单独对待它们。在本文中,我们提出了一个概率框架,以映射的z-匿名到k-匿名属性。我们的研究结果表明,适当选择z-匿名参数可以让数据管理员以精确可测量的概率获得k-匿名数据集。我们还评估了一个真实的用例,在该用例中,我们考虑了一个用户群体的网站访问,并表明z-匿名也可以在实践中获得k-匿名。
2021-06-14 cs.CR cs.DS
Some Important Aspects of Source Location Protection in Globally Attacked Sensor Networks
在暴露于全球窃听者的事件的位置匿名性问题中,我们强调并分析了先前工作中缺少的一些方面,这对于监测罕见和空间稀疏事件的延迟不容忍应用程序中的安全感测质量特别重要,并部署为具有单个数据收集器的大型无线传感器网络。我们提出了一个有效的计划,产生假的网络流量伪装的真实事件通知。该方案通过将网络节点随机划分为多个虚拟源组来实现统计源位置匿名。同一组的成员共同模拟事件的时间和空间分布。在这种虚拟流量框架下的源匿名保护,我们的目标是更好地模拟全球窃听者,特别是她的方式使用统计测试来检测真实事件,并提出相对于对手的实力的位置保护的质量。此外,我们的方法旨在减少生成假流量所花费的每个事件的工作量,同时最重要的是,在报告事件时提供有保证的延迟。通过将路由与伪流量调度解耦来控制延迟。一个好的虚拟源组设计还提供了一个强大的保护事件突发。这是以显著的开销为代价实现的,因为伪源组的数量必须增加到统计测试中使用的虚警参数的倒数值。我们认为,拟议的源匿名保护策略,和评估框架,是很好的理由,丰富的应用程序,监测一个罕见的事件与已知的时间统计,和均匀的空间分布。
2010-12-02 cs.CR
An atom's worth of anonymity
在现代,随着有关我们的行为和选择的数据在互联网上积累,部分是我们不知道的,部分是我们自己的选择,焦虑已经声名狼借。通常,人们希望一些关于自己的数据是私人的,而另一些数据可能是公开的,甚至是出于宣传的原因而希望公开的。有不同的标准来表征数据的匿名程度。给定的数据也可以通过不同的技术进行匿名化,以提高其匿名程度。在本文中,我们采取了一个非常简单的“原子”程度的匿名作为我们的出发点。我们公理化这些原子,并提出基于这些原子的一阶逻辑的研究。考虑到大量的文献和匿名的巨大重要性,我们的调查似乎相当温和。然而,它是关于匿名的逻辑,而不是关于如何保护,创建或打破匿名。
2022-10-14 cs.CR math.LO
Spatial K-anonymity: A Privacy-preserving Method for COVID-19 Related Geospatial Technologies
作为COVID-19相关问题的解决方案,许多地理空间技术越来越需要考虑空间隐私问题。虽然已经推出了有效的地理空间技术,但大多数技术都为了实用而牺牲了隐私。在本文中,我们探讨空间k-匿名,隐私保护的方法,可以解决这个不必要的权衡提供最好的隐私和效用。在评估其过去在地理空间用例中的影响后,我们提出了空间k-匿名在数据共享和管理COVID-19接触追踪技术以及显示用户旅行历史的热图中的应用。然后,我们证明我们的主张通过比较空间k-匿名与其他几个空间隐私的方法,包括差分隐私,地理不可侵犯性,和手动同意基于编辑。我们的希望是提高人们对与空间隐私相关的日益增长的风险的认识,以及如何通过空间K匿名来解决这些风险。
2021-01-04 cs.CR
A Tattered Cloak of Invisibility: Measuring Anonymity Loss in Railgun on Ethereum
Eötvös Loránd University(罗兰大学);Budapest University of Technology and Economics(布达佩斯技术与经济大学)
研究以太坊混币器Railgun中用户行为导致的匿名性损失,提出五种启发式方法,成功将17.65%的取款交易与存款交易唯一关联,并发现背包求解器导致中位数3.42比特的匿名性损失。
2026-06-25 cs.CR
Exposing Privacy Risks in Anonymizing Clinical Data: Combinatorial Refinement Attacks on k-Anonymity Without Auxiliary Information
本研究提出无需辅助信息的组合细化攻击CRA,针对ARX生成的局部重编码k-匿名临床数据,通过线性规划缩小敏感值范围,在真实临床数据上验证了现有k-匿名框架的隐私防护不足。
2025-09-03 cs.CR
Strong Anonymity for Mesh Messaging
