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
Data Sharing with Endogenous Choices over Differential Privacy Levels
The Ohio State University（俄亥俄州立大学）；MIT（麻省理工学院）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Google（谷歌）；Georgia Institute of Technology（佐治亚理工学院）
本文研究了在差分隐私下，玩家具有异质隐私偏好时，大规模数据共享联盟能否通过去中心化方式形成。研究分析了去中心化数据共享机制中玩家的参与和隐私噪声添加决策，揭示了隐私选择带来的权衡：更高的隐私降低个体隐私成本但减少联盟的数据效用和统计准确性。研究发现完全去中心化的数据共享在社会福利和估计精度上效率低下，而简单的部分去中心化机制能缩小这一效率差距。
2026-05-18 cs.CR cs.GT
Preprint: Privacy-preserving IoT Data Sharing Scheme
数据共享可以使用不同的因素来授权，其中之一是用户或物联网设备环境中的东西，在本文中是广播信号。使用广播信号测量接收信号强度指标值和机器学习模型，本文实现了基于物联网设备环境中的东西的物联网数据共享方案。使用不同的ML模型对所提出的方案进行了实验测试，结果显示其最高准确率为97.78%。
2022-09-26 cs.CR
BPDS: A Blockchain based Privacy-Preserving Data Sharing for Electronic Medical Records
电子病历（EMR）是医疗数据的重要形式，目前引起了很多关注。共享健康数据被认为是提高医疗服务质量和降低医疗成本的关键方法。然而，电子病历在分散的医院中是分散的，这阻碍了数据共享，并使患者的隐私处于危险之中。为了解决这些问题，我们提出了一种基于区块链的EMR隐私保护数据共享，称为BPDS。在BPDS中，原始EMR安全地存储在云中，索引保留在防篡改的联盟区块链中。通过这种方式，可以大大降低医疗数据泄露的风险，同时，区块链中的索引确保了电子病历不能被任意修改。通过区块链的智能合约，可以根据患者预定义的访问权限自动完成安全的数据共享。此外，基于CP-ABE的访问控制机制和内容抽取签名方案的联合设计为数据共享提供了强隐私保护。安全性分析表明，BPDS是实现电子病历数据共享的一种安全有效的方法。
2018-11-08 cs.CR
Near-Optimal Privacy-Utility Tradeoff in Genomic Studies Using Selective SNP Hiding
动机：研究人员需要丰富的基因组数据集，他们可以利用这些数据集来更好地了解人类基因组的遗传基础，并确定表型与DNA特定部分之间的关联。然而，共享包含个人敏感遗传或医疗信息的基因组数据集，如果数据落入坏人之手，可能会导致严重的隐私相关后果。限制对基因组数据集的访问是一个解决方案，但这大大降低了它们对研究目的的有用性。为了在解决这些隐私问题的同时允许共享基因组数据集，一些研究提出了用于数据共享的隐私保护机制。差分隐私（DP）是这样的机制之一，其形式化严格的数学基础以提供隐私保证，同时共享关于数据集的聚合统计信息。然而，已经表明，当数据集中存在依赖元组时，基于DP的解决方案的原始隐私保证会降低，这是基因组数据集的常见情况（由于家庭成员的存在）。结果如下：在这项工作中，我们引入了一个接近最优的机制，以减轻从基因组数据集，包括依赖元组的差异私人查询结果的推理攻击的漏洞。我们提出了一种效用最大化和隐私保护的方法，通过隐藏家庭成员参与基因组数据集时的选择性SNP来共享统计数据。通过在真实世界的基因组数据集上评估我们的机制，我们根据经验证明，我们提出的机制可以实现比最先进的基于DP的解决方案高出40%的隐私，同时接近最佳地最大限度地减少效用损失。
2021-06-09 cs.CR cs.HC
Understanding the Relationship Between Personal Data Privacy Literacy and Data Privacy Information Sharing by University Students
本研究通过调查美国大学生，发现高隐私素养者采用更多样化的隐私保护措施并更积极参与隐私讨论，建议加强大学教育以提升数据隐私意识。
2025-05-24 cs.CR
Genomic Data Sharing under Dependent Local Differential Privacy
保护隐私的基因组数据共享对于加快基因组研究的步伐，从而为个性化基因组医学铺平道路是非常重要的。在本文中，我们引入（$ε, T$）依赖的本地差分隐私（LDP）的隐私保护相关数据的共享，并提出了一个基因组数据共享机制下的隐私定义。我们首先指出LDP的原始定义不适合基因组数据共享，然后提出了一种新的基因组数据共享机制。该机制考虑了数据共享过程中数据之间的相关性，预先消除统计上不可能的数据值，并相应地调整每个共享数据点的概率分布。通过这样做，我们表明，我们可以避免攻击者推断的正确值的共享数据点，利用数据中的相关性。通过调整每个数据点的共享状态的概率分布，我们还提高了数据收集器的共享数据的效用。此外，我们开发了一个贪心算法，战略性地确定处理顺序的共享数据点的目的是最大限度地利用共享数据。考虑到在共享基因组数据时相互依赖的隐私风险，我们还通过观察基因组供体的扰动数据来分析攻击者关于供体家庭成员的基因组的信息增益，并且我们提出了一种选择隐私预算的机制（即，LDP的$ε$参数）。我们对现实生活中的基因组数据集的评估结果表明，所提出的机制相比，随机响应机制（广泛使用的技术，以实现LDP）的优越性。
