Privacy Preservation for Wireless Sensor Networks in Healthcare: State of the Art, and Open Research Challenges
微型生物传感器的出现为在医疗保健中部署无线传感器网络带来了许多机会。然而，一个重要的障碍是，医疗保健利益相关者的接受程度受到个人和亲密信息的隐私保护措施的有效性的影响，这些信息是在这些网络内外通过空中收集和传输的。特别是，这些网络正在超越传统的传感器，朝着使用多媒体传感器的方向发展，这引起了进一步的隐私问题。讽刺的是，与安全性相比，对隐私保护的研究较少。然而，隐私保护已经逐渐从被认为是安全措施的一个隐含的副产品，它正在成熟为一个研究关注自己的权利。然而，还需要进一步的技术和社会技术进步。作为对激发进一步研究的贡献，本文的特点包括：（i）明确锚定的隐私保护的文献调查，它是通过从安全目标中解开隐私目标的支持，以避免混淆隐私和安全问题，因为这是经常在其他文件的情况;（ii）对医疗保健中无线传感器网络的隐私保护服务进行严格调查，包括威胁分析和评估方法;它还为医疗保健领域隐私保护的多方面挑战以及隐私威胁、攻击和对策提供了分类树; ㈢讨论了技术进步，并对监管框架的影响进行了反思;（四）公开研究挑战的讨论，从而为未来的研究提供了方向，以打开隐私保护的大门，这是适合20世纪的医疗保健。第一个世纪
2020-12-23 cs.CR cs.NI
An Efficient Algorithm for Detection of Selfish Packet Dropping Nodes in Wireless Mesh Networks
在无线网状网络（WMN）中，配备有先进天线的高速路由器通过无线信道以多跳方式彼此通信并形成宽带回程。WMN提供可靠的连接性和容错性，因为每个节点都连接到几个其他节点。如果一个节点由于硬件问题而失败，它的邻居可以找到另一条路由。额外的容量可以通过在网络中引入额外的节点来实现。然而，WMN的吞吐量可能会严重下降，由于存在一些自私的路由器，避免转发其他节点的数据包，即使他们通过网络发送自己的流量。本文提出了一种算法，用于检测自私的节点在一个WMN，使用可靠的聚类的节点的统计推理理论。仿真结果表明，该算法具有较高的检测率和较低的误报率。
2012-06-16 cs.CR cs.NI
Privacy Preserving Data Aggregation in Wireless Sensor Networks
在互联网和移动技术极度渗透的今天，隐私保护是一个重要的问题。在无线传感器网络（WSNs）中，收集的数据通常需要网络内处理和协作计算，这一点更为重要。这一领域的研究主要集中在应用数据采掘技术来保护数据的隐私内容。这些技术大多是计算昂贵，不适合资源有限的WSN节点。在本文中，一个计划，以提供一个更简单的方式与安全的密钥管理方案和随机数据扰动技术的帮助下，隐私保护。我们考虑这样一种情况，即拥有机密数据的两方或多方仅需要出于聚合目的向第三方共享数据，而不会泄露数据的内容。通过仿真结果验证了该方案的有效性，并与文献[1]中的一种方案进行了比较。
2011-08-10 cs.CR cs.NI
Blockchain for Economically Sustainable Wireless Mesh Networks
去中心化，以网状网络和区块链的形式，这两种有前途的技术，正在进入电信行业。网状网络允许更广泛的低成本互联网接入，其基础设施由不同所有者提供的路由器构建，而区块链则可以通过共享网络流量，内容和服务实现投资，收入或其他形式的经济补偿的透明度和问责制。众包网络覆盖率加上众筹资金成本，可以创造经济上可持续但分散的互联网接入。这意味着每个参与者都可以投资于资源，并支付或获得使用费，以收回网络设备和维护的成本。虽然网状网络和网状路由协议使自组织网络能够有机地扩展，但加密货币和智能合约使网络提供商和消费者之间的经济协调成为可能。我们探索和评估了两个现有的区块链软件栈，Hyperledger Fabric（HLF）和Ethereum geth，其授权证明（PoA）旨在作为本地轻量级分布式账本，部署在一个真正的全市生产网状网络和实验室网络中。我们量化了性能、瓶颈，并确定了当前的限制和改进机会，以满足本地无线网状网络的需求，而无需依赖公共区块链的隐私和经济成本。
2019-04-02 cs.CR cs.DC cs.NI
Secure and Privacy-Preserving Data Aggregation Protocols for Wireless Sensor Networks
本章讨论了无线传感器网络中聚合协议对安全和隐私保护机制的需求。它提出了一个全面的最先进的讨论在无线传感器网络中使用的各种隐私保护机制，特别是集中在CPDA协议提出的He等人。（INFOCOM 2007）。它确定了CPDA协议中的安全漏洞，并提出了一种机制来堵塞该漏洞。为了说明聚合过程中的安全需求，本章进一步介绍了无线传感器网络聚合机制中的各种威胁。简要分析了现有的无线传感器网络安全聚合协议，提出了一种能够检测恶意节点注入的虚假数据的安全聚合协议。协议的性能也被提出。本章的结论，同时强调一些未来的研究方向，在无线传感器网络的安全数据聚合。
2012-03-06 cs.CR cs.NI
An Attack on Privacy Preserving Data Aggregation Protocol for Wireless Sensor Networks
