Ensuring Privacy in Location-Based Services: A Model-based Approach
近年来，配备有GPS和通信芯片的移动设备的普及已经导致基于位置的服务（LBS）的日益增长的使用，其中用户基于他的当前位置接收服务。然而，用户的位置的披露，可以引起严重的关注，用户的隐私一般，特别是位置隐私，这导致了各种位置隐私保护机制的发展，旨在提高位置隐私，同时使用LBS应用程序。在本文中，我们提出了一个马尔可夫决策过程（MDP）的用户移动性模式和效用的LBS建模，并受概率的当前状态不透明符号的启发，我们引入了一个新的位置隐私度量，即$ε-$隐私，量化对手的信念超过用户的当前位置。我们利用这个动态模型来设计一个LPPM，同时它确保服务的效用被充分利用，独立于对手的先验知识的用户，它可以保证用户指定的隐私级别可以实现一个无限的时间范围。整体隐私保护框架，包括用户移动模型的建设作为一个MDP，和建议的LPPM的设计，展示和验证与现实世界的实验数据。
2020-02-24 cs.CR
A Privacy-Preserving QoS Prediction Framework for Web Service Recommendation
基于服务质量的Web服务推荐为用户提供高质量的服务，近年来受到了广泛的关注。为了促进这样的建议，现有的研究建议使用协同过滤技术的个性化QoS预测。这些方法，通过利用部分观察到的QoS值从用户，可以实现高精度的QoS预测的未观察到的。然而，要求收集用户的QoS数据可能会使用户的隐私处于危险之中，从而使他们不愿意贡献他们的使用数据的Web服务推荐系统。因此，隐私成为一个关键的挑战，在开发实用的Web服务推荐系统。在本文中，我们第一次尝试，以应付隐私问题的Web服务推荐。具体来说，我们提出了一个简单而有效的隐私保护框架，通过应用数据混淆技术，并进一步开发两个代表性的隐私保护QoS预测方法在此框架下。一个公开的真实世界的Web服务的QoS数据集的评估结果表明，我们的隐私保护的QoS预测方法的可行性和有效性。我们相信我们的工作可以作为一个很好的起点，激发更多的研究工作的隐私保护Web服务推荐。
2015-05-02 cs.CR cs.IR
Privacy for Free: Leveraging Local Differential Privacy Perturbed Data from Multiple Services
本文针对多服务场景下本地差分隐私带来的用户隐私负担问题，提出统一的数据收集与聚合框架，并设计UA、UWA和ULE方法，以提升均值和分布估计的准确性。
2025-03-11 cs.CR
Towards a decentralized data privacy protocol for self-sovereignty in the digital world
针对跨服务隐私管理不切实际的问题，本文提出以用户为中心的去中心化数据隐私协议，实现自我主权。
2024-04-19 cs.CR cs.SE
Towards a Context-Aware Security and Privacy as a Service in the Internet of Things
智慧城市是最知名的物联网（IoT）应用之一。智慧城市服务改善了用户的日常生活。然而，安全和隐私问题正在减缓其采用。此外，物联网设备、应用程序和用户的特点使得所考虑的应用程序的安全实现成为一项具有挑战性的任务。为了解决这些问题，我们在本文中提出了一种新的物联网上下文感知安全和隐私架构。由于采用了“即服务”的方法，这种新的架构将以用户为中心。它还将支持已知的上下文感知安全问题：动态性，灵活性。此外，它还将解决移动性，安全和隐私服务的定制，以及对通用物联网应用的支持，特别是对智慧城市的支持。要做到这一点，提出了一个知识平面，允许有效管理的上下文感知。一个安全和隐私平面，允许更好地实现上下文感知的安全和隐私机制也提出了。这将通过基于上下文的微服务的动态组合来实现。还描述了这两个平面的不同组件的作用。
2020-03-04 cs.CR
Privacy protection and service evaluation methods for location-based services in edge computing environments
提出了一种边缘计算环境下位置服务的隐私保护和评估方法。通过构建边缘计算环境下站点服务数据保护与系统评估体系，在现有用户隐私保护工作的基础上，构建了数据处理模块和服务评估模块，设计了评估算法。根据IPE推荐的相关研究，设计了NPE评价模型和POE评价模型。具体而言，在NPE评估模型中，我们把每个用户的决策看作一组因素，并提出了一种方法来整合学习因素。在poe评估模型中，通过统一元数据信息、两个时间上下文和其他不同因素来理解用户对下一个动作的隐藏意图。实验验证了该方法的有效性和可行性。
2022-12-07 cs.CR cs.CY
P2FAAS: Toward Privacy-Preserving Fuzzing as a Service
全球性公司（例如，Google和Microsoft）最近推出了一种新的云服务模型，即模糊即服务（FaaS）。尽管有效地减轻了模糊的成本，该模型也带来了隐私问题。例如，最终用户必须信任有权访问要模糊化的应用程序的云和服务提供商。这种担忧是由于平台是在其提供商的控制下，并且应用程序和模糊器是高度耦合的。在本文中，我们提出了P2FaaS，一个新的生态系统，保护最终用户的隐私，同时在云中提供FaaS。P2FaaS的核心理念是利用英特尔SGX来防止云和服务提供商了解有关应用程序的信息。我们的初步评估表明，与基线相比，P2FaaS对模糊化施加了45%的运行时开销。此外，P2FaaS还证明，借助最近推出的硬件英特尔SGX卡，模糊服务可以扩展到多个服务器，而无需原生SGX支持。