在政府中断互联网连接后,世界各地的抗议者都在使用由通过蓝牙通信的智能手机组成的网状网络上构建的消息传递系统。不幸的是,现有的系统已被证明是不安全的;最令人担忧的是没有充分隐藏元数据。这由于诸如蓝牙的无线通信本质上是广播介质的事实而进一步复杂。在本文中,我们提出了一个新的威胁模型,捕捉示威者在这种情况下的安全要求。然后,我们提供了一个解决方案,满足所需的安全属性,隐藏所有相关的元数据,规模适度的抗议,并支持组消息。这是通过以限制重复消息的开销的方式广播所有消息来实现的,确保密文不会泄漏元数据,并限制通过观察用户行为可以了解的内容。我们还建立了一个系统模型,并对其进行数值评估,以支持我们的主张,并分析它支持多少用户。最后,我们讨论进一步的扩展,消除潜在的瓶颈扩展和支持更多的用户。
2022-08-22 cs.CR
ABEAT: Efficient and Anonymous Encryption for ABE-based Dynamic Group Communication
University of California Riverside(加州大学河滨分校);Rutgers University(罗格斯大学)
针对动态群组通信的机密性与接收者匿名性需求,提出ABEAT系统,通过新型匿名KP-ABE方法降低非接收者解密开销90倍以上,性能优于HVE与FABEO。
2026-08-21 cs.CR cs.NI
From t-closeness to differential privacy and vice versa in data anonymization
k-匿名和ε-差分隐私是两种主流的隐私模型,前者用于匿名化数据集,后者用于限制数据集中包含一个个体所导致的知识获取。虽然基本的k-匿名只能防止身份泄露,但t-贴近度是k-匿名的扩展,也可以防止属性泄露。我们在这里表明,如果不是完全等价的话,t-贴近度和ε-差分隐私在匿名数据集方面彼此密切相关。具体来说,准标识符的k-匿名性与机密属性的ε-差分隐私相结合,产生随机t-贴近度(t-贴近度的扩展),其中t是k和ε的函数。相反,当t = exp(ε/2)时,t-贴近度可以产生ε-差分隐私,并且t-贴近度关于数据的先验和后验视图的假设成立
2015-12-21 cs.CR
RedCASTLE: Practically Applicable $k_s$-Anonymity for IoT Streaming Data at the Edge in Node-RED
在本文中,我们提出了RedCASTLE,这是一种实用的基于边缘的$k_s$解决方案-Node-RED中物联网流数据的匿名化。RedCASTLE建立在CASTLE算法的预先存在的基本实现基础上,并通过现实世界物联网场景不可或缺的功能对其进行了显着扩展。此外,RedCASTLE提供了一个抽象层,用于将$k_s$ -匿名化平滑集成到Node-RED中,Node-RED是一种可视化可编程中间件,用于在基于边缘的物联网场景中广泛使用的流媒体。最后但并非最不重要的是,RedCASTLE还提供了进一步的基本信息减少功能,以补充$k_s$ -在涉及物联网流数据的隐私友好实施中的匿名化。初步的性能评估发现,RedCASTLE具有合理的间接费用,并证明了其实际可行性。
2021-10-29 cs.CR
Human-Centered Interactive Anonymization for Privacy-Preserving Machine Learning: A Case for Human-Guided k-Anonymity
本文提出将人类专家输入引入 k-匿名化过程的交互式方法,以根据上下文重要性指导属性保留,并在 UCI Adult 数据集上验证其相比传统全自动匿名化在部分场景下可提升数据效用。
2025-07-05 cs.CR
QAE-BAC: Achieving Quantifiable Anonymity and Efficiency in Blockchain-Based Access Control with Attribute
College of Intelligence and Computing, Tianjin University(天津大学智能与计算学部);Faculty of Science and Engineering, Southern Cross University(南十字星大学科学与工程学院);School of Geographic Sciences, East China Normal University(华东师范大学地理科学学院);School of Information and Communication Technology, Griffith University(格里菲斯大学信息与通信技术学院);Department of Computer Science, City University of Hong Kong(香港城市大学计算机科学系)
