Emerging Privacy Issues and Solutions in Cyber-Enabled Sharing Services: From Multiple Perspectives
共享服务的快速发展已经成为网络世界建设过程中的重要组成部分，因为共享服务重塑了人们交换和获得商品或服务的方式。然而，隐私泄露或披露仍然是共享服务开发过程中的一个关键问题。虽然近年来已经做出了重大努力来解决各种隐私问题，但令人惊讶的是，在网络共享世界中缺乏对隐私问题的审查。为了弥合差距，在这项研究中，我们调查和评估现有的和新出现的隐私问题，从不同的角度共享服务。与现有的调查各领域共享实践的类似工作不同，我们的工作全面涵盖了网络世界中共享服务的六个分支，并选择了近五到六年的解决方案。本文从用户、平台和服务提供商三个角度总结了存在的问题和解决方案。通过对研究热点和较少讨论的问题的分析，为今后的研究提供了参考。
2019-02-28 cs.CR cs.CY
Emerging Biometric Modalities and their Use: Loopholes in the Terminology of the GDPR and Resulting Privacy Risks
技术进步使生物识别应用比以往任何时候都更加无所不在。本文认为，在目前的欧盟数据保护法规，分类应用程序使用的生物特征数据得到较少的保护相比，生物特征识别。我们分析了监管语言中的先决条件，并探讨了这如何有可能成为基于情感等软特征对个人进行分类的处理操作的独特隐私风险的来源。这可能会对个人自由和人权产生重大影响，因此应进行数据保护影响评估。
2022-11-23 cs.CR cs.CY
SoK: Evaluating 5G Protocols Against Legacy and Emerging Privacy and Security Attacks
本文提出蜂窝网络隐私与安全攻击研究框架，系统梳理5G前攻击、5G至Release 19的缓解机制及新型5G攻击，并指出开放问题与未来方向。
2024-09-10 cs.CR cs.NI
A Taxonomic Approach to Understanding Emerging Blockchain Identity Management Systems
身份管理系统（IDM）被广泛用于提供用户身份，同时管理组织内和Web上的身份验证、授权和数据共享。传统的身份系统通常存在单点故障、缺乏互操作性和隐私问题，例如启用大规模数据汇集和用户跟踪。区块链技术有可能缓解这些担忧：它可以支持用户控制自己的标识符和凭据的保管能力，从而实现具有内置控制和同意机制的新型数据所有权和治理模型。因此，可以使用户和企业受益的基于区块链的IDM开始激增。这项工作根据区块链架构、治理模型和其他显著特征的差异将这些系统分类。通过描述相关术语、新兴标准和用例，同时强调相关的安全性和隐私注意事项，为分类法提供了上下文。
2020-01-15 cs.CR
Comprehensive Study of Security and Privacy of Emerging Non-Volatile Memories
在硅路线图的最后，将泄漏功率保持在可容忍的限度内并弥合处理器和存储器之间的带宽差距已成为一些最大的挑战。几种有前途的非易失性存储器（NVM），例如自旋转移力矩RAM（STTRAM）、磁性RAM（MRAM）、相变存储器（PCM）、电阻式RAM（RRAM）和铁电RAM（FeRAM）正在被研究以解决上述问题，因为它们提供高密度并且消耗零泄漏功率。一方面，新兴的NVM的理想属性使它们成为包括替换传统存储器在内的几种应用的合适候选者。另一方面，其独特的特性，如高和不对称的读/写电流和持久性带来了新的威胁，数据的安全和隐私。这些存储器中的一些已经部署在完整的系统中并作为分立芯片，并且被认为在未来的计算设备中变得无处不在。因此，调查他们的安全和隐私问题至关重要。请注意，这些NVM可以考虑用于缓存、主内存或存储应用程序。它们也适合于实现内存计算，从而提高系统吞吐量并消除冯诺依曼瓶颈。具有计算能力的NVM带来了新的安全和隐私挑战，这些挑战与其存储对应物有着根本的不同。这项工作确定NVM漏洞，攻击向量从设备级一直到电路和系统，同时考虑存储和计算应用。我们还总结了电路/系统级的对策，使NVM强大的安全和隐私问题。
2021-05-13 cs.CR cs.ET
A systematic literature review on Virtual Reality and Augmented Reality in terms of privacy, authorization and data-leaks
近年来，VR和AR已经成为一个百万富翁市场。随着这项新兴技术已经传播到各种企业，并在用户中迅速增加。解决这些技术可能带来的潜在隐私和安全问题至关重要。在这项研究中，我们讨论了VR和AR中隐私和安全的现状。我们分析可能的问题和风险。此外，我们将详细介绍AR和VR的一些主要问题和相关安全解决方案。此外，由于VR和AR认证是该问题研究最彻底的方面，因此我们专注于该领域已经完成的研究。
2022-12-09 cs.CR
Privacy in trajectory micro-data publishing : a survey
