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
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
Location Privacy in Cognitive Radio Networks: A Survey
认知无线电网络(CRN)已经成为一种必要的技术,使动态和机会的频谱接入,旨在利用未充分利用的授权信道,以解决频谱稀缺的问题。尽管CRN在提高频谱利用效率的能力方面提供了很大的好处,但它们受到用户位置隐私问题的困扰。知道他们的行踪可能会暴露,这可能会阻止用户加入和参与CRN,从而可能阻碍该技术在下一代网络中的采用和部署。CRN环境中的位置信息泄漏问题由于其重要性最近开始受到研究界的关注,并且已经进行了一些研究工作来解决它。然而,据我们所知,这些工作都没有尝试识别这个问题背后的漏洞或讨论可以部署以防止它的方法。在本文中,我们试图通过提供一个全面的调查来填补这一空白,该调查调查了可能由该CRN技术的不同组件引起的各种位置隐私风险和威胁,并探索了文献中已经提出的不同的隐私攻击和对策解决方案,以应对该位置隐私问题。我们还讨论了一些开放的研究问题,相关的这个问题,需要克服的研究界利用这个关键的CRN技术的好处,而不必牺牲用户的隐私。
2018-06-03 cs.CR 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
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
Differential Privacy in Cognitive Radio Networks: A Comprehensive Survey
背景/简介:将认知无线电(CR)与传统无线网络相结合,有助于以有效的方式解决频谱稀缺问题。CR的机会性和动态频谱接入特征向其未授权用户提供了在需要时利用未充分利用的频谱的功能,因为CR节点可以感测频谱的空闲频带并且还可以接入它们以执行通信。CR节点的各种能力取决于彼此之间以及集中式基站之间的数据的有效且连续的报告,这反过来可能导致隐私泄露。实验研究表明,CR用户的隐私在认知周期中很容易受到损害,因为他们有意或无意地共享各种个人身份信息(PII),例如位置、设备ID、信号状态等。为了保护这种隐私泄露,研究人员开发了各种隐私保护策略,并且根据我们,差分隐私是其中最重要的。
2021-12-11 cs.CR
Security and Privacy Issues in Wireless Mesh Networks: A Survey
本书的章节确定了无线网状网络(WMN)中的各种安全威胁。考虑到WMN的安全性和用户隐私的关键要求,本章提供了一个全面的概述各种可能的攻击不同层的WMN的通信协议栈和相应的防御机制。首先,它确定了物理层、链路层、网络层、传输层和应用层中的安全漏洞。此外,各种可能的攻击的密钥管理协议,用户认证和访问控制协议,用户隐私保护协议。在列举了各种可能的攻击之后,本章详细讨论了各种现有的安全机制和协议,以抵御并尽可能防止可能的攻击。比较分析也提出了关于所使用的加密方案,密钥管理策略部署,使用任何可信的第三方,计算和通信开销等的安全方案。本章然后提出了一个简短的讨论各种信任管理方法的WMN,因为信任和信誉为基础的计划越来越流行,在无线网络中执行安全。在本章最后结束之前,随后讨论了WMN的安全和隐私问题中的一些公开问题。
2013-02-05 cs.CR cs.NI
Soft Computing - A step towards building Secure Cognitive WLAN
提供各种服务的无线网络不仅已成为当今的秩序,而且也是大量客户的需求。因此,无线网络的安全性已经成为一个非常重要的设计标准。本文介绍了我们的研究工作集中在创建安全的认知无线局域网,使用软计算方法。目前密集的无线局域网(WLAN)对网络的完整性构成了巨大的威胁,并且容易受到攻击。在本文中,我们提出了一个安全的认知框架架构(CFA)。认知安全管理器(CSM)是CFA的核心。CSM结合了使用物理体系结构描述层(PADL)的访问控制,并使用多层神经网络分析终端的操作矩阵,从而识别授权访问和未授权使用模式。
2010-03-07 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
Privacy-Preserving and Secure Spectrum Sharing for Database-Driven Cognitive Radio Networks
University of South Florida(南佛罗里达大学);Bellini College of Artificial Intelligence, Cybersecurity and Computing(贝利尼人工智能、网络安全与计算学院);Zurich University of Applied Sciences (ZHAW)(苏黎世应用科学大学);Department of Informatics, University of Zurich (UZH)(苏黎世大学信息学系)
本文提出SLAPX框架,通过可委托匿名凭证和可验证延迟函数,实现数据库驱动认知无线电网络中的隐私保护频谱共享和安全防御。
2026-03-02 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