提出QAE-BAC框架,通过(r,t)-匿名模型量化重识别风险,并利用熵加权路径树优化策略匹配,在Hyperledger Fabric上实现隐私与性能的平衡。
2025-10-24 cs.CR
Smooth Anonymity for Sparse Graphs
Google Research(谷歌研究院)
本研究针对稀疏数据集共享中差分隐私机制隐私保障弱的问题,提出smooth-$k$-anonymity概念及对应大规模算法,经实证验证可提升匿名数据的下游ML任务性能。
2024-05-14 cs.CR cs.LG
($k$,$ε$)-Anonymity: $k$-Anonymity with $ε$-Differential Privacy
数据数量和种类的爆炸式增长为研究和商业用途提供了巨大的潜力。增加个人数据的可用性对于实现针对个人需求的高度定制服务特别重要。在这个快速发展的生态系统中保护个人隐私免受重新识别攻击,这对一刀切的匿名化方法提出了重大挑战。在本文中,我们提出了($k$,$ε$)-anonymisation,一种方法,结合$k$ -anonymisation和$ε$ -差分隐私模型到一个单一的连贯的框架,提供隐私保证至少一样强大的个人模型。即使$k$和$ε$的值适中,在实验结果中也观察到小于5%的关联风险。我们的方法是解决众所周知的$k$ -匿名和$ε$ -差分隐私的限制,并在广泛的实验活动中使用公开的数据集进行验证。
2017-10-04 cs.CR cs.DB math.PR
DeZent: Decentralized z-Anonymity with Privacy-Preserving Coordination
Dresden University of Technology (TU Dresden)(德累斯顿工业大学)
deZent是一种去中心化的z-匿名性方法,通过本地匿名化和轻量级协调在保护隐私的同时提升传感器网络效率。
2026-03-09 cs.CR cs.DC
A-COMPASS: Formal Foundations for Anonymity Analysis in Microdata
Mathematical Institute of the Serbian Academy of Sciences and Arts(塞尔维亚科学院数学研究所);Faculty of Technical Sciences, University of Novi Sad(诺维萨德大学技术科学学院)
本文修改COMPASS语言为A-COMPASS,使其适用于微观数据表,支持匿名条件检查与匿名化操作,并证明其语义的确定性和组合性,可用于验证k-匿名和l-多样性等属性。
2026-06-19 cs.CR cs.LO
Real-world K-Anonymity Applications: the \textsc{KGen} approach and its evaluation in Fraudulent Transactions
Tilburg University(蒂尔堡大学);Eindhoven University of Technology(埃因霍温理工大学)
研究针对大数据集K-匿名处理难题,引入KGen方法,该方法基于遗传算法,能在合理时间内找到伪最优解,可保证高匿名级别,在真实世界大数据集上评估结果显示其运行高效。
2026-07-22 cs.CR cs.DB
Compromising Tor Anonymity Exploiting P2P Information Leakage
在P2P网络中,用户的隐私远远超出了他们目前的使用,并且是采用P2P协议进行合法使用的基本要求。在这些用户和反盗版组织之间的冷战气氛中,越来越多的用户转向匿名网络,试图隐藏自己的身份。然而,当P2P协议没有设计成保护用户信息时,它会泄漏可能危及其用户身份的信息。在本文中,我们首先介绍了三种针对Tor上的BitTorrent用户的攻击,这些攻击揭示了他们的真实IP地址。在第二步中,我们分析BitTorrent用户对Tor的使用情况,并将其与Tor之外的使用情况进行比较。最后,我们描述了这种去匿名化所引起的风险,并表明用户的隐私侵犯超出了BitTorrent流量,并污染了其他协议,如HTTP。
2010-04-09 cs.CR cs.NI
Can Prompt Anonymity Protect Your Identity From LLM Providers?