2021-02-15 cs.CR
Annotating Privacy Policies in the Sharing Economy
Uber、Airbnb和TaskRabbit等数字共享经济（DSE）的应用程序已成为现代社会经济增长和共享繁荣的主要推动力。然而，通过这些应用程序进行的商品、服务和数据的复杂交换经常使其最终用户的隐私处于危险之中。DSE应用程序的隐私政策旨在披露如何收集和处理私人用户数据。然而，在现实中，这样的政策是冗长和难以理解的，使DSE用户容易受到隐私侵犯的做法。为了解决这些问题，在本文中，我们提出了一种自动化的方法来注释DSE市场中的隐私政策。我们的方法识别这些政策中的数据汇集声明，并将其映射到应用程序的质量功能。视觉和文字注释，然后用来进一步解释和证明这些索赔。所提出的方法与18 DSE应用程序的用户进行了评估。结果表明，注释隐私政策可以显着提高他们的可理解性的平均DSE用户。我们的研究结果旨在帮助DSE应用程序开发人员起草更易于理解的隐私政策，并帮助其最终用户在世界上增长最快的软件生态系统之一中做出更明智的决策。
2022-10-26 cs.CR cs.HC cs.SE
Privacy-preserving and Trusted Threat Intelligence Sharing using Distributed Ledgers
威胁信息共享被认为是增强可信合作伙伴整体安全的主动防御方法之一。值得信赖的合作伙伴组织可以提供对过去和当前网络安全威胁的访问，以降低潜在网络攻击的风险-威胁信息共享的要求范围从简单的文档共享到威胁情报共享。因此，高度敏感的威胁信息的存储和共享引起了关于构建安全、可信的威胁信息交换基础设施的相当大的关注。建立一个可信的威胁共享生态系统将促进存储信息的有效性、安全性、匿名性、可扩展性、延迟效率和可追溯性，从而保护其免受未经授权的泄露。本文提出了一种系统，通过利用分布式账本技术来确保上述安全原则，该技术通过智能合约提供安全的分散操作，并为MITRE ATT\& CK框架的威胁信息存储和共享提供隐私保护生态系统。
2021-12-19 cs.CR
SPChain: Blockchain-based Medical Data Sharing and Privacy-preserving eHealth System
电子医疗系统的发展给人们的生活带来了极大的便利。研究人员一直在结合新技术，使电子医疗系统更好地为患者服务。基于区块链的电子健康系统因其独特的分布式防篡改和隐私保护功能而变得流行。然而，由于区块链系统的安全问题，利用区块链技术的电子健康系统存在许多安全风险。51%的攻击可以摧毁基于区块链的系统。此外，区块链系统中琐碎的交易和频繁的智能合约调用给基于区块链的电子健康系统带来了额外的成本和安全风险。更糟糕的是，电子病历（EMR）由医疗机构而不是患者控制，这会导致隐私泄露问题。在本文中，我们提出了一种基于区块链技术的医疗数据共享和隐私保护电子健康系统（SPChain）。我们将RepuCoin与基于SNARKs的变色龙哈希函数相结合，以抵抗底层区块链攻击，并设计了一种新的链结构，使微块有助于区块链的权重。该系统允许患者以隐私保护的方式在不同的医疗机构之间共享他们的EMR。此外，在误诊的情况下，授权医疗机构可以在患者的许可下标注错误的电子病历。安全性分析和性能评估表明，该系统能够提供强有力的安全保障，具有较高的效率。
2021-04-19 cs.CR cs.DB
PPaaS: Privacy Preservation as a Service
个人身份信息（PII）可以通过各种渠道进入网络空间，许多潜在的来源可以泄露这些信息。用于机器学习和分析的数据共享（例如跨机构数据共享）是数据科学的重要组成部分之一。然而，出于隐私方面的考虑，在共享之前，数据应该得到强有力的隐私保障。不同的隐私保护方法被开发用于隐私保护数据共享;然而，确定用于特定数据集的隐私保护的最佳隐私保护方法仍然是一个挑战。不同的参数可以影响该过程的功效，例如输入数据集的特征、隐私保护方法的强度以及结果数据集的预期效用水平（在相应的数据采掘应用（例如分类）上）。本文提出了一种称为\underline{P}预约\underline{P}的\underline{a} s \underline{a} \underline{S}服务（PPaaS）的框架来降低这种复杂性。该方法通过数据扰动采用选择性隐私保护，并查看可能影响数据集隐私保护质量的不同动态。PPaaS包括数据扰动方法池，对于每个应用程序和输入数据集，PPaaS在经过严格评估后选择最合适的数据扰动方法。它增强了其池中隐私保护方法的可用性;它是一个通用平台，可用于通过采用各种隐私保护算法的适当组合来以粒度，特定于应用程序的方式清理大数据，以提供隐私和实用性之间的适当平衡。
2021-04-21 cs.CR cs.DB
Mechanism Design for Privacy-Preserving Information Sharing in Oligopoly Competition
University of Pittsburgh（匹兹堡大学）
研究在古诺寡头垄断中，通过隐私保护渠道聚合供应商信号的信息共享机制，发现隐私保护需与外部信号结合才能激励披露，并刻画了共享可行区域。
2026-07-07 cs.CR cs.CY cs.GT
Budget Sharing for Multi-Analyst Differential Privacy
