OSRM-CCTV: Open-source CCTV-aware routing and navigation system for privacy, anonymity and safety (Preprint)
University of Jyväskylä(于韦斯屈莱大学)
在过去的几十年里,全球范围内闭路电视(CCTV)摄像机的使用越来越多,越来越广泛,越来越多,许多闭路电视摄像机最近的其他功能,如物联网(IoT)连接和基于人工智能(AI)的面部识别,只会增加隐私倡导者的担忧。因此,必须存在提供隐私、安全和网络安全功能的\emph{CCTV-aware solutions}。我们认为,向前迈出的重要一步是通过路由和导航系统(例如,OpenStreetMap、Google地图),为已知有摄像头的区域提供隐私和安全选项。然而,目前没有路由和导航系统,无论是在线还是离线,提供相应的CCTV感知功能。在本文中,我们介绍了OSRM-CCTV -第一个也是唯一的CCTV感知路由和导航系统的设计和建造的隐私,匿名和安全的应用。我们验证和展示了系统的有效性和可用性的合成和现实世界的例子。为了帮助验证我们的工作以及进一步鼓励系统的开发和广泛采用,我们将OSRM-CCTV作为开源发布。
2021-08-20 cs.CR cs.CV cs.CY
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
Privacy-Preserving LLMs Routing
Department of Electrical and Computer Engineering, University of Pittsburgh(匹兹堡大学电气与计算机工程系);Department of Computer Science, University of Central Florida(中央佛罗里达大学计算机科学系);Department of Computer and Information Science, University of Pennsylvania(宾夕法尼亚大学计算机与信息科学系);Department of Computer Science, University of Maryland(马里兰大学计算机科学系);Department of Computer Science, Florida State University(佛罗里达州立大学计算机科学系)
本文提出PPRoute框架,通过MPC友好的操作加速编码器推理,维护路由质量,并采用无序Top-k算法降低通信延迟,实现高效隐私保护的大语言模型路由。
2026-04-17 cs.AI cs.CR
Seagull: Privacy preserving network verification system
University of California, Santa Barbara(加利福尼亚大学圣塔芭芭拉分校);Massachusetts Institute of Technology(麻省理工学院);Cornell University(康奈尔大学)
本文提出基于多方计算的隐私保护 BGP 配置验证框架,在不泄露敏感路由数据的前提下同时解决隐私与可扩展性问题,为互联网骨干网路由验证提供安全高效的基础。
2025-11-08 cs.CR cs.NI
Developers' Privacy Education: A game framework to stimulate secure coding behaviour
软件隐私提供了限制未经授权方访问数据的能力。隐私是通过不同的方式实现的,例如将GDPR实施到软件应用程序中。然而,之前的研究表明,缺乏糟糕的编码行为会导致隐私泄露,例如个人数据泄露。因此,本研究提出了一种新的游戏框架作为培训干预,使开发人员能够实现隐私保护软件系统。建议的框架进行了实证研究,通过调查研究(与一些退出问题),这揭示了游戏设计框架中应该解决的元素。开发的游戏框架增强了开发人员的安全编码行为,以提高他们开发的软件的隐私。
2022-11-07 cs.CR
SS-ZKR: Spatial-Semantic Zero-Knowledge Routing for Privacy-Preserving Multi-Agent Collaboration
Linux Foundation(Linux基金会);Google(谷歌);W3C(万维网联盟)
提出SS-ZKR协议,通过差分隐私语义意图向量、自适应净化和空间到密码策略编译器三种机制,在不解密负载的情况下实现跨组织信任边界的内容感知语义路由。
2026-05-31 cs.AI cs.CR
Privacy-Utility Tradeoffs in Routing Cryptocurrency over Payment Channel Networks
支付通道网络(PCN)被视为当今加密货币最有前途的可扩展性解决方案之一。粗略地说,PCN是一种网络,其中每个节点代表一个用户,每个有向的、加权的边缘代表区块链上托管的资金;这些资金只能在边缘的端点之间进行交易。只要路径中的每条边都有足够的余额(托管资金)来支持交易,用户就可以通过连接A到B的路径将资金从节点A有效地转移到B。每当事务成功时,边权重相应地更新。然而,在部署的PCN中,信道平衡(即,边缘权重)出于隐私原因不向用户透露;用户仅知道时间0处的初始权重。因此,当路由事务时,用户首先猜测路径,然后检查它是否支持事务。这种猜测和检查过程大大降低了交易的成功率。在另一个极端,了解完整的渠道平衡可以在牺牲隐私的情况下大幅提高成功率。在这项工作中,我们研究了网络是否可以揭示嘈杂的信道平衡,以权衡隐私的效用。我们展示了这样一个权衡的基本限制,并提出了噪声机制,实现了一般类的图形拓扑结构的基本限制。我们的研究结果表明,在实践中,PCN应在低隐私或低效用制度,这是不可能的,以获得较大的收益,通过放弃一点隐私,或大收益的隐私,牺牲一点效用。