我们调查了关于轨迹微观数据隐私的文献，即，关于个人流动性的时空信息，由于新兴的信息和通信技术，收集这些信息变得越来越简单和频繁。我们审查的重点是隐私保护数据发布（PPDP），即，公布轨迹微观数据数据库，保护受监测个人的隐私。我们分类并介绍了针对轨迹微数据的攻击文献，以及迄今为止为保护数据库免受此类攻击而提出的解决方案。本文作为一个关键主题的介绍性阅读，在一个越来越意识到与数字服务相关的隐私风险的时代，并提供了对开放问题和未来研究方向的见解。
2020-05-13 cs.CR
Digital Privacy Under Attack: Challenges and Enablers
本文系统梳理数据驱动系统中针对匿名数据、统计聚合和隐私保护模型的隐私攻击及防御措施，分析隐私—效用权衡，并指出差分隐私的实现挑战与未来研究方向。
2025-09-29 cs.CR
Privacy Challenges In Image Processing Applications
本文综述图像处理中的隐私挑战与差分隐私、安全多方计算、同态加密及匿名化等保护技术，指出隐私与效用平衡仍是难题，并提出抗量子密码、联邦学习等未来方向。
2025-05-07 cs.CR
Differential Privacy for Industrial Internet of Things: Opportunities, Applications and Challenges
物联网（IoT）的发展给各个领域带来了新的变化。特别是工业物联网（IIoT）正在推动新一轮工业革命。随着IIoT的应用越来越多，隐私保护问题也随之出现。特别是深度模型等工业物联网技术中的一些常用算法对数据汇集的依赖性很强，存在隐私泄露的风险。最近，差分隐私被用于保护IIoT中的用户终端隐私，因此有必要对该主题进行深入研究。在本文中，我们对IIoT中差分隐私的机遇，应用和挑战进行了全面的调查。我们首先回顾了IIoT和隐私保护的相关论文。然后重点研究了工业数据隐私的度量标准，分析了数据用于深度模型和个人隐私保护之间的矛盾。总结了几个有价值的问题，并提出了新的研究思路。综上所述，本研究旨在完成对产业差分隐私的全面总结，为后续研究奠定基础。
2021-05-27 cs.CR
BlockChain: A distributed solution to automotive security and privacy
互联的智能汽车提供了一系列复杂的服务，使车主、运输当局、汽车制造商和其他服务提供商受益。这可能会使智能车辆面临一系列安全和隐私威胁，例如位置跟踪或远程劫持车辆。在这篇文章中，我们认为区块链（BC）是一种颠覆性的技术，已经发现了从加密货币到智能合约的许多应用，是应对这些挑战的潜在解决方案。我们提出了一个基于BC的架构，以保护用户的隐私，并增加车辆生态系统的安全性。无线远程软件更新和其他新兴的服务，如动态车辆保险费，被用来说明所提出的安全架构的功效。我们还定性地论证了该架构对常见安全攻击的弹性。
2017-09-29 cs.CR
Interval Privacy: A Framework for Privacy-Preserving Data Collection
公众对数据隐私的意识和政府对数据隐私的监管不断增强，这激发了收集和分析数据的新模式，这些模式对数据所有者来说是透明的和可接受的。我们提出了一个新的概念，隐私和相应的数据格式，机制和理论的私有化数据在数据汇集。隐私，命名为区间隐私，强制私有化数据的原始数据的条件分布是相同的，其无条件分布在一个非平凡的支持集。相应地，所提出的隐私机制将每个数据值记录为包含它的随机区间（或者更一般地，范围）。所提出的区间隐私机制可以通过基于调查的数据汇集接口容易地部署，例如，通过询问应答者其数据值是否在随机生成的范围内。区间机制的另一个独特之处在于，它们混淆了事实，但并不扰乱事实。使用窄范围来传递信息是对流行的扰动数据范式的补充。此外，间隔机制可以根据个人的判断生成逐步细化的信息，自然导致隐私自适应的数据汇集。我们开发了不同方面的理论，如组成，鲁棒性，分布估计和回归学习区间值数据。区间隐私提供了一个以人为中心的数据隐私的新视角，其中个人有一个可感知的，透明的，简单的方式来共享敏感数据。
2022-04-19 cs.CR
FedFDP: Fairness-Aware Federated Learning with Differential Privacy
East China Normal University（华东师范大学）；Stevens Institute of Technology（史蒂文斯理工学院）；Nanyang Technological University（南洋理工大学）
FedFDP通过引入差分隐私和公平感知梯度裁剪技术，提升联邦学习在公平性和隐私保护方面的性能
2026-01-07 cs.CR
Governing autonomous vehicles: emerging responses for safety, liability, privacy, cybersecurity, and industry risks
Lee Kuan Yew School of Public Policy, National University of Singapore（新加坡国立大学李光耀公共政策学院）