收集人口数据的大型组织（如美国人口普查局）发布汇总统计数据，供多个利益相关者用于资源分配和政策制定问题。法律还要求这些组织保护其收集数据的个人的隐私。差分隐私（DP）提供了一种在保护隐私的同时发布有用的摘要数据的解决方案。大多数DP机制被设计为回答单个查询集。实际上，通常有多个利益相关者使用给定的数据发布，并具有重叠但不相同的查询。这在DP中引入了一个新的联合优化问题，其中隐私预算必须在不同的分析师之间共享。我们开始研究多个分析师之间的DP查询回答问题。为了捕捉多个分析师的竞争目标和优先事项，我们制定了三个必要条件，任何机制都应该在这种情况下满足-共享激励，不干涉和适应性-同时仍然优化整体误差。我们演示了如何现有的DP查询应答机制，在多分析师的设置未能满足至少一个desiderata。我们提出了新的DP算法，可证明满足我们所有的desiderata和经验表明，他们在现实的任务中产生低错误。
2021-11-05 cs.CR cs.DB
3LSAA: A Secure And Privacy-preserving Zero-knowledge-based Data-sharing Approach Under An Untrusted Environment
随着数据汇集和分析成为许多云应用程序的关键功能，需要与批准方进行适当的数据共享。然而，传统的数据共享方案通过集中的数据托管服务器可能会牺牲所有者的隐私，并且安全性较弱。主要是，服务器物理上拥有所有数据，而原始数据所有者只有虚拟所有权，并失去实际的访问控制。因此，我们提出了一个3层的SSE-ABE-AES（3LSAA）密码为基础的隐私保护的数据共享协议的基础上，假设服务器是诚实的，但好奇。3LSAA协议实现了在服务器不可信的情况下自动访问控制管理和方便的文件搜索。除了实现数据的自我主权，我们的方法还提高了系统的可用性，消除了传统的SSE和ABE方法的缺陷，并提供了一个本地的AES密钥恢复方法，用户的可用性。
2021-10-13 cs.CR
Privacy-Aware Location Sharing with Deep Reinforcement Learning
基于位置的服务（LBS）已经变得广泛流行。尽管这些服务具有实用性，但它们引起了对隐私的担忧，因为它们需要与不受信任的第三方共享位置信息。在这项工作中，我们研究的隐私效用权衡位置共享机制。现有的方法主要集中在共享单个位置的隐私或近视的位置跟踪隐私，他们都没有考虑到过去和当前位置之间的时间相关性。虽然这些方法保留了当前时间的隐私，但它们可能会在跟踪级别泄漏大量信息，因为对手可以利用跟踪中的时间相关性。我们提出了一个信息理论上最优的隐私保护位置发布机制，考虑到时间相关性。我们通过用户真实位置轨迹和发布位置轨迹之间的互信息来度量隐私泄露。为了解决历史相关的互信息最小化问题，我们将该问题重新表示为马尔可夫决策过程（MDP），并使用异步行动者-批评者深度强化学习（RL）解决它。
2019-10-03 cs.CR cs.IT math.IT
Deontic Knowledge Graphs for Privacy Compliance in Multimodal Disaster Data Sharing
University of Maryland, Baltimore County（马里兰大学巴尔的摩分校）
本文提出基于德性知识图谱的框架，用于多模态灾难数据共享中的隐私合规，通过整合灾难管理知识图谱和政策知识图谱，实现更灵活的访问控制和合规验证。
2026-01-07 cs.AI cs.CR cs.DB
Cloud-based Privacy-Preserving Collaborative Consumption for Sharing Economy
云计算已经成为各种信息处理平台的主导范例，特别是用于实现共享经济的各种流行应用。然而，这些基于云的平台上的数据隐私存在重大问题。这项工作提出了新的基于云的隐私保护解决方案，以支持共享经济的协作消费应用程序。在典型的协同消费中，信息处理平台需要在多个用户之间实现公平的成本分摊，以使用某些共享设施和公共服务。基于同态Paillier密码系统的基于云的隐私保护协议可以确保基于云的运营商只能获得设施共享中所有用户的聚合时间表，或者在公共服务共享中符合服务提供规则的服务时间表，但无法跟踪个人用户的个人时间表或需求。更重要的是，参与的用户仍然能够以公平的方式解决费用分摊问题，而不知道对方的私人时间表或需求。我们的隐私保护协议不涉及任何可能损害隐私的第三方。我们还提供了一个广泛的评估研究和我们的协议的概念验证系统原型。
2020-07-15 cs.CR cs.MA cs.NI
Revolutionizing Medical Data Sharing Using Advanced Privacy Enhancing Technologies: Technical, Legal and Ethical Synthesis
多站点医学数据共享在现代临床实践和医学研究中至关重要。面临的挑战是进行数据共享，保护个人隐私和数据可用性。传统隐私增强技术的缺点意味着机构依赖于定制的数据共享合同。这些合同增加了数据共享的效率，并可能抑制重要的临床治疗和医学研究。本文提供了两种新的高级隐私增强技术（PET）：同态加密和安全多方计算（统称为多方同态加密或MHE）之间的综合。这些PET提供隐私的数学保证，其中MHE提供优于单独使用HE或SMC的性能优势。我们认为，MHE符合《通用数据保护条例》（GDPR）对医疗数据共享的法律要求，该条例为数据保护设定了全球基准。具体而言，使用MHE处理和共享的数据可以被视为匿名数据。我们解释如何MHE可以减少机构之间的定制合同措施的依赖。该方法可以加快医学研究的步伐，同时为医疗保健和研究机构采用通用数据互操作性标准提供额外的激励。
2020-10-27 cs.CR cs.CY
Guarding Multiple Secrets: Enhanced Summary Statistic Privacy for Data Sharing
针对数据共享中多个敏感汇总统计量可能泄露的问题，提出多秘密隐私框架，设计隐私指标、隐私-失真权衡分析及适配不同分布和秘密类型的发布机制，并通过真实数据验证有效性。
2024-06-12 cs.CR
Privacy-Preserving Database Fingerprinting