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本研究首次实证探究提示词匿名性风险,构建PromptAnonBench基准,发现攻击者可通过嵌入表示重新识别大量匿名用户对话,揭示仅依赖匿名性保护隐私的不足。
2026-09-29 cs.CR
Improving data utility in differential privacy and k-anonymity
本文重点研究了两种主流的隐私模型:k-匿名和差分隐私。一旦选择了一个隐私模型,目标是在尽可能多地保留数据效用的同时实施它。本论文的主要目的是提高k-匿名和差异隐私数据发布中的数据效用。k-匿名性有几个缺点。在披露限制方面,缺乏对属性披露和知情入侵者的保护。在数据实用程序方面,处理大量的准标识符属性是有问题的。我们建议放宽k-匿名处理这些问题。差分隐私通过噪声添加来限制披露风险。拉普拉斯分布通常用于随机噪声。我们发现,拉普拉斯分布是不是最佳的:相同的披露限制保证可以通过增加更少的噪音。最佳的单变量和多变量噪声的特征和构造。实现差分隐私的常见机制不考虑用户的先验知识;它们隐含地假设关于查询响应的初始知识为零。我们提出了一种机制,专注于限制知识增益超过先验知识。基于微聚合的k-匿名和差分隐私可以结合起来,以产生具有差分隐私的强隐私保证和改进的数据准确性的微数据发布。最后一个贡献是深入研究了t-贴近度和差分隐私之间的关系。我们看到,对于一个特定的距离,并在一些合理的假设下,入侵者的知识,t-接近导致差分隐私。
2013-07-03 cs.CR cs.DB
Anonymity-washing
针对匿名化应用中存在的模糊性与不一致问题,本文提出“匿名清洗”概念,综合法律、技术及监管资源分析其产生条件,指出从业者支持不足的现状,并给出教育、指南及合作层面的改进建议。
2025-08-26 cs.CR cs.DB
pyCANON: A Python library to check the level of anonymity of a dataset
pyCANON是一个Python库和CLI,通过多种匿名化技术(如k-匿名性、ℓ-多样性等)评估数据集匿名级别,仅需准标识符和敏感属性即可生成完整参数报告。
2022-08-16 cs.CR cs.DB
Core Mondrian: Basic Mondrian beyond k-anonymity
Airbnb(爱彼迎)
本文提出 Core Mondrian,通过模块化策略层和混合执行引擎扩展 Original Mondrian,在保证确定性输出的同时实现多核并行加速,并有效降低数据效用损失,支持生产规模的隐私合规分析。
2025-10-07 cs.CR
$k^{τ,ε}$-anonymity: Towards Privacy-Preserving Publishing of Spatiotemporal Trajectory Data
移动网络运营商可以通过被动或主动监控设备位置来跟踪用户。记录的轨迹为大型用户群体的活动提供了前所未有的前景,这使得开发新的网络解决方案和服务成为可能,并扩大了跨研究学科的研究。然而,个人轨迹的披露引起了严重的隐私问题:因此,这些数据往往受到限制性的非披露协议的保护,限制了其可用性并阻碍了潜在的使用。在本文中,我们有助于发展的技术解决方案的隐私保护发布的移动用户的时空轨迹的问题。我们提出了一种算法,概括的数据,使他们满足$k^{τ,ε}$ -匿名,原始的隐私标准,阻止攻击的轨迹。与现实世界的数据集的评估表明,我们的算法达到了其目标,同时保留了相当程度的准确性的数据。我们的工作是朝着开放的,隐私保护的时空轨迹数据集的方向迈出了一步。
2017-01-09 cs.CR cs.CY
$k$-Anonymity in Practice: How Generalisation and Suppression Affect Machine Learning Classifiers
St. Pölten University of Applied Sciences(圣珀尔滕应用科学大学)