2020-10-21 cs.CR
Private Location Sharing for Decentralized Routing services
数据驱动的方法提供了许多令人兴奋的优点,但它们也带来了新的挑战,特别是在用户隐私领域。具体而言,收集数据的方式可能会给最终用户带来隐私风险。在许多路由服务中,单个实体(例如,路由服务提供商)收集和管理用户轨迹数据。当涉及到用户隐私时,这些系统有一个中心故障点,因为用户必须相信这个实体不会出售或使用他们的数据来推断敏感的私人信息。不幸的是,在实践中,许多广告公司购买要约这样的数据是为了定向广告。以此为动机,我们研究的问题,使用位置数据的路由服务的隐私保护的方式。而不是让用户报告他们的位置到一个中央运营商,我们提出了一个协议,在该协议中,用户参与一个分散的和隐私保护的计算,以估计旅行时间的道路在网络中的方式,没有个人的位置是由任何其他方观察。该协议使用拉普拉斯机制结合安全多方计算,以确保它是密码学安全的,其输出是差分私有的。一个自然的问题是,隐私是否需要降低准确性或系统性能。我们表明,如果一条道路有足够高的容量,那么我们的协议估计的旅行时间是可证明接近地面真实旅行时间。我们验证了协议,通过数值实验表明,使用该协议作为路由服务提供了隐私保证与最小的开销,用户旅行时间。
2022-03-14 cs.CR cs.SY eess.SY
Differential Privacy for Stackelberg Games
本文提出了一种差分隐私(DP)机制,以保护信息交换过程中的协调顺序和相互依赖的市场。这种协调代表了一个经典的Stackelberg游戏,并依赖于系统代理之间的敏感信息的交换。本文的动机是观察到传统DP机制引入的扰动从根本上改变了基本的最优化问题,甚至导致不可满足的情况。为了弥补这种局限性,本文介绍了隐私保护Stackelberg机制(PPSM),一个框架,强制执行的概念的可行性和保真度的隐私保护信息的原始问题的目标。PPSM符合差分隐私的概念,并确保隐私保护协调机制的结果对每个代理都接近最优。基于真实案例研究的几个天然气和电力市场基准的实验结果证明了该方法的有效性。
2020-02-01 cs.CR cs.GT math.OC
Routing with Privacy for Drone Package Delivery Systems
无人驾驶飞行器(UAV)或无人机越来越多地用于将货物从供应商运送到客户。为了大规模安全地进行这些操作,无人机需要广播远程识别(远程ID)法规中规定的位置信息。然而,包裹递送无人机的位置广播为使用这些递送服务的客户带来了隐私风险:第三方观察者可能会利用广播无人机轨迹将客户与他们的购买联系起来,这可能会导致广泛的隐私风险。我们提出了一个概率定义的隐私风险的基础上的可能性相关联的客户到一个供应商的包裹递送路线。接下来,我们量化这些风险,使无人机操作员能够在规划交付路线时评估隐私风险。然后,我们评估各种因素的影响(例如,无人机容量)对隐私的影响,并考虑隐私和交付等待时间之间的权衡。最后,我们提出了生成隐私保证的路由,以避免穷举所有可能的路由,并评估其性能在几个现实的交付场景。
2022-06-30 cs.CR cs.CY cs.SI
Ariadne: a Privacy-Preserving Communication Protocol
本文提出Ariadne,一种无需可信第三方的隐私保护通信网络层协议,通过源路由和洋葱路由技术实现会话不可链接性,并采用固定大小加密向量与加密模式引用两项创新增强通信隐私。
2024-06-05 cs.CR
Ensure Differential Privacy and Convergence Accuracy in Consensus Tracking and Aggregative Games with Coupling Constraints
针对带耦合约束的分布式聚合博弈,协同设计GNE求解与噪声注入机制,提出首个同时保证收敛性和严格ε-差分隐私的算法,并辅以新共识跟踪算法及一般收敛性理论,数值实验验证有效性。
2024-07-16 cs.CR cs.GT math.OC
Privacy Guard & Token Parsimony by Prompt and Context Handling and LLM Routing
National Research Council of Italy - Institute of Marine Sciences (CNR-ISMAR)(意大利国家研究委员会海洋科学研究所(CNR-ISMAR))
本文提出隐私守护机制,结合上下文管理和LLM路由,通过自动提示优化减少云服务成本和敏感信息泄露风险,实验证明在隐私保护与成本节约之间取得平衡。
2026-03-30 cs.AI cs.CR
CryptoMoE: Privacy-Preserving and Scalable Mixture of Experts Inference via Balanced Expert Routing
Peking University(北京大学)
针对现有框架难以扩展到MoE架构的问题,提出CryptoMoE框架,通过平衡专家负载、安全协议及优化策略,实现MoE模型私有高效推理,实验显示其延迟和通信量大幅降低且准确性损失小。
2025-11-11 cs.CR
RAPTOR: Routing Attacks on Privacy in Tor