当与其他方共享敏感的关系数据库时，数据库所有者旨在（i）具有对数据库条目的隐私保证，（ii）在接收者未经授权共享其数据库的情况下具有责任保证（通过指纹识别），以及（iii）向接收者提供高质量（实用）数据库。我们观察到，共享一个关系数据库的隐私和责任保证是正交的目标。前者可以通过向数据库中注入噪声来防止对原始数据值的推断来实现，而后者可以通过在数据库中隐藏唯一标记来跟踪未经授权重新分发数据的恶意方（数据接收方）来实现。我们同时实现这两个目标，提出了一种新的入门级差异私有指纹机制的关系数据库。在一个高层次上，所提出的机制满足隐私和责任的要求，利用随机化的性质，是固有的指纹，并实现所需的入门级隐私保证。更具体地说，我们设计了一个比特级的随机响应方案，以实现差分隐私保证任意数据录入时，共享整个数据库，然后，在此基础上，我们开发了一个$ε$ -入口级差分隐私指纹机制。接下来，我们从理论上分析了隐私保障，指纹鲁棒性和数据库效用之间的关系，推导出封闭形式的表达式。该分析的结果使我们能够约束属性推断攻击所造成的隐私泄漏，并描述了隐私-效用耦合和隐私-指纹鲁棒性耦合。此外，我们还提出了一个基于SVT的解决方案，以控制累积的隐私损失时，数据库的指纹副本与多个收件人共享。
2022-03-06 cs.CR cs.DB
Privacy Preserving and Collusion Resistant Energy Sharing
能量已经越来越多地由电网上的不同实体（例如，在过去十年中，通过太阳能电池板、风力涡轮机或当地发电机，利用当地能源，这些电力消费者可以被视为“微电网”，可以同时产生和消耗能源。一些微电网可能具有过多的能量，这些能量可以共享给电网上的其他电力消费者。为此，所有实体必须共享它们的本地私有信息（例如，它们的本地需求、本地供应和电力质量数据）彼此或第三方共享，以找到并实现最佳的能量共享解决方案。然而，这样的过程受到微电网引起的隐私问题的限制。在本文中，我们提出了一个隐私保护计划的所有微电网，可以安全地实现他们的能量共享对半诚实和勾结的对手。所提出的方法包括两个安全的通信协议，可以确保量化的隐私泄漏和处理共谋。
2017-11-01 cs.CR
Outsource Photo Sharing and Searching for Mobile Devices With Privacy Protection
随着移动设备的激增，基于云的照片共享和搜索服务由于移动设备的资源约束而变得普遍。与此同时，人们也越来越关注照片中的隐私。在这项工作中，我们提出了一个框架\ourprotocolNSP，它使云服务器提供隐私保护的照片共享和搜索作为一项服务，移动终端用户。寻求隐私的用户可以通过我们的框架分享他们的照片，只允许他们授权的朋友使用资源有限的移动设备浏览和搜索他们的照片。这是通过我们精心设计的架构和新颖的外包隐私保护计算协议实现的，通过这些协议，有关外包照片甚至搜索内容（包括结果）的信息都不会透露给云服务器。我们的框架与大多数现有的图像搜索技术兼容，并且只需对现有的云系统进行很少的更改。我们的原型系统与31，772现实生活中的图像的评估表明，我们的系统的通信和计算效率。
2014-10-24 cs.CR
Privacy-Preserving Energy Storage Sharing with Blockchain and Secure Multi-Party Computation
储能提供了一种有效的方式来改变临时的能源需求和供应，这使得在分时能源定价计划下能够显著降低成本。尽管其有着令人鼓舞的好处，但目前的储能成本仍然昂贵，这对实际部署构成了主要障碍。提高成本效益的更可行的解决方案是通过共享储能，如社区共享，云储能和点对点共享。然而，向外部储能运营商披露私人能源需求数据可能会损害用户隐私，并且容易受到数据滥用和泄露的影响。在本文中，我们探索了一种新的方法来支持能源存储共享与隐私保护，基于隐私保护区块链和安全多方计算。我们提出了一个集成的解决方案，使隐私保护的能源存储共享，这样的能源存储服务调度和成本分摊可以在不知道个人用户的需求。它还支持电网运营商通过区块链进行审计和验证。此外，我们的隐私保护解决方案可以防止不诚实的大多数用户，他们可能串通作弊，而不需要可信的第三方。我们在现实世界的以太坊区块链平台上实现了我们的解决方案作为智能合约，并在本文中提供了实证评估。
2021-11-03 cs.CR math.OC
P3: Toward Privacy-Preserving Photo Sharing
随着移动设备的使用越来越多，照片共享服务正在经历更大的普及。除了提供存储之外，照片共享服务还通过执行服务器端图像转换（缩放、裁剪）来实现带宽效率高的移动设备下载。另一方面，照片共享服务也引发了隐私问题，例如照片泄露给未经授权的观众以及提供商使用算法识别技术。为了解决这些问题，我们提出了一个隐私保护的照片编码算法，提取和加密一个小的，但重要的，照片的组成部分，同时保留在一个公共的，标准兼容的，部分的其余部分。这两种成分可以分开储存。这种技术显著降低了信噪比以及公共部分自动检测和识别的准确性，同时保留了提供商执行服务器端转换以节省下载带宽使用的能力。我们的原型隐私保护照片共享系统P3与Facebook合作，也可以扩展到其他服务。P3不需要对现有服务或移动应用软件进行任何更改，并增加了最小的照片存储开销。
2013-02-20 cs.CR cs.MM
Toward Trusted Sharing of Network Packet Traces Using Anonymization: Single-Field Privacy/Analysis Tradeoffs