An Anonymous Authentication and Communication 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还必须配备健壮、可靠和高效的通信协议,以最小化端到端延迟和丢包。因此,设计一个安全有效的无线网状网通信协议是至关重要的。在本文中,我们提出了一个安全和隐私协议,提供安全和用户匿名,同时保持通信效率的WMN。安全协议确保接入网和骨干网的安全认证和加密。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,虽然协议具有最小的存储和通信开销,他们是强大的,并提供高水平的安全性和隐私的网络服务的用户。
2011-07-27 cs.CR cs.NI
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
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
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
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
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
Privacy-Preserving Heterogeneous Multi-LLM Federated Inference for Cognitive Diagnosis
University of Cincinnati(辛辛那提大学)
该研究针对AI教育系统中隐私与认知诊断精度难以平衡的问题,提出异构多LLM联邦推理框架,结合差分隐私与残差聚合,兼具强隐私保障与低精度损失,经多基准验证实用且可跨域推广。
2026-09-04 cs.AI cs.CL cs.CR
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
MIMO Wiretap Channel under Receiver Side Power Constraints with Applications to Wireless Power Transfer and Cognitive Radio
我们认为多输入多输出(MIMO)窃听信道下的最小接收端功率约束,除了通常的最大发射端功率约束。这个问题是由具有无线能量传输的能量收集通信激发的,其中附加的目标是除了向另一个接收器递送安全数据之外还向接收器递送最小量的能量。在本文中,我们描述了确切的秘密容量的MIMO窃听信道下的发射机和接收机侧的功率约束。我们首先表明,解决这个问题是等价于解决的保密能力的窃听信道的双边相关矩阵约束下的信道输入。我们展示了相反的扩展通道增强技术,我们的情况下。我们提出了两个可实现的方案,实现保密能力:第一个可实现的方案使用一个高斯码本与一个固定的平均值,和第二个可实现的方案使用人工噪声(或合作干扰)连同高斯码本。平均值或人工噪声的作用是在不牺牲安全速率的情况下实现能量传输。这是信道模型的第一个实例,其中对于MIMO窃听信道,使用平均信号或使用经由人工噪声的信道前缀是严格必要的。然后,我们扩展我们的工作,考虑最大接收端功率约束。这个问题是由认知无线电应用激发的,其中增加的目标是降低接收器处的接收信号能量(干扰温度)。我们进一步扩展我们的研究结果:需要在两个接收器的接收器侧的功率约束;考虑在两个接收器的保密约束,研究广播信道的机密消息;并删除保密约束,研究经典的广播信道。
2016-07-05 cs.CR cs.IT cs.NI
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
NeuroPriv: Adversarial Representation Learning for Privacy in Wearable EEG Systems
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
该研究针对可穿戴EEG系统的神经隐私风险,以EEGMAT为案例,提出隐私感知表示学习方法,在维持认知任务性能的同时降低了敏感属性的推理准确率。
2026-09-02 cs.CR cs.HC cs.LG
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
Cornell Tech(康奈尔技术学院)
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
Gradient Sparsification for Efficient Wireless Federated Learning with Differential Privacy
针对无线联邦学习中的隐私泄露与通信瓶颈,提出基于梯度稀疏化的框架,在满足差分隐私约束下降低传输开销并保证收敛,实验验证其优于多种基线。
2023-12-21 cs.AI cs.CR cs.DC
Adversary-Aware Private Inference over Wireless Channels
Princeton University(普林斯顿大学);Inria, France(法国国家信息与自动化技术研究所);Stony Brook University(石溪大学)
本文提出了一种面向无线信道的对抗感知隐私保护框架,通过在传输前对特征进行变换来减少隐私泄露风险。
2026-01-28 cs.CR cs.IT cs.LG