Tor网络是一种广泛使用的匿名通信系统。然而,众所周知,Tor容易受到攻击者的攻击,他们可以观察通信路径两端的流量。在本文中,我们表明,之前的攻击只是冰山一角。我们提出了一套新的攻击,称为猛禽,可以由自治系统(AS)发起,以损害用户的匿名性。首先,AS级别的对手可以利用互联网路由的非对称性,以增加在通信两端观察至少一个方向的用户流量的机会。其次,AS级的对手可以利用互联网路由中的自然流失,随着时间的推移,更多的用户可以在BGP路径上。第三,战略对手可以通过BGP劫持(发现使用特定Tor保护节点的用户)和拦截(执行流量分析)来操纵互联网路由。我们通过分析历史BGP数据和Traceroute数据以及对实时Tor网络进行真实攻击来证明Raptor攻击的可行性,同时确保我们不会伤害真实用户。此外,我们概述了两个监测框架的设计,以应对这些攻击:BGP监测检测控制平面的攻击,和Traceroute监测检测数据平面的异常。总体而言,我们的工作激励匿名系统的设计,知道互联网路由的动态。
2015-03-13 cs.CR cs.NI
PRISM: Privacy-Aware Routing for Adaptive Cloud-Edge LLM Inference via Semantic Sketch Collaboration
PRISM通过语义草图协作实现隐私感知的自适应云-边LLM推理,动态平衡隐私与推理质量,降低能耗和延迟,提升输出质量。
2025-11-27 cs.CL cs.CR
Privacy Detective: A Narrative Game that Cultivates Student Developers' Privacy Awareness by Harnessing Legal Documents
University of California, San Diego(加州大学圣地亚哥分校);University of Michigan(密歇根大学)
研究针对开发者隐私决策问题,推出利用法律文件的叙事游戏隐私侦探培养学生开发者隐私意识,通过组间研究对比阅读原始法律文件的基线,发现该游戏能让参与者更好识别违规、减少误判并提供更完整理由。
2026-07-13 cs.CR cs.CY cs.HC
Designing a Serious Game: Teaching Developers to Embed Privacy into Software Systems
当用户与软件应用程序交互时,它们继续挑战用户隐私。隐私实践(例如数据最小化(DM)、隐私设计(PbD)或通用数据保护条例(GDPR))和相关的“隐私工程”方法已经存在,并为开发人员提供了明确的指导,以便将隐私实施到他们开发的保护用户隐私的软件系统中。然而,这些实践和方法在软件开发社区中还不是一种常见的实践。以前没有研究专注于开发“教育”干预措施,如严肃的游戏,以提高软件开发人员的编码行为。因此,这项研究提出了一个游戏设计框架作为软件开发人员的教育工具,以改善(安全)编码行为,使他们能够开发人们可以使用的隐私保护软件应用程序。所提出的框架的元素被纳入到一个游戏应用程序的情况下,提高了软件开发人员的编码行为,通过他们的动机。拟议的工作不仅使隐私保护软件系统的开发,而且还帮助软件开发社区将隐私准则和工程方法付诸实践。
2020-09-12 cs.CR cs.HC
Privacy Games: Optimal User-Centric Data Obfuscation
在本文中,我们设计了以用户为中心的混淆机制,施加最小的效用损失,以保证用户的隐私。我们优化效用的联合保证差分隐私(不可否认性)和失真隐私(推理错误)。这种双重保护屏蔽通过混淆机制和后验推理限制了信息泄漏。我们表明,通过联合差分失真机制对最优攻击实现的隐私是一样大的最大隐私,可以通过这些机制分别实现。它们的效用成本也不大于差分或失真机制所施加的成本。我们将优化问题建模为混淆机制的设计者与潜在对手之间的领导者-追随者博弈,并设计自适应机制来预测和保护最优推理算法。因此,混淆机制对于任何推理算法都是最佳的。
2015-05-27 cs.CR cs.GT
Noise Variance Optimization in Differential Privacy: A Game-Theoretic Approach Through Per-Instance Differential Privacy
针对传统差分隐私因最坏情况导致小数据集过度加噪的问题,提出基于逐实例差分隐私的噪声方差优化博弈,证明其Nash均衡点保证隐私,并在KL散度指标上实现高达99.53%的性能提升。
2024-04-27 cs.CR
When Routing Reveals Membership: Privacy Leakage from MoE Router Telemetry
Institute of Science Tokyo(东京科学大学);Nanyang Technological University(南洋理工大学);Tohoku University(东北大学);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学);Shandong University(山东大学)
该研究提出路由器增强的成员推理攻击,发现MoE模型的路由器遥测可泄露样本是否用于微调,在多设置下提升成员推理性能,是微调MoE模型的额外隐私风险面。
2026-10-09 cs.CR cs.LG
HushRelay: A Privacy-Preserving, Efficient, and Scalable Routing Algorithm for Off-Chain Payments