分布式安全分析需要共享网络数据。为了共享而对网络数据进行分析，在隐私保护与安全分析能力之间建立了基本的权衡。这种隐私/分析权衡已经被许多研究人员所承认，但这是第一篇提供实证测量来表征企业数据集的隐私/分析权衡的论文。具体来说，我们在网络数据包跟踪中的单个字段上执行匿名化选项，然后使用入侵检测系统警报作为安全分析功能的代理进行测量。我们的结果显示：（1）两个字段具有零和折衷（更多的隐私减少安全分析，反之亦然），以及（2）八个字段具有更复杂的折衷（不是零和），其中隐私和分析两者都可以同时完成。
2007-10-26 cs.CR cs.NI
Private Social Network Data Sharing
在线社交网络的日益普及给最终用户带来了巨大的隐私威胁。虽然现有的工作主要集中在从社交网络中推断敏感属性，如年龄，位置和性别，很少有人做了如何保护用户的隐私，防止恶意推断。本文针对现有社交网络的隐私脆弱性，设计了一个隐私保护框架。我们评估了该框架的隐私性和有用性保证，证明了其分类和防御隐私攻击的有效性。
2017-07-26 cs.CR cs.SI
Privacy-preserving Health Data Sharing for Medical Cyber-Physical Systems
最近的一系列网络安全攻击已经损害了医疗网络物理系统（MCPS）中最终用户的数据安全和隐私。传统的用于数据保护的标准加密算法是基于系统架构的观点而不是最终用户的观点来设计的。由于这种加密算法将对数据的保护转移到对密钥的保护，一旦密钥暴露，数据安全和隐私将受到损害。在本文中，我们提出了一种安全的数据存储和共享方法，包括选择性加密算法结合碎片和分散，以保护数据的安全性和隐私，即使在传输介质（如云服务器）和密钥都受到损害。该方法基于以用户为中心的设计，该设计保护诸如终端用户的智能手机的可信设备上的数据，并且允许终端用户控制用于数据共享的访问。我们还评估了智能手机平台上的算法的性能，以证明效率。
2019-04-17 cs.CR
Some Examples of Privacy-preserving Publication and Sharing of COVID-19 Pandemic Data
COVID-19疫情期间收集了大量不同类型的数据，对这些数据的分析和解读对于遏制疾病的传播是不可或缺的。随着疫情发展成为地方性流行，疫情期间收集的数据将继续成为进一步研究和了解疫情对我们社会各方面影响的丰富来源。另一方面，天真的信息发布和共享可能与严重的隐私问题有关。在本研究中，我们使用流行期间收集的三种常见但不同的数据类型（病例监测表格数据、病例位置数据和接触者追踪网络）来说明以隐私保护方式发布和共享粒度信息和个人层面的流行病数据。我们利用并构建了差分隐私的概念，为每种数据类型生成和发布隐私保护数据。我们调查的推理效用的隐私保护信息，通过模拟研究，在不同层次的隐私保证，并在现实生活中的数据证明的方法。研究中采用的所有方法都很容易应用。我们的研究提供了统计证据，说明在隐私保障的情况下共享大流行数据的实际可行性，以及如何在这一过程中平衡所发布信息的统计效用。
2022-09-13 cs.CR cs.CY
Protecting User Privacy Based on Secret Sharing with Error Tolerance for Big Data in Smart Grid
在智能电网中，从各种应用收集大量数据，例如智能计量变电站状态监测、电能数据采集和灵巧家庭。在智能电网应用中获取的大数据通常是敏感的。例如，为了准确地调度和支持动态价格，在用户家中安装了大量的智能电表来收集实时数据，但所有这些收集的数据都涉及用户隐私。本文提出了一种智能电网中基于秘密共享的容错数据聚合方案，保证控制中心在不泄露用户隐私的情况下获得整合后的数据。同时，我们还考虑了数据聚合过程中的差分隐私和容错问题。最后，我们分析了该方案的安全性，并进行了实验验证。
2018-10-25 cs.CR
Efficient Privacy-Preserving Computation Based on Additive Secret Sharing
云计算的出现为用户提供了一种新的计算范式--海量复杂的计算任务可以外包给云服务器。但隐私问题也随之而来。全同态加密在隐私保护计算中显示出巨大的潜力，但它还没有准备好用于实践。目前，安全多方计算（MPC）仍然是处理敏感数据的主要方法.在本文中，基于秘密共享的MPC范式，我们提出了一个安全的两方计算方案，在云服务器可以安全地评估功能与高效率。首先在典型的加性秘密共享（ASS）的基础上提出了乘性秘密共享（MSS）。在此基础上，设计了MSS和ASS之间的共享秘密交换协议，并给出了一系列的比较协议和基本函数。我们证明了所有的协议是普遍可组合安全的诚实但好奇的模型。最后，我们将展示我们的协议在通信效率和功能完整性方面的显着进步。
2021-03-31 cs.CR
E-Tenon: An Efficient Privacy-Preserving Secure Open Data Sharing Scheme for EHR System
从纸质信息到电子健康记录（EHR）的转变推动了现代医疗保健行业的各种进步。在许多情况下，患者需要与医疗保健专业人员分享他们的EHR。鉴于EHR的敏感性和安全性至关重要，必须考虑存储和共享EHR的安全性和隐私问题。然而，现有的安全解决方案过度加密整个数据库，因此需要为每个访问请求解密整个数据库，这是一个耗时的过程。另一方面，EHR用于医学研究（例如，精确医学，诊断技术的发展）以及医疗保健组织实践的优化，需要对EHR进行分析，为此，它们应该在不损害患者隐私的情况下易于访问。在本文中，我们提出了一种名为E-Tenon的高效技术，该技术不仅可以安全地保持所有EHR可公开访问，而且还提供了所需的安全功能。据我们所知，这是第一个开放数据库用于保护EHR的工作。E-Tenon使患者能够在自己定义的多层次，细粒度的访问策略下安全地共享他们的EHR。分析表明，我们的系统优于现有的解决方案在计算复杂性。
2022-07-12 cs.CR cs.DB
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