在无线传感器网络（Wireless Sensor Networks，WSNs）中，网内数据聚合提供了高效的带宽利用率和节能的计算能力，支持高效的网内数据聚合同时保护单个传感器节点数据的隐私性已成为众多WSNs应用的重要需求。对于无线传感器网络中的隐私保护数据聚合，He等人（INFOCOM 2007）提出了一种基于聚类的私有数据聚合（CPDA），该聚合使用聚类协议和众所周知的密钥分配方案，用于以隐私保护方式计算加性聚合函数。尽管CPDA的广泛流行，它已被观察到，该协议是不安全的，它也是可能的，以提高其效率。在本文中，我们首先确定了现有的CPDA方案中的安全漏洞，其中我们展示了恶意参与节点如何可以发起攻击的隐私协议，以便获得其相邻传感器节点的私有数据的访问。接下来，它示出了如何现有的CPDA计划可以通过适当的修改协议更有效。此外，已经提出了对现有协议的适当修改，以便堵塞协议的脆弱性。
2012-04-30 cs.CR cs.NI
Noisy Networks, Nosy Neighbors: Inferring Privacy Invasive Information from Encrypted Wireless Traffic
本研究通过模拟邻居被动观察智能家居加密无线流量，识别设备、推断活动状态和位置，证明隐私风险可超越数据泄露，仅凭加密流量即可获取生活洞察。
2025-09-27 cs.CR cs.NI
Security and Privacy Challenges in Cognitive Wireless Sensor Networks
无线传感器网络（WSNs）由于其在现实世界中广泛的实际应用中的潜在适用性，引起了研究界的极大兴趣。然而，由于其分布式特性及其在关键应用中的部署，而无需人为干预以及所传输数据的敏感性和关键性，这些网络容易受到许多安全和隐私威胁的影响，从而对其性能产生不利影响。这些问题在认知无线传感器网络（CWSNs）中变得更加关键，在认知无线传感器网络中，传感器节点具有根据其操作的无线电环境改变其发送和接收参数的能力，以实现可靠和高效的通信以及网络资源的最佳利用。本章通过识别这些网络中的各种安全威胁和各种防御机制来对抗这些漏洞，对CWSNs中的安全和隐私问题进行了全面讨论。根据攻击的性质和攻击目标，将针对CWSNs的各种攻击分为不同的类别，并针对每一类攻击，讨论了相应的安全机制。一些关键的研究问题，在CWSNs的安全和隐私也确定。
2013-02-09 cs.CR cs.NI
A General Purpose Data and Query Privacy Preserving Protocol for Wireless Sensor Networks
无线传感器网络是由大量的空间分布的设备组成的，这些设备配备有传感技术，并通过无线电信号互连。部署用于监控目的的WSN可以提供对被监控环境的无处不在的视图。然而，对所收集的数据的管理非常消耗资源，并引起安全和隐私问题。在本文中，我们提出了一个隐私保护协议收集聚合数据从无线传感器网络。该协议依赖于洋葱路由技术来提供均匀分布的网络流量，并限制外国参与者可以从监视网络中传输的消息中获得的知识。我们的解决方案采用了网络中的节点的计算能力，通过传递给他们的通用计算机代码，在现场处理和聚合的数据来源于多个传感器节点。我们补充我们的工作与建议的解决方案，使用网络模拟器NS-3的模拟。模拟结果概述了解决方案的可扩展性，并突出了潜在的限制。
2021-11-29 cs.CR cs.NI
An Algorithm for Detection of Selfish Nodes in Wireless Mesh Networks
无线网状网（WMN）作为下一代无线网络的关键技术，正在不断发展和广泛的应用。这些网络具有向无线用户提供稳健和高吞吐量数据传输的潜力。在WMN中，配备有先进天线的高速路由器通过无线信道以多跳方式彼此通信，并形成宽带回程。然而，WMN的吞吐量可能会严重下降，由于存在一些自私的路由器，避免转发其他节点的数据包，即使他们通过网络发送自己的流量。提出了一种检测无线网状网中自私节点的算法。它使用统计推理理论对节点进行可靠的聚类，并基于节点的本地观察结果。仿真结果表明，该算法具有较高的检测率，同时具有较低的误报率。
2010-11-08 cs.CR
What a Mesh: Formal Security Analysis of WPA3 SAE Wireless Authentication
University of York（约克大学）；King’s College London（伦敦国王学院）；University of Birmingham（伯明翰大学）；University of Milan（米兰大学）
本文对WPA3 SAE协议进行形式化安全分析，结合通信逻辑和状态机模型，发现并修正IEEE 802.11标准中的问题，推动标准修订。
2026-03-24 cs.CR cs.NI
An Efficient and User Privacy-Preserving Routing Protocol for Wireless Mesh Networks