支付通道网络(PCN)用于加密货币,以提高链下交易的性能和可扩展性。除了打开和关闭支付通道外,区块链中不会记录PCN接受的其他交易请求。只有打开通道的一方才知道在给定时刻剩下的确切资金数额。在实际情况中,可能不存在可以实现高价值支付转移的单一路径。对于这种情况,将交易价值分割到多个路径是一种更好的方法。虽然存在经由若干路径路由事务的若干方法,但是这样的技术是相当低效的,因为必须在路由算法的初始阶段(例如,SpeedyMurmur [42]).不考虑网络中每个信道的剩余容量的算法容易失败。其他方法会泄漏敏感信息,并且计算成本相当高[28]。据我们所知,我们提出的方案HushRelay是一个高效的隐私保护路由算法,考虑到每个通道中留下的资金,同时将交易价值分割到几条路径上。将我们的算法的性能与真实实例上的现有路由方案(例如,Ripple Network),我们观察到HushRelay的成功率为1,执行时间为2.4秒。然而,SpeedyMurmur [42]在界标数量为6时,成功率为0.98,耗时4.74秒。在闪电网络上测试我们提出的路由算法时,观察到成功率为0.99,执行时间为0.15秒,比SpeedyMurmur所需的时间小12倍。
2020-02-12 cs.CR cs.DS
Evaluation of Game Design Framework Using a Gamified Browser-Based Application
本研究设计开发了融入GDPR隐私法律的游戏化浏览器应用,通过有声思维研究和前后测验证,该应用可提升软件开发者的安全编码行为与隐私知识,同时评估了对应的游戏设计框架。
2023-06-12 cs.CR
A Game-Theoretic Taxonomy and Survey of Defensive Deception for Cybersecurity and Privacy
对数据库和关键基础设施的网络攻击威胁到公共和私营部门。无处不在的跟踪和可穿戴计算侵犯了隐私。倡导者和工程师最近提出使用防御性欺骗作为一种手段,利用攻击者通常享有的信息不对称作为防御者的工具。然而,欺骗一词的使用范围很广,含义也多种多样。在本文中,我们调查了2008-2018年的24篇文章,这些文章使用博弈论来模拟网络安全和隐私的防御性欺骗。然后,我们提出了一个分类法,定义了六种类型的欺骗:扰动,移动目标防御,混淆,混合,蜂蜜-X和攻击者的参与。这些类型由它们的信息结构、代理人、行动和持续时间来描述:这些正是博弈论所捕捉的概念。我们的目标是严格定义类型的防御性欺骗,捕捉快照的文献状态,提供一个菜单的模型,可用于应用研究,并确定有前途的领域,为未来的工作。我们的分类法为理解网络安全和隐私中常见的不同类型的防御性欺骗提供了系统的基础。
2019-05-22 cs.CR
Onionchain: Towards Balancing Privacy and Traceability of Blockchain-Based Applications
随着区块链的普及,出现了严重的安全问题。同时实现隐私和可追溯性仍然是一个悬而未决的问题。已经为解决这些问题作出了努力,但这些问题可能取决于具体的情况。本文研究如何为这一开放问题提供一个更一般的解决方案。具体来说,我们提出了Onionchain,它具有一套协议,提供可追溯性和隐私性。正如术语所暗示的,我们的Onionchain受到了Onion路由的启发。我们仔细研究了洋葱路由的原理,并将其机制与区块链技术结合起来。我们提倡区块链社区在隐私和可追溯性方面采用Onionchain。为此,Onionchain的案例研究,它运行在车辆Ad Hoc网络(VANESTO)的背景下,提出,提供社区遵循的指导方针。系统的安全性分析和广泛的实验也进行了验证我们的安全和成本效益的洋葱链。
2019-12-31 cs.CR
Smartwatch games: Encouraging privacy-protective behaviour in a longitudinal study
虽然公众声称关注他们的隐私,但他们似乎经常忽视这一点。这种关注与行为之间的差距被称为隐私障碍。这些问题在可穿戴设备上特别普遍。这些产品可以存储个人数据,如短信和联系方式。然而,业主很少使用保护功能。教育游戏可以有效地鼓励行为的改变。因此,我们为(Android)Wear OS手表开发了第一款隐私游戏。10名参与者使用智能手表两个月,允许他们的高级设置被监控。五个人被随机分配到我们的治疗组,他们玩了一个动态定制的隐私主题游戏。为了尽量减少混淆变量,其他五个人收到了相同的应用程序,但没有隐私主题。治疗组改善了他们的保护,屏幕锁的使用显著增加(p = 0.043)。相比之下,80%的对照组继续从不限制他们的设置。后测阶段后,我们通过半结构化访谈评估行为的合理性。在治疗组中,隐私问题变得更加微妙,意见与行为一致。行动主要受到三个因素的影响:便利性,隐私显着性和数据敏感性。这是第一款鼓励隐私保护行为的智能手表游戏。
2019-05-13 cs.CR cs.CY cs.ET
Beyond Permissions: A Configuration-Aware Empirical Assessment of Privacy Exposure in Children-Oriented and General-Audience Mobile Gaming Apps
Computer Science Department, Jamoum University College, Umm Al-Qura University(乌姆·古拉大学贾穆姆大学学院计算机科学系)
本文通过三阶段方法分析Android游戏隐私风险,发现儿童游戏虽请求权限较少,但配置层面风险高且嵌入第三方跟踪SDK,为隐私设计提供改进方向。