自动驾驶汽车（AV）的好处得到了广泛的认可，但人们对这些好处的程度以及AV风险和意外后果表示担忧。在本文中，我们首先研究了自动驾驶汽车和与之相关的不同类别的技术风险。然后，我们探讨可以采取的战略，以解决这些风险，并探讨新兴的反应，政府为解决AV风险。我们的分析表明，到目前为止，各国政府在大多数情况下避免采取严厉措施，以促进反车辆地雷的发展，大多数反应是不具约束力的，并侧重于建立理事会或工作组，以更好地探讨反车辆地雷的影响。美国一直积极引入立法，以解决与隐私和网络安全有关的问题。特别是英国和德国，已经制定了法律来解决责任问题，其他国家大多承认这些问题，但尚未实施具体的战略。为了应对隐私和网络安全风险，采取了各种战略，从引入或修订非反车辆特定立法到建立工作组。对环境和就业风险等问题的关注要少得多，尽管一些政府已开始实施方案，对可能受到不利影响的工人进行再培训。
2018-07-16 cs.AI cs.CR cs.CY
Privacy-Preserving Prompt Injection Detection for LLMs Using Federated Learning and Embedding-Based NLP Classification
Wayamba University of Sri Lanka（斯里兰卡瓦亚姆巴大学）
针对LLM提示注入攻击检测需集中数据导致隐私风险的问题，提出基于联邦学习和嵌入分类的隐私保护检测框架，通过联邦逻辑回归模型实现与集中式相当的检测性能且无需暴露原始数据。
2025-11-15 cs.CR
Children's Voice Privacy: First Steps And Emerging Challenges
University of Lisbon（里斯本大学）；Idiap Research Institute（Idiap研究机构）；INESC-ID；Instituto Superior Técnico（技术高等学院）
本研究首次系统评估面向成人设计的语音匿名化技术在儿童语音上的表现，发现其虽能保护隐私但效用下降显著，并揭示了自动评估方法的不足。
2025-06-04 cs.AI cs.CL cs.CR
Smart Car Privacy: Survey of Attacks and Privacy Issues
本文综述了智能汽车网络架构、安全演进及VANETs中的攻击与隐私问题，并分类了防御机制，强调安全与隐私在车联网中的重要性。
2025-08-05 cs.CR
A Survey on Privacy-Preserving Computing in the Automotive Domain
该综述针对联网自动驾驶汽车的数据隐私保护挑战，梳理了安全多方计算（MPC）与同态加密（HE）在汽车多场景中的隐私敏感用例及相关研究，明确技术适用性并指出研究空白，为该新兴领域提供全面概述以推动后续研究。
2025-08-03 cs.CR
Emerging Paradigms for Securing Federated Learning Systems
Department of Computer Science（计算机科学系）；Tennessee Technological University（田纳西技术大学）
本综述考察了联邦学习中增强隐私和效率的新兴范式（如TEE、PUF、量子计算等），评估其优劣，并指出开放挑战与未来研究方向。
2025-09-25 cs.AI cs.CR cs.ET
A Survey on Privacy of Personal and Non-Personal Data in B5G/6G Networks
即将到来的超5G（B5 G）和6 G网络预计将提供增强的功能，例如超高数据率、密集连接和高可扩展性。它为人工智能（AI）和数十亿互联智能设备驱动的新一代服务提供了许多可能性。然而，随着这一预期的大规模升级，个人、组织和国家的隐私正在成为一个日益关注的问题。最近针对个人和非个人数据的隐私法律和法规的出台表明，全球对当前隐私领域的认识正在兴起。然而，在两种数据类型的情况下，需要确定许多差距。如果未被检测到，它们可能会导致严重的隐私泄露和攻击，影响数十亿使用B5 G/6 G的人和组织。本次调查是对B5 G/6 G中个人和非个人数据隐私的全面研究，旨在确定确保数据隐私的当前进展和未来方向。我们提供了两种数据类型的详细比较，以及一组B5 G/6 G的相关隐私目标。接下来，我们将介绍数据隐私问题以及可能的解决方案。本文还提供了在未来网络中保护个人和非个人数据隐私的未来方向。
2022-12-14 cs.CR
AutoGAN-based Dimension Reduction for Privacy Preservation
保护敏感信息不受数据挖掘攻击是数据采掘中一个新兴的研究领域。在过去，已经引入了几种不同的方法来保护个人隐私免受此类攻击，同时最大限度地提高应用程序的数据效用。然而，这些现有技术不足以有效地保护数据所有者隐私，特别是在利用可可视化数据（例如，图像、视频）的场景中或需要大量计算来实现的应用中。为了解决这些问题，我们提出了一种新的降维为基础的隐私保护方法。我们的方法生成用于执行机器学习任务的降维数据，并防止强大的对手重建原始数据。我们首先介绍了一种理论方法来评估降维为基础的隐私保护机制，然后提出了一个非线性降维框架的最先进的神经网络结构的隐私保护。我们在三个不同的人脸图像数据集（AT&T，YaleB和CelebA）上进行了实验，结果表明，当维数减少到7时，我们可以分别达到79%，80%和73%的准确率，并且重建的图像是不可识别的。
2021-07-27 cs.CR
How Resilient is QUIC to Security and Privacy Attacks?