保护私人信息是数据驱动的研究和商业环境中的一个关键问题。通常,引入匿名化或(选择性)删除等技术是为了允许数据共享,例如:G.在合作研究的情况下。对于匿名化技术,$k$ -匿名标准是最流行的标准之一,有许多关于不同算法和指标的科学出版物。匿名化技术通常需要更改数据,因此必然会影响在底层数据上训练的机器学习模型的结果。在这项工作中,我们进行了系统的比较和详细的调查不同的$k$ -匿名化算法对机器学习模型的结果的影响。我们研究了一组流行的$k$ -匿名化算法与不同的分类器,并评估他们在不同的现实世界的数据集。我们的系统评估表明,随着越来越强的$k$ -匿名约束,分类性能通常会下降,但在不同程度上,强烈依赖于数据集和匿名方法。此外,蒙德里安可以被认为是最有吸引力的属性为后续分类的方法。
2022-06-22 cs.CR cs.LG
Towards more accurate and useful data anonymity vulnerability measures
本文针对现有匿名化攻击研究普遍高估风险的问题,提出非成员框架以优化统计推断基线,并建议成员推断研究采用代表性先验概率范围报告精确率/召回率,提升数据匿名性脆弱性度量的准确性与实用性。
2024-03-11 cs.CR
How To Break Anonymity of the Netflix Prize Dataset
提出了一种新的针对高维微观数据的统计去匿名化攻击方法,该方法对数据的扰动具有鲁棒性,并且能够容忍攻击者的背景知识中的某些错误.我们将我们的去匿名化方法应用于Netflix Prize数据集,该数据集包含世界上最大的在线电影租赁服务Netflix的50万订阅者的匿名电影评级。我们证明,对手谁知道只有一点点关于一个单独的订户可以很容易地识别该订户的记录在数据集中。使用互联网电影数据库作为背景知识的来源,我们成功地识别了已知用户的Netflix记录,揭示了他们明显的政治偏好和其他潜在的敏感信息。
2007-11-22 cs.CR cs.DB
Modeling and Performance Comparison of Privacy Approaches for Location Based Services
在普适计算环境中,基于位置的服务(LBS)由于其在日常生活中的实用性而越来越受到用户的欢迎。LBS是利用移动终端和智能手机用户的地理空间数据来实时的提供信息、娱乐和安全的信息服务。在这种普适计算环境中的一个关键问题是需要揭示用户的确切位置,这可能会允许对手推断出有关用户的私人信息。为了解决LBS用户的隐私问题,基于k-匿名的概念已经提出了大量的安全方法。位置k-匿名的中心思想是找到一组限制在实际用户的给定地理区域中的k-1个用户,使得这k个用户的位置彼此无法区分,从而保护用户的身份。虽然一些性能参数,如成功率,实现的隐私量被用来衡量的k-匿名方法的性能,他们做了隐含的,不切实际的假设,k-1用户是随时可用的。因此,这些方法忽略了处理用户请求的周转时间,这对于像LBS这样的实时应用程序至关重要。在这项工作中,我们使用排队论来计算用户的平均逗留时间和系统的队列长度的k-匿名方法建模。为了证明排队论可以用来模拟所有的k-匿名方法,我们考虑基于图的k-匿名方法。所提出的分析模型与实验结果进一步验证。
2017-11-14 cs.CR
The Illusion of Anonymity: Uncovering the Impact of User Actions on Privacy in Web3 Social Ecosystems
本研究揭示Web3社交生态中伪造活动、高参与度用户行为等会放大隐私风险,指出需更严格的隐私措施与伦理规范以应对相关挑战。
2024-05-22 cs.CR
Statistical anonymity: Quantifying reidentification risks without reidentifying users
数据匿名化是一种保护隐私的数据发布方法,旨在防止参与者重新识别,并且在不能容忍噪声数据的应用中,它是差分隐私的重要替代方案。用于在发布的数据中实施$k$ -匿名的现有算法假设执行匿名化的管理者具有对原始数据的完全访问权。限制这种访问的原因从不可取到完全不可行。本文探讨的想法-目标,指标,协议和扩展-减少必须放在馆长的信任,同时仍然保持$k$ -匿名的统计概念。我们建议信任(提供给策展人的信息量)和隐私(参与者的匿名性)作为这样一个框架的主要目标。我们描述了一类协议,旨在实现这些目标,提出新的隐私指标的过程中,并证明相关的界限。最后,我们讨论了这项工作的自然延伸,完全消除了对中央策展人的需要。