Data Security and Privacy in Cloud Computing: Concepts and Emerging Trends
全球数百万用户利用云环境进行数据处理和共享。数据安全和隐私是云环境的必然要求。用户之间的大量使用和数据共享为安全漏洞打开了大门。本文设想讨论云环境，其效用，挑战和新兴的研究趋势局限于安全处理和数据共享。
2021-08-21 cs.CR
PSI (Ψ): a Private data Sharing Interface
我们提供了PSI（“私人数据共享接口”）的概述，该系统是我们正在开发的，旨在使社会科学和其他领域的研究人员能够共享和探索具有差分隐私的强大隐私保护的隐私敏感数据集。
2018-08-04 cs.CR cs.CY stat.ME
Privacy-Optimized Randomized Response for Sharing Multi-Attribute Data
针对多属性数据共享隐私保护不足的问题，提出隐私优化的随机响应方法及高效启发式算法，在保证最强隐私的同时显著降低输出误差。
2024-02-12 cs.CR
Orchestrating Collaborative Cybersecurity: A Secure Framework for Distributed Privacy-Preserving Threat Intelligence Sharing
Tune Insight SA（Tune Insight股份公司）；Cyber-Defence Campus, armasuisse Science and Technology（瑞士国防装备采购局科技处网络防御园区）；École polytechnique fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
网络威胁情报（CTI）共享是减少攻击者和防御者之间信息不对称的重要活动。然而，由于数据共享和保密性之间的紧张关系，这一活动带来了挑战，导致信息保留往往导致搭便车问题。因此，共享的信息仅代表冰山一角。目前的文献假设可以访问包含所有信息的中央数据库，但由于上述紧张关系，这并不总是可行的。这会导致不平衡或不完整的数据集，需要使用技术来扩展它们;我们展示了这些技术如何导致有偏见的结果和误导性的性能预期。我们提出了一种新的框架，用于从分布式数据中提取CTI事件，漏洞和指标的妥协，并展示了它的使用在几个实际情况下，与恶意软件信息共享平台（MISP）。CTI共享的政策影响和讨论。所提出的系统依赖于隐私增强技术和联邦处理的有效组合。这使组织能够控制其CTI并最大限度地降低暴露或泄漏的风险，同时实现共享、更准确和更具代表性的结果以及更有效的预测性和预防性防御的好处。
2022-09-06 cs.AI cs.CR cs.DB
Sharing in a Trustless World: Privacy-Preserving Data Analytics with Potentially Cheating Participants
组织之间缺乏信任以及对其数据的隐私担忧阻碍了潜在的共生联合数据分析。我们提出DataRing，一个数据共享系统，允许相互不信任的参与者查询彼此的数据集在隐私保护的方式，同时确保输入数据集和查询答案的正确性，即使在存在（欺骗）参与者偏离他们的真实数据集。通过依赖于这样的假设，即如果只有真实数据集的一小部分行是已知的，则参与者不能提交与其真实数据集显著偏离的查询的答案。我们采用差分隐私和一套加密工具来确保每个参与者的数据集的个人隐私和系统的数据机密性。我们的结果表明，在具有10个属性和500，000条记录的数据集上评估10个查询在90.63秒内实现。DataRing可以在很少的查询中检测出偏离其真实数据集的作弊参与者，具有很高的准确性。
2021-06-18 cs.CR
Privacy-Preserving Machine Learning for Collaborative Data Sharing via Auto-encoder Latent Space Embeddings
Los Andes University（洛斯安第斯大学）；Rappi（Rappi公司）；Amazon（亚马逊）
数据共享过程中的隐私保护机器学习是一项至关重要的任务，它可以在不需要共享原始数据源的情况下实现机器学习（ML）模型的协作训练。当组织必须确保敏感数据在整个ML管道中保持私有时，这一点尤其重要，即，训练和推理阶段。本文提出了一个创新的框架，使用表示学习通过自动编码器生成隐私保护的嵌入式数据。因此，组织可以共享数据表示，以提高机器学习模型在具有用于共享的预测下游任务的多个数据源的场景中的性能。
2022-11-11 cs.CR cs.LG
Differential Privacy-based Permissioned Blockchain for Private Data Sharing in Industrial IoT
Hyperledger fabric等许可区块链通过多渠道和私有数据汇集机制在工业物联网（IIoT）中实现安全的供应链模型。共享工业数据，包括供应链合作伙伴之间每个阶段的私有数据交换，有助于提高产品质量，实现未来预测，并加强管理活动。然而，Hyperledger fabric中现有的数据共享和查询机制不适合IIoT中的供应链环境，因为查询是对存储在分类账上的实际数据进行评估的，其中包括敏感信息，例如商业秘密以及提供给零售商和个人的特殊折扣。为了解决这个问题，我们提出了一个基于差分隐私的许可区块链，使用Hyperledger fabric来实现IIoT供应链中的私有数据共享（DH-IIoT）。我们将差分隐私集成到Hyperledger fabric的chaindcode（智能合约）中，以实现隐私保护。因此，查询响应由保护分类账中的敏感信息的扰动数据组成。拟议的工作（DH-IIoT）通过使用Hyperledger结构模拟许可的区块链进行评估。我们将我们的Hyperledger fabric的差分隐私集成链码与供应链场景的Hyperledger fabric的默认链码设置进行比较。实验结果表明，该方法在保证敏感账本数据安全的同时，保持了共享数据96.15%的准确性。