2026-03-30 cs.CR
SoK: Let the Privacy Games Begin! A Unified Treatment of Data Inference Privacy in Machine Learning
Microsoft(微软);University of Virginia(弗吉尼亚大学)
本文提出基于博弈的统一框架,梳理机器学习中成员推理、重构攻击等数据推理隐私定义,并形式化揭示其已知与未知关系。
2023-04-20 cs.CR cs.GT cs.LG
A Game-Theoretic Approach to Privacy-Utility Tradeoff in Sharing Genomic Summary Statistics
提出一种贝叶斯博弈论框架解决基因组汇总统计共享中的隐私-效用权衡问题,证明广义贝叶斯攻击者模型强于传统LRT模型,并利用深度神经网络近似贝叶斯-纳什均衡,实验表明该框架能产生比现有技术更强的攻防策略。
2024-06-03 cs.CR
Probing Channel Balances in the Lightning Network
由于闪电网络支付既不广播也不公开存储。因此,LN不仅被视为可扩展性,而且被视为比特币的隐私解决方案。该协议保证在通道关闭时只能确认最新的通道状态。LN节点八卦可用于路由的信道和它们的总容量。为了发出(多跳)支付,发送方基于其对图的本地知识创建路由。由于本地渠道余额不是公开的,因此支付经常由于中间跳的余额不足而失败。在这种情况下,将沿着多条路线尝试支付,直到成功。这构成了隐私效率的权衡:隐藏的平衡提高了隐私,但阻碍了路由效率。在这项工作中,我们表明,攻击者可以很容易地发现使用探测信道平衡。这需要每频道不到一分钟,需要适度的资本承诺,没有支出。我们描述了算法,并在比特币的测试网上测试了我们的概念验证实现。我们认为,LN的隐私和路由效率之间的平衡是次优的:通道平衡既没有得到很好的保护,也没有利用。我们概述了两种方式LN演变就这个问题。为了强调隐私,我们提出了一个修改的错误处理,隐藏细节的发送节点的出错通道。这将破坏我们的探测技术,但使路由失败更常见,因为发送方不知道尝试路由的哪个通道失败了。为了提高效率,我们提出了一个新的API调用,可以让发送方查询它不是一方的渠道的余额。我们认为,将这些方法结合起来可以帮助LN两全其美:在可行的情况下隐藏私有数据,并利用公共数据来提高路由效率。
2020-04-01 cs.CR
Settling Payments Fast and Private: Efficient Decentralized Routing for Path-Based Transactions
基于路径的交易(PBT)网络,通过中间人的路径从一个用户到另一个用户结算支付,是一个不断增长的研究领域。他们克服了比特币和以太坊等加密货币的可扩展性和隐私问题,用廉价而快速的链下转移取代了昂贵而缓慢的链上区块链操作。以Ripple和Stellar等信用网络的形式,它们还可以实现不同货币之间的低价实时总结算。例如,SilentWhsipers是最近提出的一个完全分布式的信用网络,它依赖于基于路径的交易,在没有公共账本的情况下进行安全的,特别是私人的支付。分散式PBT网络的核心是一种路由算法,它可以发现付款人和收款人之间的交易路径。在过去的一年中,已经提出了一些路由算法。然而,现有的特别努力既缺乏效率,也缺乏隐私。在这项工作中,我们首先确定几个效率问题SilentWhsipers。有了这些知识,我们设计和评估SpeedyMurmurs,一种新的路由算法,分散PBT网络使用高效和灵活的基于嵌入的路径发现和按需高效稳定处理动态的PBT网络。我们基于当前部署的Ripple信用网络的真实数据进行的模拟研究表明,SpeedyMurmurs将稳定的开销降低了两个数量级,并将路由交易的开销降低了两倍以上。此外,使用SpeedyMurmurs至少可以保持与分散式地标路由相同的成功率,同时提供更低的延迟。最后,SpeedyMurmurs实现了PBT网络中路由的关键隐私目标。
2017-12-13 cs.CR cs.DC
Mechanism Design in Large Games: Incentives and Privacy
我们研究了在不完全信息的情况下实现完全信息博弈均衡的问题,并使用“推荐机制”来解决这个问题。“推荐机制是一种没有强制执行结果或强迫参与的权力的机制,它只有权在自愿参与的基础上建议结果。我们发现,尽管有这些限制,推荐机制可以实现均衡的完全信息游戏的设置不完全信息的条件下,游戏是大的-即有大量的球员,和任何球员的行动影响任何其他的收益最多一个小数额。我们的结果来自于差分隐私的一个新的应用。我们表明,任何算法,计算一个完整的信息博弈的相关均衡,同时满足一个变种的差分隐私-我们称之为联合差分隐私-可以用作推荐机制,同时满足我们所需的激励性能。我们的主要技术成果是一个算法,用于计算一个大型游戏的相关均衡,同时满足联合差分隐私。虽然我们的推荐机制的设计,以满足博弈论的属性,我们的解决方案最终满足一个强大的隐私属性以及。没有一组玩家可以从机制的建议中了解到组外任何玩家的类型,即使这些玩家以任意的方式勾结。因此,我们的算法能够实现完全信息博弈的均衡,而不透露有关实现类型的信息。
2015-12-10 cs.CR cs.DS cs.GT
Analyzing Incentives for Protocol Compliance in Complex Domains: A Case Study of Introduction-Based Routing