无线网状网络（WMN）已经成为下一代无线宽带网络的关键技术，显示出快速的发展并激发了许多引人注目的应用。WMN包括一组网状路由器（MR）和网状客户端（MC），其中MR通过因特网网关（IGW）连接到因特网骨干。MC是无线设备，它们之间可能通过多跳路径进行通信，有或没有MR的参与。由于它们的对等网络拓扑结构、共享无线介质、严格的资源约束和高度动态的环境，用户隐私和安全性一直是WMN中的主要问题。此外，为了支持实时应用，WMN还必须配备鲁棒、可靠和高效的路由协议，以最小化端到端延迟。因此，设计一个安全有效的无线网状网路由协议是至关重要的。在本文中，我们提出了一个高效，可靠的路由协议，也提供了用户匿名的无线网状网。该协议基于对无线链路中可用带宽的准确估计和对路由路径中端到端延迟的鲁棒估计，以及控制消息开销的最小化。该协议基于Rivest的环签名方案，实现了用户的匿名性、认证性和数据保密性。仿真结果表明，该协议比现有的一些路由协议更有效。
2011-01-14 cs.CR
A State-of-the-art Survey on IDS for Mobile Ad-Hoc Networks and Wireless Mesh Networks
入侵检测系统（IDS）检测网络中的恶意和自私节点。Ad hoc网络通常通过使用入侵检测或安全路由来保护。设计有效的无线ad-hoc网络的入侵检测系统，不会影响网络的性能显着确实是一个具有挑战性的任务。可以说，在无线网络领域的评论文章中最常见的事情是使用仿真结果比较不同解决方案的性能。然而，在多个配置方面的差异，包括由于不同的底层路由协议，使得基于仿真的比较评估IDS解决方案的任务有点不切实际。相反，作者遵循分析方法，以确定现有的IDS解决方案中的差距，为移动自组网和无线网状网络。本文旨在通过让新研究人员了解IDS的最新研究问题来减轻其工作负担。本文引用的文献中近80%是近3 ~ 4年发表的。
2011-08-30 cs.CR
Wireless Federated Learning with Local Differential Privacy
在本文中，我们研究了联邦学习（FL）在无线信道上的问题，建模为高斯多址接入信道（MAC），受本地差分隐私（LDP）的约束。我们发现，无线信道的叠加性质提供了带宽高效的梯度聚合的双重好处，结合强大的LDP保证的用户。我们提出了一个私人无线梯度聚合方案，这表明，当聚合$K$用户的梯度，隐私泄漏每个用户的规模为$\mathcal{O}\big(\frac{1}{\sqrt{K}} \big)$相比，正交传输中的隐私泄漏规模为一个常数。我们还提出了建议的私人FL聚合算法的收敛速度的分析和研究之间的权衡无线资源，收敛性和隐私。
2020-02-12 cs.CR cs.IT math.IT
Privacy-Preserving Data Aggregation Techniques for Enhanced Efficiency and Security in Wireless Sensor Networks: A Comprehensive Analysis and Evaluation
本文提出一种多维隐私保护数据聚合方法，通过恒定通信开销抵御合谋攻击并降低能耗，在大规模无线传感器网络中优于现有方案。
2024-03-29 cs.CR
Waveform-Defined Privacy: A Signal Solution to Protect Wireless Sensing
无线信号通常用于通信。新兴的应用正在赋予无线信号新的功能，其中无线传感是最具吸引力的一种。信道状态信息（CSI）不仅是通信中信道均衡的参数，而且是无线传感的指示器。然而，由于无线信号的广播性质，窃听者可以很容易地捕获合法的用户信号，并通过测量CSI侵犯用户隐私。此外，硬件的进步简化了非法窃听，因为智能设备可以通过墙壁跟踪无线信号。因此，这项工作认为波形定义的隐私（WDP）的解决方案，可以隐藏CSI相位信息，从而保护用户隐私。此外，所提出的波形解决方案由于使用了独特的调制机制而实现了更好的性能。另外，通过调谐波形参数，波形还可以增强通信安全性。
2021-12-21 cs.CR eess.SP
A Light Weight Protocol to Provide Location Privacy in Wireless Body Area networks
位置隐私是无线体域网的主要安全问题之一。窃听者可以跟踪设备通信的地点和时间。更糟糕的是，攻击者不必在物理上靠近通信设备，他可以使用具有更强天线的设备。移动终端的唯一硬件地址通常可以链接到操作该设备的用户的身份。这是对用户隐私的侵犯。用户应该决定何时显示他/她的位置，何时不显示。在本文中，我们首先对WBAN的窃听者类型进行了分类，然后提出了一种新的方案来提供位置隐私的无线体域网（WBAN）。
2011-03-16 cs.CR
Secure Routing in Wireless Mesh Networks
无线网状网络（WMNs）已成为一个很有前途的概念，可以应对下一代网络中的挑战，例如提供灵活、自适应和可重新配置的架构，同时为服务提供商提供具有成本效益的解决方案。与传统的Wi-Fi网络不同，每个接入点（AP）都连接到有线网络，在WMN中，仅需要AP的子集连接到有线网络。连接到有线网络的AP称为互联网网关（IGW），而没有有线连接的AP称为网状路由器（MR）。MR使用多跳通信连接到IGW。IGW提供对传统客户端的访问，并将自组织、传感器、蜂窝和其他网络互连到因特网。然而，大多数现有的无线网状网路由协议的扩展协议最初设计的移动自组织网络（MANDO），因此，他们执行次优。此外，大多数无线网状网路由协议的设计没有考虑到安全问题，其中的节点都被假定为是诚实的。在实际部署场景中，这种假设并不成立。本章提供了一个全面的概述，在无线网状网的安全问题，然后特别侧重于在这些网络中的安全路由。首先，它识别媒体访问控制（MAC）和网络层的安全漏洞。还讨论了危及数据机密性、数据完整性、重放攻击和离线密码分析的各种可能性。然后讨论了MAC层和网络层的各种攻击。在列举了对MAC层和网络层的各种类型的攻击之后，本章简要地讨论了针对这些攻击的一些预防机制。