本文系统审视QUIC面临的安全与隐私威胁，分析IETF近期缓解措施及后量子密码学握手的新挑战，揭示理论防御与实际部署的差距，并提出自适应隐私机制等未来研究方向，以确保QUIC长期安全。
2025-07-01 cs.CR cs.NI
A review of information security aspects of the emerging COVID-19 contact tracing mobile phone applications
本文讨论了针对COVID-19大流行的基于手机的接触者追踪的新兴实践的数据可靠性和用户隐私方面。许多国家和大型技术公司已经使用或计划设计和使用基于移动电话的解决方案，以努力紧急加快识别可能接触过这种疾病的人的过程，并限制其向一般人群的传播。然而，人们对所收集数据的有效性以及所实施的方法可能侵犯移动电话用户隐私的程度表示严重关切。本次审查审查了现有实施的弱点，并提出了具体建议，这些建议有助于提高收集和处理此类信息的基础设施的安全性，以及公众对这些解决方案的采用和接受。
2020-05-31 cs.CR cs.CY
Security and Privacy in Big Data Sharing: State-of-the-Art and Research Directions
大数据共享（Big Data Sharing，BDS）是指数据所有者共享数据，使用户能够根据协议查找、访问和使用数据的行为。近年来，由于其广泛的应用，例如大数据交易和跨域数据分析，BDS已经成为一个新兴的话题。然而，由于BDS平台涉及多方，因此出现了安全和隐私侵犯问题。已经有许多解决方案用于在不同的大数据操作中增强安全性和保护隐私（例如，数据操作、数据检索、数据共享和数据外包）。据我们所知，目前还没有专门针对这些安全和隐私解决方案的广泛和系统性发展的调查。在这项研究中，我们对为解决BDS中的安全和隐私问题而引入的最先进的解决方案进行了全面调查。为了更好地理解，我们首先介绍了BDS的一般模型，并确定了安全和隐私要求。我们根据确定的要求讨论和分类最先进的BDS安全和隐私解决方案。最后，基于所获得的见解，我们提出并讨论了新的有前途的研究方向。
2022-10-17 cs.CR
Extended Capabilities for a Privacy-Enhanced Participatory Sensing Infrastructure (PEPSI)
感知是一种创新的计算模式，其目标是无处不在的始终连接的移动电话及其传感能力。在这种情况下，许多开创性的应用程序越来越多地进行信息和环境数据的普遍收集和传播，例如交通状况，污染，温度等。参与者从他们的移动设备收集和报告测量结果，并将其委托给云，以便应用程序和用户使用。当然，由于与报告相关联的个人信息（例如，位置、移动等），在大规模部署这些应用之前，需要考虑许多隐私问题。出于对隐私保护的需要，在分布式传感，这项工作提出了PEPSI：隐私增强分布式传感基础设施。我们探索现实的架构假设和一组最小的正式要求，旨在保护数据生产者和消费者的隐私。我们提出了两个实例，达到隐私保证可证明的安全性，在非常低的额外计算成本和几乎没有额外的通信开销。
2013-08-13 cs.CR
Privacy-Preserving Data in IoT-based Cloud Systems: A Comprehensive Survey with AI Integration
本综述系统梳理物联网云系统中隐私保护技术，分类分析加密、匿名化、访问控制及AI融合方法，揭示动态匿名化、同态加密和AI驱动控制等趋势，为相关领域提供全面参考。
2024-01-01 cs.CR
A survey on Blockchain-based applications for reforming data protection, privacy and security
在过去的几年里，许多尖端技术显著地改变了现代社会、经济和工业，还有更多的技术正在开发和早期实施中，这反过来又会导致更广泛的采用和更大的改变。区块链技术以及其他新兴技术预计将在某些领域改变全球商业和个人生活方式的几乎所有方面。它一直在传播，从金融服务到医疗保健，供应链和网络安全的多部门应用程序与日俱增。同时，在数字世界中，数据保护和隐私是客户，公司和政策制定者也认真考虑的最大问题，因为最近报告的事件中安全漏洞和监视的增加。在这种情况下，区块链有能力和潜力彻底改变在线世界中个人数据的信任，安全和隐私。因此，本文的目的是研究区块链应用于隐私和安全领域改革的实际案例，讨论其影响以及机遇和挑战。
2020-09-01 cs.CR
A Systematic Review and Taxonomy for Privacy Breach Classification: Trends, Gaps, and Future Directions
The Beacom College of Computer；Cyber Sciences Dakota State University Madison, USA
本文通过系统综述和分类法，分析隐私泄露分类的研究趋势、缺口及未来方向，指出泄露检测和预测模型等领域的研究潜力。
2025-05-19 cs.CR