对遵守网络协议的动机的正式分析常常诉诸博弈论模型和概念。博弈论分析在网络安全中的应用通常仅限于高度程式化的模型,在简化的环境中可以对关键战略变量进行易于处理的研究。我们提出了一个基于模拟的方法来博弈论分析协议的遵守情况下,大量的代理和大的政策空间。我们定义了一个一般的程序,系统地探索结构化的政策空间,明确地解决定性分类的均衡行为,遵守或不遵守。通过一个广泛的案例研究,分析合规的激励措施,介绍为基础的路由的技术进行说明和练习。我们发现,遵守协议的好处是特别强大的节点受到攻击,并在平衡,而不是普遍的整体合规性水平,是足以支持所需的安全目标的协议。
2013-06-03 cs.CR cs.GT
Prolonging the Hide-and-Seek Game: Optimal Trajectory Privacy for Location-Based Services
人的流动性是高度可预测的。人们往往只频繁地访问几个地点,并按照反映其习惯和日常生活的特定顺序在这些地点之间移动。这种可预测性必须考虑在位置隐私保护机制(LPPM)的设计,以有效地保护用户时,他们不断暴露自己的位置,以基于位置的服务(LBS)。在本文中,我们描述了一种用于创建LPPM的方法,定制用户的移动配置文件考虑到隐私和服务质量的要求。通过构造,我们的LPPM考虑了用户暴露位置之间的顺序相关性,提供了最大可能的轨迹隐私,即,用户的当前位置以及过去和预期的未来位置的隐私。此外,我们的LPPM对战略对手是最佳的,即,攻击者在知道LPPM操作和用户的移动性配置文件的情况下实施最强推理攻击。轨迹隐私的上下文中的LPPM的最优性是一个新的贡献,它是通过制定的LPPM设计问题作为一个贝叶斯Stackelberg游戏之间的用户和对手。我们的正式的方法的一个额外的好处是,LPPM的设计参数选择的优化算法。
2014-09-05 cs.CR
X-Vine: Secure and Pseudonymous Routing Using Social Networks
分布式哈希表存在多个安全和隐私漏洞,包括Sybil攻击问题。现有的基于社交网络的解决方案,以减轻在DHT路由的Sybil攻击有一个高的状态要求,并没有提供足够的隐私级别。例如,这样的技术要求用户揭示他们的社交网络联系人。我们设计了X-Vine,这是一种分布式哈希表的保护机制,完全通过社交网络链接进行通信。与传统的点对点系统一样,X-Vine提供了健壮性、可扩展性和创新平台。使用社交网络链接进行通信有助于保护参与者的隐私,并增加了以前设计中缺乏的新的信任维度。X-Vine能够抵御Sybil攻击造成的拒绝服务攻击,事实上,它是第一个只需要每个节点对数数量的状态的Sybil防御,因此适合大规模和动态设置。X-Vine还有助于保护用户社交网络联系人的隐私,并将其IP地址隐藏在社交圈之外,为匿名通信提供基础。我们首先评估我们的设计与分析和模拟,使用几个现实世界的大型社交网络拓扑结构。我们表明,X-Vine的约束允许每个攻击边缘只插入对数数量的Sybil身份;我们表明,这减轻了恶意攻击的影响,同时不影响诚实节点的性能。此外,我们的算法是有效的,保持低拉伸,并避免在网络中的热点。我们用PlanetLab实现和Facebook插件验证我们的设计。
2011-09-05 cs.CR
Raise Your Game for Split Manufacturing: Restoring the True Functionality Through BEOL
分离制造(SM)旨在防止芯片设计中的知识产权(IP)盗版。在这里,我们提出了一个计划,操纵布局和布线在一个交织的方式,从而增加了SM布局的弹性。我们的计划的关键阶段是(部分)随机化的设计,放置和路由错误的网表,并通过重新路由BEOL恢复原始设计。基于最先进的邻近攻击,我们证明了我们的方案明显优于现有技术(即,0%正确连接率)。我们的计划诱导可控PPA开销和降低商业成本(后者通过分裂在更高的层)。
2018-06-24 cs.CR
Privacy-Friendly Peer-to-Peer Energy Trading: A Game Theoretical Approach
The University of Manchester(曼彻斯特大学);KU Leuven(鲁汶大学);The University of British Columbia(不列颠哥伦比亚大学)
在本文中,我们提出了一个分散的,隐私友好的能源交易平台(PFET)的基础上博弈论的方法-特别是Stackelberg竞争。与现有的交易方案不同,PFET提供了一个竞争性市场,其中价格和需求是基于竞争确定的,并且计算以分散的方式进行,不依赖于可信的第三方。它采用同态加密密码体制对买卖双方的敏感信息进行加密,如卖方$'$价格和买方$'$需求。买家使用加密数据计算特定卖家的总需求,敏感的买家个人资料数据对卖家隐藏。因此,卖家和买家的隐私都得到了保护。通过隐私分析和性能评估,我们表明,PFET保护用户$'$隐私的有效方式。
2022-05-29 cs.AI cs.CR cs.GT
A Mean-Field Stackelberg Game Approach for Obfuscation Adoption in Empirical Risk Minimization
由于在线跟踪、可穿戴计算和物联网的发展,数据生态系统变得越来越大、越来越复杂。但隐私问题正威胁着这些系统的潜在好处。最近,用户已经开发出了模糊技术,这些技术可以发布虚假的搜索引擎查询,破坏位置跟踪算法或逃避政府监视。有趣的是,这些技术引发了两个冲突:一个是每个用户和跟踪用户的机器学习算法之间的冲突,另一个是用户本身之间的冲突。在本文中,我们使用博弈论捕捉的第一个冲突与Stackelberg游戏和第二个冲突的平均场游戏。我们结合成一个动态的和战略的双层框架,量化的准确性,使用经验的风险最小化和隐私使用差分隐私。在平衡中,我们确定了必要和充分条件,在这些条件下:1)如果其他用户正在混淆,则每个用户都被激励进行混淆,2)跟踪算法可以通过承诺一定程度的隐私保护来避免这种情况,以及3)这种承诺对于跟踪算法是激励兼容的。