2011-02-07 cs.CR cs.NI
Secure and Privacy-Preserving Authentication Protocols for Wireless Mesh Networks
无线网状网络（WMN）已经成为一个很有前途的概念，以满足下一代无线网络的挑战，例如提供灵活的，自适应的，和可重构的架构，同时提供具有成本效益的解决方案，以服务提供商。随着WMN成为家庭网络、社区和邻里网络最后一英里连接的越来越流行的替代技术，为这些网络设计高效和安全的通信协议势在必行。然而，在目前现有的无线网状网协议中存在几个漏洞。潜在的攻击者可以利用这些安全漏洞对WMN发起攻击。由于缺乏一个管理中心，确保WMN的安全更具挑战性。多跳通信的广播传输特性和对中间结点的依赖性导致了无线网状网的安全漏洞。攻击可以是外部的，也可以是内部的。外部攻击是由未经授权的网络用户发起的。例如，入侵节点可以窃听分组并在稍后的时间点重放那些分组以获得对网络资源的访问。另一方面，内部攻击由作为WMN的一部分的节点发起。这种攻击的一个示例是中间结点丢弃它应该转发的分组。本章对当前WMN的认证和隐私保护方案进行了全面的讨论。此外，提出了一种新的节点认证和消息机密性的安全协议和一个匿名化方案的隐私保护的WMN中的用户。
2012-09-09 cs.CR cs.NI
A non-biased trust model for wireless mesh networks
依赖于推荐信任的信任模型容易受到恶意中伤和投票填充攻击。为了应对这些攻击，现有的信任模型使用不同的信任聚合技术来处理推荐信任，并将它们与直接信任值组合，形成组合信任值。然而，这些信任模型是有偏见的，因为推荐信任偏离自己的意见太多被丢弃。在本文中，我们提出了一个无偏见的信任模型，认为每一个推荐信任可用，无论他们是好还是坏。我们的信任模型是基于2种技术的组合：相异性测试和Dempster-Shafer理论。相异性测试确定2个信任记录之间的冲突量，而Dempster-Shafer理论基于相异性测试的结果分配置信函数。数值结果表明，我们的信任模型是强大的，对基于声誉的攻击相比，信任聚合技术，如线性意见池，主观逻辑模型，基于熵的概率模型，回归分析。此外，我们的模型已被广泛测试，使用网络模拟器NS-3在一个基于网络结构的无线mesh网络和一个基于混合的无线mesh网络，以证明它可以减轻黑洞和灰洞攻击。
2017-12-28 cs.CR
SoK: Secure Human-centered Wireless Sensing
本文针对以人为中心无线感知的隐私风险，提出信号处理流水线分析攻击与防御的权衡，梳理现有研究分类，明确机器学习时代的研究挑战并给出未来方向。
2024-03-09 cs.CR cs.NI
Privacy-Preserving Secure Neighbor Discovery for Wireless Networks
针对传统安全邻居发现（SND）暴露设备身份和位置的隐私问题，提出隐私保护安全邻居发现（PP-SND）协议，通过同态加密和伪匿名认证实现隐私保护，在Raspberry Pi 4上验证了性能。
2025-03-31 cs.CR cs.NI
TEDS: A Trusted Entropy and Dempster Shafer Mechanism for Routing in Wireless Mesh Networks
无线网状网（WMNs）由于其自形成、自组织和自修复的特性，已成为下一代无线网络的关键技术。然而，由于在WMN中的通信的多跳性质，我们不能假设，在网络中的所有节点都是合作的。节点可能会丢弃它们接收到的所有数据包，以发起拒绝服务（DoS）攻击。本文提出了一种轻量级的信任检测机制--可信熵和Dempster Shafer（TEDS），以减轻黑洞攻击的影响。这种新颖的思想结合熵函数和Dempster Shafer信念理论来获得一个节点的信任评级。如果节点的信任等级低于阈值，则将其列入黑名单并与网络隔离。以这种方式，网络可以确保没有恶意节点的安全端到端路径用于数据转发。我们提出的想法已经广泛的测试，在模拟使用网络模拟器NS-3和模拟结果表明，我们能够提高数据包的交付率与归一化的路由开销略有增加。
2017-12-28 cs.CR
Privacy-Preserving Decentralized Inference with Graph Neural Networks in Wireless Networks
Zhejiang University（浙江大学）；North Carolina State University（北卡罗来纳州立大学）
本文针对无线网络中基于图神经网络的去中心化推理的隐私泄露问题，采用本地差分隐私设计隐私保护信号与训练算法，并结合空中计算技术提升通信和计算效率，通过理论分析与仿真验证了方法的有效性。
2023-05-30 cs.CR cs.IT cs.LG
Location- and Time-Dependent VPD for Privacy-Preserving Wireless Accesses to Cloud Services