2022-01-28 cs.CR cs.CY cs.DB
Feature Selection for Classification under Anonymity Constraint
Indiana University Purdue University Indianapolis(印第安纳大学与普渡大学印第安纳波利斯联合分校);Manitoba University(曼尼托巴大学)
在过去的十年中,各种在线平台的激增以及数十亿用户对它们的日益采用极大地增加了用户的隐私风险。事实上,安全研究人员已经表明,包含用户在线活动信息的稀疏微数据尽管是匿名的,但仍然可以通过与其他数据源交叉引用数据来披露用户的身份。为了保护用户的隐私,在现有的工作中,提出了几种方法(k-匿名,l-多样性,差分隐私),以确保数据集,这是为了共享或发布承担小的身份泄露风险。然而,这些方法中的大多数单独修改数据,而不考虑它们在后续知识发现任务中的实用性,这使得这些数据集的信息量较少。在这项工作中,我们考虑标记的数据,通常用于分类,并提出了两种方法特征选择考虑两个目标:第一,在减少的特征集的数据具有小的披露风险,第二,效用的数据被保存为执行分类任务。在实际数据集上的实验结果表明,该方法是有效的,具有一定的实用价值。
2017-02-06 cs.CR cs.LG
A Trajectory K-Anonymity Model Based on Point Density and Partition
University of Glasgow(格拉斯哥大学);South China University of Technology(华南理工大学);Case Western Reserve University(凯斯西储大学)
本文提出一种基于点密度与划分的轨迹K-匿名模型,通过改进轨迹集划分预处理和聚类算法,在抵御重识别攻击的同时有效降低数据效用损失并缩短执行时间。
2023-07-31 cs.CR cs.LG
How to Get Actual Privacy and Utility from Privacy Models: the k-Anonymity and Differential Privacy Families
Universitat Rovira i Virgili(罗维拉-伊维尔吉利大学)
本文评估主要隐私模型,指出k-匿名和差分隐私在保护与效用间的缺陷,并提出语义重构k-匿名以在不损效用下增强隐私。
2025-10-17 cs.CR cs.DB
On the Anonymization of Differentially Private Location Obfuscation
本文对比平面 Laplacian 机制与最优地理不可区分性机制,提出渐近匿名性概念,证明后者能以更少用户删除实现 k-匿名并具有更高效用。
2018-07-23 cs.CR cs.DB cs.IT
AnoFel: Supporting Anonymity for Privacy-Preserving Federated Learning
University of Connecticut(康涅狄格大学);Purdue University(普渡大学)
本文提出首个具备可证明匿名性的联邦学习框架AnoFel,结合密码学原语、匿名集、差分隐私等实现动态匿名参与,实验验证了其在大规模客户端场景下的高效性与实用性。
2023-06-12 cs.CR cs.LG
ProxyGPT: Enabling User Anonymity in LLM Chatbots via (Un)Trustworthy Volunteer Proxies
针对 LLM 聊天机器人账户实名导致的隐私风险,本文提出 ProxyGPT,利用浏览器交互代理、Web 完整性审计、提示防护和盲签名电子现金激励实现实用匿名访问。
2025-06-11 cs.CR
General Confidentiality and Utility Metrics for Privacy-Preserving Data Publishing Based on the Permutation Model