2017-10-16 cs.CR
Lost in the Averages: A New Specific Setup to Evaluate Membership Inference Attacks Against Machine Learning Models
Imperial College London(帝国理工学院伦敦分校);Lausanne University Hospital (CHUV)(洛桑大学医院(CHUV))
针对成员推断攻击评估,提出模型种子博弈以替代传统博弈,避免风险被数据集平均掩盖,更准确反映特定模型或合成数据的隐私风险,实验显示高达94%高风险记录被传统方法遗漏。
2025-10-16 cs.CR cs.LG
Exploring the Privacy Risks of Adversarial VR Game Design
本研究通过VR密室逃脱游戏实验发现,对抗性设计的VR环境能在短时间内从用户动作中推断出25项以上个人隐私属性,指出主动攻击比被动观察带来的VR隐私风险更大,揭示了元宇宙场景下的新型隐私威胁。
2023-12-13 cs.CR
Virtual Private Mobile Network with Multiple Gateways for B5G Location Privacy
在超5G(B5G)场景中,我们考虑虚拟专用移动网络(VPMN),即,以设备到设备(D2D)方式直接通信并且通过多个网关连接到所述蜂窝网络的用户设备(UE)的集合。VPMN的目的是向移动网络运营商(MNO)隐藏VPMN UE的位置。我们调查的设计和性能的数据包路由内部的VPMN。首先,我们注意到,使VPMN与蜂窝网络之间的速率最大化的路由导致每个UE对网关的不平衡使用。进而,这揭示了关于VPMN UE的位置的信息。因此,我们推导出一种路由算法,其最大化VPMN速率,同时在每个网关处对每个UE施加相同的数据率,从而隐藏UE的位置。我们比较所得到的解决方案的性能,评估的VPMN实现的位置隐私,并考虑在从UE到网关的传输单跳和多跳的情况下。
2021-10-04 cs.CR cs.IT math.IT
Game Theory Based Privacy Preserving Approach for Collaborative Deep Learning in IoT
物联网(IoT)的指数级增长已成为创造创新智能设备和互联领域(包括灵巧家庭、医疗保健、交通和制造业)的超越力量。随着数十亿物联网设备的出现,大量数据不断生成,传输和存储在物联网架构的各个点。深度学习广泛应用于物联网应用中,从物联网数据中提取有用的见解。然而,物联网用户有安全和隐私问题,不愿意与第三方应用程序或利益相关者共享他们的个人数据。为了解决用户隐私问题,协作深度学习(CDL)已被广泛应用于数据驱动的应用程序中,使多个物联网设备能够在边缘网关上本地训练其模型。在本章中,我们首先讨论不同类型的深度学习方法,以及如何在物联网领域中使用这些方法。我们提出了一种用于物联网设备的隐私保护协作深度学习方法,该方法可以从系统中的其他设备中获益。使用博弈论模型从移动边缘设备的行为角度分析了这种学习方法。分析了N人静态博弈模型的纳什均衡。我们进一步提出了一种新的边缘物联网设备之间的公平协作策略,使用基于集群的方法来解决CDL游戏,该策略强制移动边缘设备进行协作。我们还提出了在现实世界的灵巧家庭部署的实施细节和评估分析。
2021-04-03 cs.CR cs.GT
Differentially Private Games via Payoff Perturbation
在本文中,我们研究了网络游戏中的球员参与信息聚合过程受差分隐私要求球员的支付功能。我们提出了一个拉普拉斯线性二次函数扰动机制,该机制用线性二次函数扰动参与者的支付函数,其系数由截断拉普拉斯分布产生。对于单调的游戏,我们表明,LLQFP机制保持的扰动支付函数和产生一个扰动NE的距离从原来的NE是有界的和可调的拉普拉斯参数调整的PURPOSE属性。我们专注于线性二次游戏,这是一个基本类型的网络游戏,玩家的收益是线性二次函数,并推导出明确的条件如何LLQFP机制,确保差分隐私与给定的隐私预算。最后,数值例子验证了LLQFP机制的优点。
2023-03-14 cs.CR cs.GT
Upgrading the protection of children from manipulative and addictive strategies in online games: Legal and technical solutions beyond privacy regulation
尽管学术界、民间社会和媒体对在线操纵儿童问题的认识不断提高,但目前的欧盟监管体系未能提供足够的保护。鉴于这一问题的普遍性,有必要将这些分散的努力结合起来,形成一个统一的、多学科的数字操纵理论,确定原因和影响,系统化关于操纵和成瘾策略的技术和法律知识,并找到有效的监管机制来填补立法空白。在本文中,我们讨论了儿童网络游戏背景下的操纵和剥削策略,提出了适用监管制度失败的一些可能原因,从思想自由的角度提出了解决这些风险的监管方法的“升级”,并提出和讨论技术方法,允许开发可验证地保护玩家隐私和自由的游戏。
2022-09-01 cs.CR cs.CY
What Do Privacy Advertisements Communicate to Consumers?