PFirewall: Semantics-Aware Customizable Data Flow Control for Home Automation Systems
新兴的物联网（IoT）平台为集成异构IoT设备和部署家庭自动化应用提供了方便的解决方案。然而，随着设备数据现在流向物联网平台，严重的隐私威胁出现了，这些平台可能会受到各种攻击。我们在新兴的家庭自动化系统中观察到两种对隐私不友好的做法：首先，流向平台的大多数数据都是多余的，因为它们不会触发任何家庭自动化;其次，房主目前对他们的数据几乎没有控制权。我们提出PFirewall，一个可定制的数据流控制系统，以提高用户的隐私。PFirewall分析自动化应用程序以提取其语义，这些语义自动转换为数据最小化策略;这些策略仅将最小化的数据流发送到平台以执行应用程序，因此攻击者推断用户隐私的能力受到严重损害。此外，PFirewall还为用户提供功能和接口，以根据个人隐私偏好定义和实施可自定义的策略。PFirewall采用优雅的中间人设计，透明地执行数据最小化和用户定义的策略来处理原始数据流，并在IoT设备和平台之间（通过集线器）调解处理后的数据，而无需修改平台或IoT设备。我们实现了PFirewall与两个流行的平台：SmartThings和openHAB，并建立了两个现实世界的测试床，以评估其性能。评估结果表明，PFirewall非常有效：它将发送到平台的物联网数据减少了97%，并成功执行了用户定义的策略。
2019-10-22 cs.CR
Beyond Data Privacy: New Privacy Risks for Large Language Models
Department of Computer Science, Purdue University（计算机科学系，普渡大学）；Alibaba（阿里巴巴）
本文探讨了大型语言模型在部署过程中出现的新隐私风险，并提出缓解策略以应对日益强大的LLMs带来的威胁。
2026-01-26 cs.AI cs.CR cs.LG
Privacy-Preserving Cloud Computing: Ecosystem, Life Cycle, Layered Architecture and Future Roadmap
隐私保护云计算是一种新兴的技术，在各个领域有着广泛的应用。云计算很重要，因为它允许可伸缩性、适应性和改进的安全性。同样，云计算中的隐私也很重要，因为它确保了存储在云上的数据的完整性保持不变。这篇关于隐私保护云计算的调查论文可以为相关领域的未来研究铺平道路。本文通过建立一个分层的架构以及一个生存周期和一个隐私保护云系统的生态系统，以及确定该领域研究的现有趋势，帮助确定现有的趋势。
2022-04-23 cs.CR cs.CY
A Survey on Machine Unlearning: Techniques and New Emerged Privacy Risks
本文系统综述了机器遗忘技术，重点分析其在定义、实现和应用中的隐私脆弱性，并探讨最新恶意攻击带来的新隐私威胁。
2024-06-10 cs.CR
Future Scenarios and Challenges for Security and Privacy
在过去的半个世纪里，技术的发展超出了我们最疯狂的梦想。然而，虽然技术发展的好处是不可否认的，但新生的互联网并没有预料到我们经常遇到的在线威胁及其可能造成的危害。随着我们的世界变得越来越紧密，我们必须考虑当前和未来的技术对安全和隐私的影响。我们通过调查行业，学术界和国际组织的30个预测来应对这一挑战，以提取一些共同的主题。通过此，我们提炼出10种新出现的场景，并反思这些场景可能对一系列利益相关者产生的影响。考虑到最佳实践的差距和进一步研究的要求，我们探讨了安全和隐私在未来十年可能如何演变。我们发现，现有的指导方针既没有考虑利益相关者之间的关系，也没有解决可穿戴设备和内部威胁带来的新风险。我们的方法严格分析了新出现的情况，并提出了未来的改进建议，这对于我们预防新的技术威胁至关重要。
2018-07-16 cs.CR cs.CY
A Synergistic Approach to Digital Privacy
本文概述了IEEE领导数字隐私的方法，以调整现有的许多IEEE协会和努力领域的计算机系统和应用程序安全，组织和全球架构，政策支持立法，制定新的标准，将合规性融入技术，并帮助设计决策委员会的基础设施管理机构。目前对隐私技术发展的重点主要集中在大型企业和机构，导致该行业主要支持企业资产保护。培育技术以增强个人隐私保护工具的能力已经落后，个人隐私已经减少，因为企业大数据应用程序已经在利用私人数据方面进行了大量投资。作为最大的以个人成员为基础的组织之一，IEEE被敦促开发一种利用隐私使能技术的数字隐私协作方法，以使其成员受益。概述的建议定义了一个可能导致未来全球个性化隐私功能的前景，这些功能采用协同技术的组合，如分布式账本，差分隐私，同态加密，安全分布式多方计算，零信任架构，数据来源证明，软件或其他技术。这样的努力将涉及社区参与和推广，学术同行评审活动，建立治理机构，协调和扩展现有标准，以及开发公众可访问的原型。与其他IEEE赞助的交易能源系统、医疗记录和设备的保密性和安全性以及其他IEEE资助的项目合作，将有助于扩大在这些新兴技术应用中已经在进行的数字隐私投资。