隐私保护数据发布的匿名化,也称为统计披露控制(SDC),可以在置换模型的镜头下查看。根据这个模型,任何用于单个数据记录的SDC方法在功能上等效于置换步骤加上噪声添加步骤,其中添加的噪声是边际的,在这个意义上,它不改变等级。在这里,我们提出的指标来量化数据的机密性和实用性实现的SDC方法的基础上的置换模型。我们区分两个隐私的概念:在我们的工作中,匿名是指主题,因此主要是为了防止记录重新识别,而保密性是指保护属性值对属性披露。因此,我们的保密性指标是有用的,即使使用隐私模型,确保匿名水平事前。效用度量是一种通用度量,可以方便地与机密性度量进行权衡,因为它们都在0和1之间。作为一个应用程序,我们比较了几种匿名化方法,包括隐私模型(k-匿名和$ε$ -差分隐私)以及SDC方法(加性噪声,乘性噪声和合成数据)没有隐私模型的效用-机密性权衡。
2020-10-07 cs.CR
Shared-Dining: Broadcasting Secret Shares using Dining-Cryptographers Groups
一个k-匿名广播可以使用一小群用餐的密码学家来实现,首先共享消息,然后由组成员开始泛洪阶段。成员没有动力及时转发信息,因为转发会产生成本,或者他们甚至可以从保留信息中获利。在最坏的情况下,这使得真正的发起者成为唯一的发送者,从而使用餐密码学家阶段无用并损害他们的隐私。提出了一种新的方法,使用一个修改的用餐密码协议的(n,k)-Shamir的秘密共享计划的分配份额。最后,所有组成员通过网络广播他们收到的共享,允许任何k个共享的接收者重建消息,强制匿名。如果少于k个组成员广播他们的共享,则消息不能被解码,从而防止发起者的隐私泄露。我们的系统提供了(n- |attackers|)-匿名高达k-1攻击者和传播的性能影响不大。我们显示这些结果的安全分析和性能评估的基础上的概念验证原型。10到100 kB/s之间的吞吐率对于许多具有高隐私要求的实际应用是足够的,例如,金融区块链系统。
2021-04-07 cs.CR cs.NI
Accountable Tracing Signatures from Lattices
群签名允许一个群的用户以群的名义对消息进行匿名签名,同时结合了一种跟踪机制来撤销匿名性并识别任何消息的签名者。自从Chaum和van Heyst(EUROPHOTOPT 1991)提出以来,已经提出了许多建议,在安全性,效率和功能方面产生了各种改进。然而,传统的群签名的缺点是开放机构被赋予太多的权力,即,他可以任意取消匿名,也没有任何机制让他承担责任。为了克服这个问题,Kohlweiss和Miers(PoPET 2015)引入了可问责跟踪签名(ATS)的概念-一种增强的群签名变体,其中开放机构对其行为负责。Kohlweiss和Miers证明了ATS的一般构造,并提出了基于数论假设的具体实例。据我们所知,没有其他ATS方案是已知的,并且在后量子假设下实例化ATS的问题,例如,格子,至今仍是开放的。在这项工作中,我们提供了第一个基于格的可问责追踪签名方案。该方案满足Kohlweiss和Miers提出的安全要求,假设环短解(RSIS)和环错误学习(RLWE)问题的硬度。在我们的建设的核心是一个基于格的密钥不经意的加密方案和零知识参数系统,允许证明一个给定的密文是一个有效的RLWE加密下的一些隐藏的但认证的密钥。这些技术构建块可以是独立感兴趣的,例如,它们对于其它基于格的隐私保护协议的设计是有用的。
2019-01-02 cs.CR
SoK: Cryptocurrency Mixing and Anonymity - Architectures, Threat Models, Operational Aspects and Security
Brno University of Technology(布尔诺工业大学);University of Zürich(苏黎世大学);Slovak University of Technology in Bratislava(布拉迪斯拉发斯洛伐克工业大学)
本文全面综述了区块链加密货币生态系统中的混币技术与实现,评估其对用户隐私的影响及安全漏洞,并探讨了扩展至智能合约与跨链领域的挑战与创新。
2026-09-28 cs.CR cs.DC
t-Closeness through Microaggregation: Strict Privacy with Enhanced Utility Preservation