本研究通过24次半结构化访谈探讨了隐私营销对消费者态度、隐私意识及建议可操作性的影响,发现短广告在传达隐私功能方面比游戏更有效,能提升品牌形象,但并非教导使用功能的最有效方式。
2024-07-24 cs.CR cs.CY cs.HC
Location Privacy Protection Game against Adversary through Multi-user Cooperative Obfuscation
研究多用户在LBS中如何利用相互服务灵活性协同对抗最优推断攻击,提出极大极小博弈、线性规划及常数复杂度二元混淆方案,并给出最优查询顺序指导。
2023-02-17 cs.CR cs.GT
Game-Theoretic Framework for Private Data Sharing in Vehicular Networks
提出一种结合Stackelberg博弈的混合架构,通过安全多方计算和激励机制实现隐私保护的车载数据共享,实验验证了其有效性和市场可行性。
2026-06-23 cs.CR cs.GT cs.NI
A Stackelberg Game Perspective on the Conflict Between Machine Learning and Data Obfuscation
数据是新的石油;这句话在互联网跟踪、机器学习和数据分析时代被广泛重复。社会网络分析、基于cookie的广告和政府监控都是数据用于商业和国家利益的证据。然而,公众要求保护隐私的压力越来越大。诸如差分隐私之类的框架提供了机器学习算法方法来保证对信息披露的限制,但它们很少被实施。然而,最近,开发人员已经做出了巨大的努力,通过混淆工具来破坏跟踪,这些工具将用户特征隐藏在噪音的海洋中。这些服务凸显了跟踪和数据混淆之间的冲突。在本文中,我们通过用户之间的动态博弈和机器学习算法,使用经验风险最小化概念化这种冲突。首先,机器学习器声明一个隐私保护级别,然后用户通过选择自己的扰动量来做出响应。我们使用Stackelberg游戏研究用户和学习者之间的互动。效用函数使用预期损失和隐私在差分隐私的界限方面量化准确性。在均衡中,我们发现自私的用户往往会造成显着的效用损失,跟踪器的扰动严重,在一个现象让人想起公共利益的游戏。然而,跟踪器可以通过主动干扰数据本身来改善平衡。虽然在这一领域的其他工作已经研究了隐私市场和机制设计的真实报告的用户信息,我们采取了不同的观点,考虑用户和学习者的扰动。
2016-08-10 cs.CR cs.LG
Two-Party Privacy Games: How Users Perturb When Learners Preempt
本文研究了隐私与准确性的平衡,以及用户输入扰动与学习者输出扰动的交互,通过经验风险最小化、差分隐私和Stackelberg博弈框架分析,发现用户或学习者在均衡时仅扰动一方。
2016-08-10 cs.CR cs.GT cs.SY
Differentially Private Equilibrium Finding in Polymatrix Games
研究在多项矩阵博弈中满足差分隐私约束的均衡查找问题,证明在玩家数量趋于无穷时,无法同时获得高精度均衡和低隐私预算,提出一种新的分布式算法以实现同时消失的纳什差距和隐私预算。
2026-03-18 cs.AI cs.CR cs.GT
A Game-theoretic Framework for Privacy-preserving Federated Learning
Huazhong University of Science and Technology(华中科技大学);Webank(微众银行);MSRA(微软亚洲研究院);Tsinghua University(清华大学);Hong Kong University of Science and Technology(香港科技大学)
针对联邦学习中的半诚实隐私威胁,提出融合双方收益的FLPG不完全信息博弈及预言机机制,给出攻击者理性选择不攻击的条件。
2024-02-28 cs.AI cs.CR cs.GT
A Stackelberg Game Perspective on the Conflict Between Machine Learning and Data Obfuscation
New York University(纽约大学)
数据是新的石油;这句话在互联网跟踪、机器学习和数据分析时代被广泛重复。然而,随着数据汇集变得越来越个人化和普遍化,公众要求保护隐私保护的压力也越来越大。在这种氛围下,开发人员已经创建了应用程序,以向跟踪算法可见的用户属性添加噪声。当维护隐私和提高准确性的激励措施不一致时,这就在跟踪者和用户之间建立了一种战略互动。在本文中,我们通过一个N+1-玩家,增广Stackelberg游戏概念化这种冲突。首先,机器学习器声明一个隐私保护级别,然后用户通过选择他们自己的扰动量来做出响应。我们使用差分隐私和经验风险最小化的一般框架来量化的效用组件,由于隐私和准确性,分别。在平衡中,每个用户独立地干扰她的数据,这导致准确性的高净损失。为了补救这种情况下,我们表明,学习者提高了他的效用,主动扰动自己的数据。虽然在这一领域的其他工作已经研究了隐私市场和机制设计的真实报告的用户信息,我们采取了不同的观点,考虑用户和学习者的扰动。
2016-12-08 cs.CR cs.GT cs.LG
Adversarial Image Perturbation for Privacy Protection -- A Game Theory Perspective
Max Planck Institute for Informatics(马克斯·普朗克信息学研究所)
用户喜欢通过社交媒体与他人分享个人照片。与此同时,他们可能想让这些照片中的自动识别变得困难甚至不可能。经典的模糊处理方法,如模糊处理,不仅令人不快,而且也不像人们期望的那样有效。对抗性图像扰动(AIP)的最新研究表明,它是可能的,没有令人不快的伪影,有效地混淆识别系统。然而,在存在针对AIP的反措施的情况下,尚不清楚AIP的有效性,特别是在反措施的选择未知的情况下。博弈论提供了工具来研究代理之间的相互作用与不确定性的战略。我们介绍了一个一般的游戏理论框架的用户识别器的动态,并提出了一个案例研究,涉及目前最先进的AIP和个人识别技术。我们推导出最佳的策略,为用户,确保上界的识别率独立的识别器的反措施。代码可在https://goo.gl/hgvbNK上获得。
2017-07-26 cs.CR cs.CV cs.GT