2021-03-30 cs.CR
The Users' Perspective on the Privacy-Utility Trade-offs in Health Recommender Systems
该研究通过两项 n=521 的联合决策实验，考察用户在健康推荐系统中对 k-匿名与差分隐私等保护机制及数据分享场景的偏好，并据此提出开发建议。
2018-04-13 cs.CR cs.CY cs.HC
Albatross: a Privacy-Preserving Location Sharing System
越来越多的人通过移动设备访问社交网络服务。这一趋势促使Facebook和Google+等服务将位置作为用户交互的事实特征。与此同时，随着智能手机市场渗透率的提高，Foursquare和Shopkick等基于位置的服务也在增长。事实上，尽管人们对安全和第三方使用私人位置信息（例如，广告）。然而，服务提供商一直不愿意建立真正的私有系统，在该系统中他们不能访问位置信息。在本文中，我们描述了一个隐私保护的位置共享系统称为信天翁的体系结构和试用实现。该系统保护来自服务提供商的位置信息，并且还实现细粒度的位置共享。该系统的一个主要特点是保护个人的社会网络结构。对联系人的位置共享偏好的模式可以在不了解位置本身的情况下揭示这种结构。信天翁通过协议统一和屏蔽来保护共享偏好的位置。信天翁已经作为一个独立的解决方案实现，但该技术也可以集成到基于位置的服务中，以增强隐私。
2015-02-11 cs.CR
Sunspot: A Decentralized Framework Enabling Privacy for Authorizable Data Sharing on Transparent Public Blockchains
区块链技术一直在推动数据驱动的分散服务在广泛领域的发展。然而，本着完全透明的精神，许多公共区块链将所有类型的数据公开给公众，例如以太坊。此外，大数据的链上持久化在技术和经济上都非常昂贵。这些问题导致很难在共享相当大的私有数据的同时保留公共区块链的吸引力。虽然链上数据持久化的直接加密可以引入机密性，但密钥共享、访问控制和合法权利证明等新挑战仍然存在。与此同时，跨链协作仍然需要安全有效的协议，尽管IPFS等分散式存储系统带来了相当大的数据持久性的可能性。在本文中，我们提出了Sunspot，这是一个去中心化的框架，用于保护隐私的数据共享，并在透明的公共区块链上进行访问控制，以解决这些问题。我们还展示了Sunspot的实用性和适用性，MyPub是一个基于Sunspot的分布式隐私保护发布平台。此外，我们评估的安全性，隐私性和性能的Sunspot通过理论分析和实验。
2022-05-12 cs.CR cs.SE
Balancing Patient Privacy and Health Data Security: The Role of Compliance in Protected Health Information (PHI) Sharing
本文提出一种集成智能合约的区块链技术，用于部分自动化患者同意管理流程，在确保PHI真实性和完整性的同时，使PHI访问与共享符合患者偏好及HIPAA等法律合规要求。
2024-07-03 cs.CR
Efficient User-Centric Privacy-Friendly and Flexible Wearable Data Aggregation and Sharing
针对可穿戴数据共享中的隐私风险，提出SAMA方案，结合多密钥部分同态加密和属性加密，实现高效、用户中心的灵活数据聚合与细粒度共享。
2024-03-03 cs.CR
Privacy Intelligence: A Survey on Image Privacy in Online Social Networks
该综述针对在线社交网络图像分享的隐私风险与现有保护方案的不足，从用户视角提出隐私智能分析框架，梳理相关智能解决方案并展望未来方向。
2025-06-17 cs.CR cs.SI
PriFFT: Privacy-preserving Federated Fine-tuning of Large Language Models via Hybrid Secret Sharing
针对联邦微调中的用户数据与模型参数泄露风险，本文提出 PriFFT，利用 ASS 与 FSS 混合秘密共享及多项优化协议实现高效安全的 LLM 微调，显著降低时间与通信开销且无精度损失。
2025-05-14 cs.CR
Practical Two-party Privacy-preserving Neural Network Based on Secret Sharing
神经网络具有提供高效预测模型的能力，已被广泛应用于医疗、金融等领域，给我们的生活带来了极大的便利。然而，该模型的高精度需要多方提供大量数据，引发了公众对隐私的担忧。基于多方计算的隐私保护神经网络是当前用来在解决数据隐私的前提下提供模型训练和推理的方法之一。在这项研究中，我们提出了一个新的两方隐私保护神经网络的训练和推理框架中，隐私数据被分发到两个非合谋服务器。我们构造了一个用于掩码生成的预处理协议，在2 PC上支持并实现了秘密共享比较，并提出了一种新的方法来进一步减少通信轮数。在比较协议的基础上，构造了除法、指数等构造块，实现了训练和推理过程不再需要在不同类型的秘密共享之间进行转换，完全基于算术秘密共享。与以往的工作相比，我们的工作获得了更高的准确性，这是非常接近的明文训练。虽然准确性得到了提高，但运行时间却减少了，考虑到在线阶段，我们的工作比SecureML快5倍，比SecureNN快4.32- 5.75倍，并且非常接近当前最佳的3 PC实现，JSPCON。对于安全推理，就已知知识而言，我们应该是目前最优的2 PC实现，比其他作品快4- 358倍。