微聚合是一种限制披露的技术,旨在保护微数据发布中数据主体的隐私。它已被用来作为一种替代泛化和抑制生成$k$ -匿名数据集,其中每个主题的身份是隐藏在一组$k$主题。与一般化不同,微聚合会干扰数据,这种额外的屏蔽自由度可以通过多种方式提高数据效用,例如增加数据粒度,减少离群值的影响以及避免数值数据的离散化。$k$ -另一方面,匿名性不能防止属性泄露,如果一组$k$受试者中机密值的可变性太小,就会发生属性泄露。为了解决这个问题,已经提出了几种改进的$k$ -匿名性,其中$t$ -封闭性脱颖而出,提供了一个最严格的隐私保证。生成$t$ -封闭数据集的现有算法基于泛化和抑制(它们是基于相同原理的$k$ -匿名化算法的扩展)。本文提出并展示了如何使用微聚集来生成$k$ -匿名$t$ -封闭数据集。分析了微聚集技术的优点,提出了几种基于$k$ -匿名$t$ -封闭性的微聚集算法,并进行了实验评估。
2015-12-09 cs.CR
Anonymity Network Tor and Performance Analysis of ARANEA; an IOT Based Privacy-Preserving Router
曾经有一段时间,“安全”这个词只限于对有价值的东西的物理保护,这些东西必须被防范于未然。今天,在一个世界里,人们可以做的事情几乎已经出现了必要性,以保护虚拟世界。我们生活的每一个方面都在以这样或那样的方式被互联网控制。在网络空间中没有隐私,因为我们在互联网上浏览的数据正在被某人监视。我们在互联网上所做的每一项工作都被跟踪,或者数据在未经同意的情况下被泄露。为了安全地浏览互联网,我们开发了一个名为Aranea的路由器,它与浏览器Tor有关。Tor提供流量匿名性和安全性。Tor浏览器可以用于积极和消极的目的。Tor加密数据,隐藏用户的位置和身份,隐藏设备的IP地址,隐藏网络流量等等。通过使用Tor浏览器,每个用户都可以在网络世界中安全地浏览互联网。我们的目标是通过路由器Aranea为每个用户创建一个额外的安全桥梁,以便每个用户可以简单地匿名浏览互联网。
2019-06-04 cs.CR cs.NI
Perturbation Methods for Protection of Sensitive Location Data: Smartphone Travel Survey Case Study
基于智能手机的出行数据汇集已成为交通系统分析的重要工具。近年来,随着各国政府的“开放数据倡议”寻求允许公众使用这些数据,并希望能够将他们的调查结果和分析贡献给公共领域,对共享旅行调查数据的兴趣越来越普遍。公开发布此类精确信息,特别是居住地等位置数据,会带来侵犯隐私的风险。同时,为了使这些数据有用,尽可能多的空间分辨率对于交通应用和出行需求建模中的效用是期望的。本文评估了地理随机扰动方法(即地理不可测性和甜甜圈geomask)在保护受访者的隐私,其住宅位置可能会被公布。我们测量位置隐私方法的性能,保存的效用和随机性的扰动距离的分布与不同的参数。结果发现,这两种方法产生的空间扰动分布,符合密切共同的概率分布,因此,可以推断出的原始位置与信息少,精度高。还发现,虽然实现的K-估计匿名性与所需的匿名性的甜甜圈geomask线性增加,地理不可侵犯性是高度依赖于其隐私预算因子(ESTA),并不是很有效地确保所需的实现的K-估计匿名性。
2019-08-12 cs.CR
Privacy Preserving Social Network Publication Against Mutual Friend Attacks
出于研究目的发布社交网络数据引起了对个人隐私的严重关注。针对不同的攻击模式,有许多隐私保护方案。在本文中,我们介绍了一种新的隐私攻击模型,并称之为一个共同的朋友攻击。在这个模型中,对手可以通过使用他们共同的朋友数量来重新识别一对朋友。为了解决这个问题,我们提出了一个新的匿名概念,称为k-NMF匿名,即,k-匿名的共同朋友的数量,这确保存在至少k-1个其他朋友对在图中共享相同数量的共同朋友。我们设计算法来实现的k-NMF匿名性,同时保持原始的顶点集的意义上,我们允许偶尔添加,但没有删除的顶点。此外,我们给出了一个算法,以确保除了k-NMF匿名的k-度匿名。在真实数据集上的实验结果表明,该方法能够有效地保护社交网络的隐私和实用性,抵御共同好友攻击.
2013-10-11 cs.CR cs.DB cs.SI