近年来智能手机的出现改变了无线领域。智能手机已经成为云数据库的在线用户界面的平台。云数据库可以提供大量的用户私有和敏感数据（即，对象），而智能手机用户（即，对象）提供位置敏感信息。近年来，在无线访问云数据库中的安全和私有服务一直在积极讨论。然而，先前的技术对于移动对象的无线接入的动态性是不令人满意的。在本文中，我们提出了一种新的技术，动态生成虚拟专用数据库（VPD）的每次访问，考虑到主题的位置和时间信息。本文的贡献包括一个隐私保护的访问控制机制的动态无线接入。
2011-12-12 cs.CR cs.DB
A Survey on Security and Privacy Protocols for Cognitive Wireless Sensor Networks
无线传感器网络由于其众多的潜在应用而成为无线和移动计算研究的一个重要和新的领域，其应用范围从家庭和办公室的室内部署场景到战术战场中敌方领土的室外部署。由于在许多无线传感器网络应用中，生命和生计可能取决于从分散的传感器节点获得的传感器数据的及时性和正确性，因此必须保护这些网络以防止可能对其发起的任何可能的攻击。因此，安全性是无线传感器网络中的一个重要问题。然而，这个问题在认知无线传感器网络中变得更加关键，认知无线传感器网络是一种传感器节点具有根据其操作的无线电环境改变其发送和接收参数的能力的WSN，以实现可靠和有效的通信以及网络资源的最佳利用。这篇调查论文通过识别这些网络中的众多安全威胁和防御机制来对抗这些漏洞，对CWSNs中的各种安全问题进行了全面的讨论。根据攻击的性质和目标，将针对CWSNs的各种攻击分为不同的类别，并针对每一类攻击提出相应的安全机制。本文还确定了一些开放的问题，在这一新兴领域的无线网络。
2013-08-03 cs.CR cs.NI
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 Amplification for Federated Learning via User Sampling and Wireless Aggregation
The University of Arizona（亚利桑那大学）
在本文中，我们研究了联邦学习的问题，在一个无线信道与用户采样，高斯多址信道建模，受到中央和本地差分隐私（DP/LDP）的约束。已经表明，无线信道的叠加性质提供了带宽高效梯度聚合的双重益处，以及对用户的强DP保证。具体地，中央DP隐私泄漏已经被示出为按比例缩放为$\mathcal{O}(1/K^{1/2})$，其中$K$是用户的数量。它也被证明，用户采样耦合正交传输可以增强中央DP隐私泄漏具有相同的缩放行为。在这项工作中，我们表明，通过加入无线聚合和用户采样，可以获得更强的隐私保证。我们提出了一个私人无线梯度聚合方案，它依赖于独立随机参与决策的每个用户。我们提出的方案的中心DP泄漏的尺度为$\mathcal{O}(1/K^{3/4})$。此外，我们发现，LDP也提高了用户抽样。我们还提出了分析所提出的方案的收敛速度和研究的无线资源，收敛和隐私之间的权衡理论和经验的两种情况下，采样的参与者的数量是$(a)$已知的，或$(b)$未知的参数服务器。
2021-03-02 cs.CR cs.IT cs.LG
LNMesh: Who Said You need Internet to send Bitcoin? Offline Lightning Network Payments using Community Wireless Mesh Networks
针对无互联网场景下的比特币支付需求，提出LNMesh方案，基于社区无线Mesh网络实现离线闪电网络支付，设计两种信道分配方法，仿真显示信道流动性充足时成功率可达95%。
2023-04-27 cs.CR
Differentially Private Feature Release for Wireless Sensing: Adaptive Privacy Budget Allocation on CSI Spectrograms
Kocaeli University（科贾埃利大学）；Sakarya University（萨卡里亚大学）；Yildiz Technical University（伊尔迪兹理工大学）；Istanbul Technical University (ITU)（伊斯坦布尔科技大学）
本文提出了一种针对CSI频谱图的自适应隐私预算分配机制，通过改进的隐私-效用平衡提升无线传感特征发布的安全性与性能。
2025-12-29 cs.CR
Privacy Preserving Semantic Communications in Wireless Edge Networks with Vision Language Models
Rowan University（罗恩大学）；University of Miami（迈阿密大学）
该研究针对无线边缘网络语义通信的隐私泄露问题，提出基于VLM的隐私保护语义通信框架，通过私有区域移除、加密收发器和语义信息瓶颈实现隐私保护，同时保证重构质量并抑制跨设备冗余。
2026-08-25 cs.CR eess.SP
Intellicise Wireless Networks Meet Agentic AI: A Security and Privacy Perspective