2021-03-27 cs.CR
Privacy's Peril: Unmasking the Unregulated Underground Market of Data Brokers and the Suggested Framework
该研究聚焦数据经纪商行业的法律监管困境，梳理了数据经纪商的定义、信息收集方式及行业难题，结合欧盟GDPR提出监管方案，并给出相关分析结论。
2024-10-06 cs.CR
Curator Attack: When Blackbox Differential Privacy Auditing Loses Its Power
本文揭示了黑盒差分隐私审计因忽略小概率而存在根本性缺陷，提出基于假设检验的假阳性分析，并通过实验证明恶意数据策展者可借此以夸大隐私保证通过审计，呼吁开发更可靠的审计方法。
2024-11-25 cs.CR
RSPP: A Reliable, Searchable and Privacy-Preserving e-Healthcare System for Cloud-Assisted Body Area Networks
云计算和物联网（IoT）的集成通过在患者参与、生产力和风险缓解方面提供全面改进，正在迅速成为医疗保健行业数字化转型的关键推动因素。这种模式的转变虽然为医疗保健组织带来了许多好处和新的机会，但也引发了许多安全和隐私问题。在本文中，我们提出了一个可靠的，可搜索的和隐私保护的电子医疗系统，它利用新兴的云存储和物联网基础设施，使医疗服务提供商（HSP）实现远程病人监护在一个安全的和符合法规的方式。我们的系统是建立在一个新的动态搜索对称加密方案与前向隐私和委托验证定期生成的医疗保健数据。虽然前向隐私是通过在物联网网关处为每个关键字维护递增的计数器来实现的，但数据所有者委托的可验证性来自布隆过滤器和聚合消息认证代码的组合。此外，我们的系统能够通过数据所有者协助或授权来支持多个HSP。详细的安全性分析以及大量的模拟上的一个大型数据集，数百万条记录证明了实际的效率，所提出的系统，为现实世界的医疗保健应用。
2017-02-11 cs.CR
Subset Privacy: Draw from an Obfuscated Urn
随着收集和分析个人数据的能力的迅速提高，数据隐私成为一个新兴的问题。在这项工作中，我们开发了一个新的本地隐私的统计概念，以保护将由不可信的实体收集的每个分类数据。所提出的解决方案称为子集隐私，通过用包含该值的随机子集替换原始数据值来将其私有化。我们开发的方法估计的分布函数和独立性测试的子集私有数据的理论保证。我们还研究了不同的机制来实现子集隐私和评估指标，以量化在实践中的隐私量。模拟和真实世界的数据集上的实验结果表明，令人鼓舞的性能的概念和方法。
2021-07-02 cs.CR stat.ME
A Privacy-Preserving, Accountable and Spam-Resilient Geo-Marketplace
具有丰富功能的移动设备可以沿着用户轨迹记录视频、交通参数或空气质量读数。虽然这些数据可能很有价值，但用户很少因收集这些数据而获得奖励。新兴的数字市场允许所有者向感兴趣的买家宣传他们的数据。我们专注于地理市场，买家根据地理标签搜索数据。这些市场带来了重大挑战。首先，如果所有者上传带有暴露的地理标签的数据，他们将面临严重的隐私风险。其次，所有者必须对广告数据负责，并且不得允许随后更改地理标签。第三，这样的系统可能容易受到密集的垃圾邮件活动的影响，其中不诚实的所有者用虚假广告淹没系统。我们提出了一个地理市场，解决所有这些问题。我们采用可搜索加密、数字承诺和区块链来保护所有者的位置隐私，同时纳入问责制和垃圾邮件弹性机制。我们实现了一个原型，两种替代设计，获得不同的信任假设和性能之间的权衡。我们在真实位置数据上的实验表明，可以实现上述设计目标，具有实用的性能和合理的财务开销。
2019-09-30 cs.CR
Big Data: Opportunities and Privacy Challenges
数据汇集和计算统计学的最新进展，加上计算机处理能力的提高，以及存储成本的暴跌，使得有效分析大量异构数据集的技术无处不在。通过将这些技术（通常称为大数据技术）应用于越来越多的内部和外部数据源，企业和机构可以发现数据项之间隐藏的相关性，并提取创新和经济增长所需的可操作见解。一方面，大数据技术带来了巨大的前景，另一方面，它们提出了关键的安全、隐私和道德问题，如果不加以解决，这些问题可能成为实现大数据预期机遇和长期成功的重大障碍。在本文中，我们讨论了大数据对个人和整个社会的好处，重点关注七个关键用例：大数据用于业务优化和客户分析，大数据和科学，大数据和医疗保健，大数据和金融，大数据和新兴的能源分配系统，大/开放数据作为政府开放和效率的推动因素，以及大数据安全。除了利益和机会，我们还讨论了安全，隐私和道德问题。
2015-02-03 cs.CR
OPTT: Optimal Piecewise Transformation Technique for Analyzing Numerical Data under Local Differential Privacy