2021-04-10 cs.CR
IPPO: A Privacy-Aware Architecture for Decentralized Data-sharing
在线跟踪器个性化广告活动，与传统渠道相比，其功效呈指数级增长。这样做的缺点是，成千上万的大多数未知的系统拥有我们的个人资料，并在我们不知情的情况下侵犯我们的隐私。IPPO通过基于区块链的去中心化数据市场发布匿名数据，扭转局面，重新赋予用户数据的权力。我们还提出了一种基于机器学习和大数据分析的服务，以自动识别网络跟踪器并基于营养标签概念构建隐私标签（PL）。本文介绍了IPPO的动机、愿景、架构和研究挑战。
2020-01-17 cs.CR cs.NI
A Privacy-Preserving Information-Sharing Protocol for Federated Authentication
University Mediterranea of Reggio Calabria（雷焦卡拉布里亚地中海大学）
本文提出了一种基于OPRFs的隐私保护协议，用于联邦认证中身份注册和信息共享，通过伪匿名标识符实现隐私保护和欺诈检测。
2025-12-01 cs.CR
GenShare: Sharing Accurate Differentially-Private Statistics for Genomic Datasets with Dependent Tuples
动机：降低DNA测序技术的成本导致了基因组数据可用性的飞跃。虽然在研究人员之间共享基因组数据是健康和生物医学研究进步的重要驱动力，但由于数据隐私问题，共享过程通常是不可行的。差异隐私是用于促进共享基因组数据集的汇总统计数据而不披露任何私人个人级别数据的严格机制之一。然而，由于数据集元组之间的相关性，差分隐私仍然可以泄露关于数据集参与者的敏感信息。结果如下：在这里，我们提出了建立在基于拉普拉斯扰动机制的DP上的GenShare模型，以引入用于统计基因组数据集的隐私保护查询应答共享模型，该统计基因组数据集包括由于个体基因组之间的固有相关性而导致的依赖性（即，家庭关系）。我们证明了我们的隐私改善国家的最先进的方法，为一系列的实际查询，包括队列发现，次要等位基因频率，和卡方2关联测试。通过对Laplace扰动机制中的敏感性进行细粒度分析并考虑联合分布，GenShare的结果接近于差分隐私理论所允许的形式隐私保证，因为查询是在独立元组上计算的（仅高达6%的差异）。GenShare确保查询结果与差分隐私理论上保证的一样准确。为了支持不同科学和医学研究领域的进步，GenShare提供了一条通往交互式基因组数据共享系统的道路，当数据集包括具有家庭关系的参与者时。
2021-12-30 cs.CR q-bio.GN
The Data Sharing Paradox of Synthetic Data in Healthcare
本文探讨医疗健康中合成数据虽为共享而设计却常因重新识别风险评估模糊而受限的悖论，并指出隐私指标与法规要求不匹配是主因，提出领域应改进以缓解该问题。
2025-03-26 cs.CR cs.CY cs.DB
Privacy-Enhancing Encryption in Data Sharing: A Survey on Security, Performance and Functionality
Tianjin University（天津大学）；Southern Cross University（南十字星大学）；Zhongguancun Laboratory（中关村实验室）；City University of Hong Kong（香港城市大学）；Griffith University（格里菲斯大学）；Singapore Management University（新加坡管理大学）；University of Wollongong（伍伦贡大学）
本文综述了数据共享中隐私增强加密技术的安全性、性能及功能，分析了ABE、PRE和SE等技术的应用与挑战，提出数据共享框架及20种潜在攻击，探讨了多种增强技术对数据共享方案的影响。
2026-03-27 cs.CR
zkSBOM: Privacy-Preserving SBOM Sharing with Zero-Knowledge Sets
KTH Royal Institute of Technology（皇家理工学院）
zkSBOM通过零知识集实现隐私保护的SBOM共享，解决了现有机制在完整披露与完全封闭间的二元选择问题，通过加密承诺组件和查询已知漏洞来验证影响，保障双方隐私。
2026-04-30 cs.CR cs.SE
Enable Portrait Privacy Protection in Photo Capturing and Sharing
带有内置摄像头的可穿戴智能设备的广泛采用大大增加了人们对侵犯隐私的关注。在这里，我们探讨了根据人们的隐私保护要求，使人们从智能设备捕获的照片中轻松获取的可能性。要做到这一点，我们需要解决两个挑战：1）如何让用户明确表达他们的隐私保护意图，以及2）如何准确有效地将隐私要求与拍摄照片中的人相关联。此外，关联过程本身不应导致肖像信息泄漏，并应以保护隐私的方式完成。在这项工作中，我们设计，开发，并评估一个协议，使用户能够灵活地表达她的隐私要求，并授权照片服务提供商（或图像拍摄者），以发挥隐私保护政策。利用视觉的人在视场和维数无关的属性向量相似性度量，我们实现了高精度和低开销。我们实现了一个原型系统，踪迹驱动实验和现实实验的评估结果证实了我们系统的可行性和效率。
2014-10-24 cs.CR