State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（北京邮电大学网络与交换技术全国重点实验室）；Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系）；Research Institute, China United Network Communications Corporation（中国联合网络通信集团有限公司研究院）；GIC & 6GIC, Institute for Communication Systems (ICS), University of Surrey（萨里大学通信系统研究所（ICS）5GIC与6GIC）
本文从安全与隐私角度探讨代理AI在智简无线网络中的应用，分析其优势并提出结构化分类方法，通过案例研究展示其在对抗智能窃听攻击中的有效性，并指出未来研究方向。
2026-02-17 cs.CR eess.SP
Trust Aware Privacy Preserving Routing Protocol for Wireless Adhoc Network
针对移动自组织网络路由的隐私安全需求，提出基于同伴推荐模型的信任感知隐私保护协议TAP3，可主动选可信节点、无第三方隐私验证，以更低开销定位恶意节点。
2023-04-28 cs.CR
Federated Low-Rank Adaptation with Differential Privacy over Wireless Networks
The Hong Kong University of Science and Technology（香港科技大学）
针对分布式边缘设备微调大型预训练基础模型的计算与隐私挑战，提出结合低秩自适应（LoRA）与差分隐私的拆分联邦微调框架，利用无线信道噪声实现隐私保证，在严格隐私预算下提升准确性。
2024-11-27 cs.CR cs.LG eess.SP
Your Signal, Their Data: An Empirical Privacy Analysis of Wireless-scanning SDKs in Android
本研究首次系统性分析Android平台52款无线扫描SDK，揭示其数据收集与SDK间共享、ID桥接等隐私风险，并提出沙箱强化等缓解策略以限制未授权追踪。
2025-03-19 cs.CR
On Differential Privacy for Federated Learning in Wireless Systems with Multiple Base Stations
Princeton University（普林斯顿大学）；University of Miami（迈阿密大学）；Zhejiang University（浙江大学）；KTH Royal Institute of Technology（KTH皇家理工学院）
在这项工作中，我们考虑了一个联邦学习模型在无线系统中的多个基站和小区间干扰。我们采用差分私有计划从用户传输信息到他们相应的基站在学习阶段。我们通过推导其最优性间隙的上界来展示学习过程的收敛行为。此外，我们定义了一个优化问题，以减少这个上限和总的隐私泄漏。为了找到这个问题的局部最优解，我们首先提出了一个算法，调度资源块和用户。然后，我们扩展该方案，以减少总的隐私泄漏，通过优化差分隐私人工噪声。我们将这两个过程的解决方案作为联邦学习系统的参数。在这种情况下，我们假设每个用户都配备了一个分类器。此外，假设通信小区具有比用户数量少的资源块。仿真结果表明，我们提出的调度程序相比，随机调度提高了预测的平均精度。此外，它的扩展版本与噪声优化器显着减少了隐私泄漏量。
2022-08-25 cs.CR cs.LG
Communication and Energy Efficient Wireless Federated Learning with Intrinsic Privacy
University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；City University of Hong Kong（香港城市大学）
提出PFELS无线联邦学习方案，通过模型更新稀疏化与基于信道状态的自适应功率控制，利用内在信道噪声实现客户端级差分隐私，并降低通信与能耗、提升精度。
2023-12-09 cs.AI cs.CR cs.LG
Federated Graph Learning for Low Probability of Detection in Wireless Ad-Hoc Networks
Deakin University（迪肯大学）；Defense Science and Technology Group（国防科学技术集团）
本文提出基于图神经网络的隐私保护分布式联邦图学习框架，用于降低无线自组织网络整体可检测性并预测节点最优通信区域，实验以平均和中位绝对误差验证其有效性。
2023-06-01 cs.CR cs.LG cs.NI
Intelligent Reflecting Surface for Wireless Communication Security and Privacy
智能反射面（IRS）是未来无线通信中一种很有前途的技术。由于其通过能量聚焦和能量归零来定制信道条件的优异能力，它是分别从物理层安全和隐蔽通信理论来增强无线通信安全性和隐私性的理想技术。在这篇文章中，我们首先提出了一些结果应用IRS提高窃听信道的平均保密率，使完美的通信隐蔽性，并故意创造额外的随机性，在无线传播隐藏活跃的无线传输。然后，我们确定了未来研究的多个挑战，以充分释放IRS在物理层安全和隐蔽通信方面提供的好处。借助大量的数值研究，我们证明了在无线通信中设计IRS单元的幅度时，考虑安全性和隐私性的必要性，其中最优值并不总是文献中通常采用的$1$。此外，我们揭示了可实现的保密性能和IRS的信道状态信息（CSI）在合法和恶意用户的估计精度之间的权衡，这提出了基本的资源分配的IRS辅助物理层安全的背景下的挑战。最后，讨论了利用深度神经网络和场景图像的被动信道估计方法，作为在不利用资源匮乏的导频的情况下实现CSI可用性的潜在解决方案。这种方法作为一个可见的途径，以显着提高在IRS辅助无线网络的隐蔽通信速率。