隐私保护数据分析（PPDA）由于其广泛的应用而受到越来越多的关注。本地差分隐私（LDP）作为一种适用于PPDA的新兴标准，已被广泛部署到各种现实场景中，用于分析海量数据，同时防止多种形式的隐私泄露。在本研究中，我们主要关注于分析局部差分隐私下数值资料的分段转换技术（PTT）。本文提出了一个基于LDP的PTT原则框架，并在此基础上对PTT进行了系统的研究。结果表明：（1）PTTs中的许多成员在用于获得数值数据均值的无偏估计时是渐近最优的;（2）对于给定的隐私预算，存在达到方差理论下限的PTT.接下来，我们通过详细研究两类PTT来证明：（1）与常用技术相比，不存在最佳PTT，即，Duchi的方案，在一致性噪声方差方面，（2）另一方面，人们有能力找到大量的PTT，这些PTT在最坏情况的噪声方差方面始终比后者更优，这是迄今为止从未报道过的。当我们被限制为只考虑高隐私级别时，足够的PTT比众所周知的拉普拉斯机制更优。最后，我们证明了，对于一个家庭的PTT，相应的噪声方差的理论下界遵循$O(ε^{-2})$时，考虑到高的隐私水平。
2021-12-09 cs.CR
CryptoNN: Training Neural Networks over Encrypted Data
University of Pittsburgh（匹兹堡大学）
新兴的基于神经网络的机器学习技术（诸如深度学习及其变体）已经在许多应用领域中显示出巨大的潜力。然而，当从用户收集的数据用于训练神经网络模型以支持预测任务时，由于高度隐私敏感数据的泄漏风险，它们引起了严重的隐私问题。为了解决这种严重的隐私问题，在文献中已经提出了几种隐私保护方法，这些方法使用安全多方计算（SMC）或同态加密（HE）作为底层机制。然而，这些加密方法都没有提供有效的解决方案来构建隐私保护机器学习模型，以及支持训练和推理阶段。为了解决上述问题，我们提出了一个CryptoNN框架，该框架通过使用新兴的函数加密方案而不是SMC或HE来支持在加密数据上训练神经网络模型。我们还构造了一个函数加密方案的基本算术计算，以支持建议的CryptoNN框架的要求。我们提出了性能评估和安全性分析的基础加密方案，并通过我们的实验表明，CryptoNN达到的准确性是类似的基准神经网络模型的MNIST数据集。
2019-04-26 cs.CR cs.LG
Participatory Privacy: Enabling Privacy in Participatory Sensing
感知是一种新兴的计算范式，它使分布式数据收集的自我选择的参与者。它允许越来越多的移动电话用户分享他们的传感器设备获得的本地知识，例如，监测温度、污染水平或消费者定价信息。虽然研究计划和原型激增，但其现实世界的影响往往局限于全面的用户参与。如果用户没有动机，或者觉得他们的隐私可能会受到威胁，他们很可能不会参与。在这篇文章中，我们专注于隐私保护的感知和介绍一个合适的隐私增强的基础设施。首先，我们为两个数据生产者提供了一组隐私要求的定义（即，提供感测信息的用户）和消费者（即，应用程序访问数据）。然后，我们提出了一个有效的解决方案，专为移动电话用户，这会导致非常低的开销。最后，我们讨论了一些开放的问题和可能的研究方向。
2013-02-08 cs.CR cs.NI
Toward the Cure of Privacy Policy Reading Phobia: Automated Generation of Privacy Nutrition Labels From Privacy Policies
提出首个从隐私政策自动生成隐私营养标签的框架，以解决隐私政策阅读恐惧症，在数据收集实践上F1为0.75，安全实践平均F1为0.93，能检测90.1%低报问题。
2023-06-19 cs.CR cs.SE
Privacy as a Service in Digital Health
隐私是健康持续数字化的关键挑战。即将出台的《欧洲通用数据保护条例》（GDPR）正在将这一挑战转化为监管指令。用户同意的提供和跨数据服务的协调将是应对这一挑战的关键。我们建议一个隐私驱动的架构，提供工具，提供用户同意作为一种服务。这使得管理和重用大量数据源，个人和服务之间的私人健康信息成为可能，即使他们事先并不知道。该架构将数据安全和语义描述集成到一个信任查询框架中，为未来的健康服务提供所需的互操作性和合作支持。这种方法通过更安全的数据管理、成本和流程节约、多提供商服务以及基于新兴业务模式的服务，为所有利益相关者带来好处。
2016-05-03 cs.CR cs.CY
Federated Analytics-Empowered Frequent Pattern Mining for Decentralized Web 3.0 Applications
本文提出FedWeb，一种针对Web 3.0频繁模式挖掘的联邦分析设计，基于分布式差分隐私和候选过滤方案，在保证结果正确性的同时显著减少参与数据所有者数量并提升数据效用。
2024-02-15 cs.CR cs.DC
Privacy-Preserving Large Language Models: Mechanisms, Applications, and Future Directions
University of California San Diego（加州大学圣地亚哥分校）
本文是一篇大语言模型隐私保护领域的综述，梳理了差分隐私、联邦学习等四类隐私保护机制的效用与权衡，分析了敏感领域的应用案例与局限，并指出隐私原生设计的未来研究方向。
2024-12-09 cs.AI cs.CR
BYOD, Personal Area Networks (PANs) and IOT: Threats to Patients Privacy
FISMA和HIPPA法案的通过强制执行了各种安全控制措施，以确保患者数据的隐私。法律要求医院和保健组织确保以安全的方式存储和传播患者数据。然而，自带设备（BYOD）、移动设备、即时消息（如WhatsApp）和云技术的出现带来了新的挑战。物联网（IOT）的出现使问题进一步复杂化，因为组织没有充分认识到数据隐私威胁的所有方面。医生和卫生保健从业人员需要了解需要保护和控制的各种新的数据存储和传输途径。在本文中，我们将探讨物联网、自带设备（BYOD）和个人局域网（PAN）技术对患者隐私数据构成的各种威胁和挑战。最后，我们提供了一项调查的结果，该调查衡量了医疗保健专业人员对患者隐私的新威胁的理解深度
2019-02-18 cs.CR cs.CY
When Crowdsensing Meets Federated Learning: Privacy-Preserving Mobile Crowdsensing System
School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院）；College of Mathematics and Computer Science, Fuzhou University（福州大学数学与计算机科学学院）；Peng Cheng Laboratory（鹏城实验室）；School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院）
移动众测是一种新兴的感知数据汇集模式，具有可扩展性、低部署成本和分布式等特点。传统的MCS系统受到隐私问题和公平奖励分配的影响。此外，现有的隐私保护MCS解决方案通常关注数据汇集的隐私保护，而不是数据处理的隐私保护。为了解决MCS面临的问题，本文将联邦学习（FL）融入MCS，提出了一种隐私保护的MCS系统\textsc{CrowdFL}。具体来说，为了保护隐私，参与者通过联邦学习在本地处理传感数据，只上传加密的训练模型。特别地，提出了一种隐私保护的联邦平均算法来平均加密的训练模型。为了减少抑制丢弃参与者的计算和通信开销，设计了丢弃和重传策略。此外，设计了一种隐私保护的发布定价激励机制，试图打破隐私保护和数据评估的困境。理论分析和实际MCS应用的实验结果表明，所提出的\textsc{CrowdFL}能够有效地保护参与者的隐私，是可行和有效的。
2021-02-20 cs.CR cs.LG
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
Privacy in the Age of AI: A Taxonomy of Data Risks
University of Technology Sydney（悉尼科技大学）
针对传统隐私框架不适用于AI系统的问题，本文基于45项研究构建了含4大类19项风险的AI隐私风险分类体系，指出人为失误是核心影响因素，为可信AI发展和后续研究提供支撑。
2025-09-28 cs.AI cs.CR
Local Private Hypothesis Testing: Chi-Square Tests
差分隐私的局部模型正在成为收集和共享敏感信息的实际应用的参考模型，同时满足强隐私保证。在本地模型中，不存在允许每个人的原始数据的可信实体，因为在传统的馆长模型中假设差异隐私。因此，个人数据在共享之前通常会受到干扰。我们探讨了在局部模型中的私人假设检验的设计，其中每个数据条目都被扰动以确保每个参与者的隐私。具体来说，我们分析了本地私人χ 2检验的拟合优度和独立性测试，这已经在传统的，馆长模型的差异隐私研究。
2018-03-09 cs.CR math.ST stat.TH
An Overview of AI and Blockchain Integration for Privacy-Preserving
Hainan University（海南大学）
本文综述了AI与区块链融合的隐私保护技术，涵盖应用场景、关键评估维度及未来发展方向，旨在提升隐私保护的效率与安全性。
2023-05-06 cs.AI cs.CR
Blockchain-Based Differential Privacy Cost Management System
隐私保护是各个部门都非常关注的问题。为了保护个人用户数据，一种新兴技术是差分隐私。但是，对于频繁查询的数据集，它仍然存在局限性，例如隐私成本的快速积累。为了解决这一限制，本文探讨了一种安全的去中心化分类账区块链的集成。区块链将能够跟踪使用差分隐私算法生成的所有噪声响应，并允许某些查询重用旧的响应。在本文中，一个拟议的基于区块链的隐私管理系统的演示被设计为一个交互式去中心化Web应用程序（DApp）。创建的演示表明，利用区块链将使累积的总隐私成本显着降低。
2020-06-08 cs.CR cs.DB cs.DC