2021-08-30 cs.CR cs.ET cs.IT
On Spatial-Provenance Recovery in Wireless Networks with Relaxed-Privacy Constraints
针对V2X网络中车辆隐私与RSU定位需求的矛盾，提出一种基于相关线性Bloom filters的低延迟空间溯源恢复协议，在松弛隐私模型下实现少量比特开销即可定位低功率干扰器等安全功能。
2025-09-15 cs.CR cs.IT math.IT
PriSrv+: Privacy and Usability-Enhanced Wireless Service Discovery with Fast and Expressive Matchmaking Encryption
Singapore Management University（新加坡管理大学）；University of Oregon（俄勒冈大学）；Hainan University（海南大学）；Jinan University（暨南大学）
提出PriSrv+协议，通过开发快速且表达力强的匹配加密（FEME）方案，在支持无界属性宇宙和表达性访问控制的同时，提升无线服务发现的隐私性、可用性、效率和可扩展性。
2026-06-04 cs.CR
Collaborative Inference over Wireless Channels with Feature Differential Privacy
Princeton University（普林斯顿大学）
针对无线边缘协同推理中特征传输泄露隐私的问题，提出隐私保护机制与面向分类的空中池化方案，在降低通信开销的同时提供差分隐私保证和准确率下界。
2024-10-25 cs.CR cs.IT cs.LG
PriSrv: Privacy-Enhanced and Highly Usable Service Discovery in Wireless Communications
Singapore Management University（新加坡国立大学）；University of Oregon（俄勒冈大学）；Beijing Electronic Science and Technology Institute（北京电子科技学院）；Jinan University（暨南大学）
提出PriSrv协议，通过双层匹配架构和匿名凭证匹配加密（ACME）实现细粒度认证策略与隐私保护，在主流移动设备上实现亚秒级安全发现。
2026-06-04 cs.CR
Penetrating the Reality Wall: Long-Range and Through-Wall AR/VR Privacy Eavesdropping via Wireless Power Side Channel
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；National University of Singapore（新加坡国立大学）；City University of Hong Kong（香港城市大学）
本文提出MetaSpy攻击，通过穿墙长距离捕获Wi-Fi无线功率侧信道，可推断AR/VR用户的多级隐私行为，攻击距离远超同类研究，还提出了对应的防御对策。
2026-10-14 cs.CR
BACSA: A Bias-Aware Client Selection Algorithm for Privacy-Preserving Federated Learning in Wireless Healthcare Networks
针对无线医疗网络中联邦学习因非IID数据偏见导致性能下降的问题，提出偏见感知客户端选择算法BACSA，通过检测偏见并优化客户端选择，提升收敛性和准确性，兼顾隐私、公平与网络约束。
2024-11-01 cs.AI cs.CR cs.LG
Differentially Private Wireless Federated Learning Using Orthogonal Sequences
University of Virginia（弗吉尼亚大学）；The Pennsylvania State University（宾夕法尼亚州立大学）；Princeton University（普林斯顿大学）
本文提出用于SISO无线联邦学习的隐私保护AirComp方法FLORAS，利用正交序列消除CSIT需求并提供项目级和客户端级差分隐私保证，实现了收敛速率与隐私级别的平滑权衡。
2023-11-22 cs.CR cs.IT cs.LG
Privacy-Preserving Querying in Sensor Networks
无线传感器网络（WSNs）通过许多配备无线收发器的小型自治设备提供传感和监测服务。随着无线传感器网络的大规模和/或长期部署，不仅传统的安全，而且隐私问题必须考虑在内。此外，当网络运营商提供按需访问传感器测量到他们的客户端，查询机制应该理想地既不泄漏客户端的利益，也不查询模式。在本文中，我们提出了一个隐私保护的WSN查询机制，使用标准的密码技术。除了防止未经授权的实体访问传感器读数外，它还最大限度地减少了有关用户查询目标和模式的（潜在敏感）信息的泄漏。
2009-05-13 cs.CR
Privacy-Preserving and Post-Quantum Counter Denial of Service Framework for Wireless Networks
本文提出PACDoSQ框架，首次同时实现频谱管理中的位置隐私、匿名性、抗DoS与后量子安全，通过私有频谱堡垒、多服务器PIR、PQ安全Tor及哈希谜题保障安全，并验证了其可行性与安全目标。
2024-09-03 cs.CR
TinyML NLP Scheme for Semantic Wireless Sentiment Classification with Privacy Preservation
Department of Electrical Engineering and Computer Science, York University（电气工程与计算机科学系，约克大学）；CEMSE Division, King Abdullah University of Science and Technology (KAUST)（CEMSE部门，国王 Abdullah 科学与技术大学（KAUST））
本文提出语义分割学习（SL）作为节能且保护隐私的TinyML框架，用于边缘端NLP情感分类，实验表明其相比联邦学习和集中式学习显著降低计算能耗与碳排放，并大幅提升隐私保护水平。
2025-04-21 cs.CR cs.IT cs.LG
A Framework for Behavior Privacy Preserving in Radio Frequency Signal
近年来，以人为中心的无线传感应用蓬勃发展，其中一些人的信息，如用户的身份和运动，可以通过分析目标人造成的信号失真，检索。然而，无线传输的开放性引起了对用户隐私的越来越多的关注，因为在某些场景中，包括个人住宅、实验室和办公室，人的身份或人的运动是敏感的。研究人员报告说，商品WiFi信号可以被滥用来识别用户。为了消除这种威胁，在本文中，我们提出了一个隐私保护框架，有效地隐藏在无线信号中的用户行为的信息，同时保留用户认证的能力。我们的框架的核心是一个新的基于Siamese网络的深度模型，即RFBP-Net。通过这种方式，无线传感适度地揭示了用户信息。我们在真实的WiFi和RFID系统以及开放数据集上进行了广泛的实验。实验结果表明，RFBP-Net能够显著降低活动识别的准确率，即，RFID系统减少70%，WiFi系统减少80%，用户认证准确性略有下降，即，RFID和WiFi系统分别仅减少5%和1%。
2020-04-10 cs.CR eess.SP
PrivyWave: Privacy-Aware Wireless Sensing of Heartbeat
PrivyWave 通过密钥控制生成诱饵心跳信号，使未授权传感器无法区分真假心跳而授权传感器可恢复准确测量，从而在毫米波雷达和声学感知中实现选择性隐私保护。
2025-11-06 cs.CR cs.HC eess.SP
Privacy-Enhanced Zero-Order Federated Learning via xMK-CKKS over Wireless Channels
University of Waterloo（滑铁卢大学）
针对无线联邦学习中单密钥同态加密的客户端安全漏洞，提出一种无需信道估计的四阶段协议，利用xMK-CKKS多密钥同态加密实现安全聚合，并集成零阶优化，在保证收敛率的同时降低通信开销。
2026-09-01 cs.CR cs.LG
Private Wireless Federated Learning with Anonymous Over-the-Air Computation
在传统的联邦学习（FL）中，差分隐私（DP）保证可以通过在传输到参数服务器（PS）之前向局部模型更新注入附加噪声来获得。在无线FL的情况下，我们表明，系统的隐私可以通过利用空中计算（OAC）和匿名的传输设备。在OAC中，设备同时以未编码的方式传输其模型更新，从而更有效地使用可用频谱。我们进一步利用OAC提供匿名的传输设备。所提出的方法通过减少必须注入的噪声量来提高私有无线FL的性能。
2021-02-13 cs.CR cs.LG
Performance Evaluation of Mesh based Multicast Reactive Routing Protocol under Black Hole Attack
移动自组织网络是由无线链路连接的移动节点的自治系统，其中节点通过为彼此转发分组来协作，从而使得能够在直接无线传输范围之外进行通信。ad-hoc网络的无线性和动态性使其容易受到攻击，尤其是在路由协议中。近年来，在移动ad-hoc网络中提供安全性一直是一个主要问题。在ad-hoc网络中使用的基于网状网的反应式多播路由协议之一是按需多播路由协议（ODMRP）。ODMRP的安全性受到一种称为黑洞攻击的主路由攻击的威胁。在这种攻击中，恶意节点将自己伪装成具有到它想要拦截其数据包的节点的最短路径。本文讨论了在不同的场景下黑洞攻击对ODMRP的影响。性能评估使用的指标，如数据包的交付率和端到端的延迟为不同数量的中继器和接收器通过模拟。使用网络仿真器ns-2进行仿真。这些结果使我们能够提出解决方案来对抗黑洞攻击的影响。
2009-08-03 cs.CR cs.PF