2019-09-24 cs.CR
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
Facial Data Minimization: Shallow Model as Your Privacy Filter
Zhejiang University（浙江大学）；Ningbo University（宁波大学）
针对人脸识别服务中面部数据泄露风险，提出基于浅层模型的隐私最小化变换（PMT）方法，生成混淆数据以保持授权模型性能并限制非授权模型，同时防御多种攻击，实验验证其有效性。
2023-11-12 cs.CR cs.CV
Privacy in Data Service Composition
在现代信息系统中，关于同一个人的不同信息特征通常由可能具有不同隐私策略的自主数据汇集服务来收集和管理。对许多最终用户的合法查询进行认证需要集成来自多个此类服务的数据。然而，数据集成往往受到缺乏可信实体（通常称为中介）的阻碍，服务可以与之共享数据并委托执行其隐私策略。在本文中，我们提出了一个灵活的隐私保护的数据集成方法回答数据集成查询，而不需要一个可信的调解人。在我们的方法中，允许服务在本地执行其隐私政策。中介被认为是不受信任的，只能访问加密信息，以允许它在不同的服务中链接数据主体。服务，凭借一个新的隐私要求，被称为k-Protection，限制隐私泄露，不能推断有关彼此持有的数据的信息。最终用户只能访问经过隐私保护的数据。我们使用一个例子和一个来自医疗应用领域的真实数据集来评估我们的方法。结果是有前途的隐私保护和性能的角度来看。
2020-01-03 cs.CR cs.DB cs.DC
Attacks on a Privacy-Preserving Publish-Subscribe System and a Ride-Hailing Service
隐私保护上下文感知发布订阅系统（CA-PSS）使得中介（代理）能够基于当前上下文来匹配来自发布者的内容和订阅者的订阅，同时保护订阅和通知的机密性。而隐私保护的叫车服务（RHS）使中介（服务提供商）能够以隐私友好的方式将乘车请求与出租车司机匹配。在这项工作中，我们攻击了Nabeel等人（2013）提出的隐私保护CA-PSS，其中我们表明系统中的任何实体（包括代理）都可以了解订阅者的机密订阅。我们还攻击了Yu等人（2019）提出的一种名为lpRide的隐私保护RHS，在该RHS中，我们证明任何骑手/司机都可以有效地恢复所有其他骑手和司机的密钥。此外，我们还表明任何骑手/司机都能够了解任何骑手的位置。这些攻击是基于我们对Nabeel等人提出的修改后的Paillier密码系统的密码分析，该密码系统构成了上述两种协议的构建块。
2021-05-10 cs.CR
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
Blockchain Privacy Through Merge Avoidance and Mixing Services: a Hardness and an Impossibility Result
加密货币通常旨在保护其用户的隐私。不同的加密货币在不同层面上保护隐私，其中一些要求用户依赖策略来提高隐私级别以满足他们的需求。在这些策略中，我们重点关注其中的两个：合并避免和混合服务。这种策略可以在几乎任何基于区块链的加密货币上采用。在本文中，我们表明，而最佳的合并避免导致一个NP难优化问题，激励兼容的混合服务受到一定的一类不可能的结果。总之，我们的研究结果有助于研究基于区块链的加密货币中隐私机制的基本限制。
2021-01-04 cs.CR cs.NI
Lockcoin: a secure and privacy-preserving mix service for bitcoin anonymity
Lockcoin通过混合服务实现比特币匿名性，采用盲签名和多签名方案，提供高效且安全的匿名解决方案。
2026-01-07 cs.CR
Covid Notions: Towards Formal Definitions -- and Documented Understanding -- of Privacy Goals and Claimed Protection in Proximity-Tracing Services
最近的SARS-CoV-2大流行引发了使用移动应用程序进行接触者追踪的管理方法。相应的应用程序跟踪个人及其互动，以便于在潜在感染发生之前提醒用户。天真的实现显然会危及其用户的健康状况，位置，活动和社交互动的隐私。已经开发了许多用于托管跟踪的协议设计，其中大多数声称以隐私保护的方式起作用。然而，尽管声称“GDPR合规性”，“匿名性”，“匿名性”或其他形式的“隐私”，这些设计的作者通常忽略了精确定义他们（旨在）保护什么。我们向正式定义接近跟踪服务的隐私概念迈出了第一步，特别是关于用户的健康，（共）位置和社交互动。我们还提供了一个高层次的直觉，最突出的建议可以和不能实现的保护。这一初步概述表明，所有的建议都包括一些集中式服务，没有一个能完全保护受感染用户的身份和（协同）位置不受其他用户和服务提供商的影响。
2020-04-16 cs.CR
A Blockchain-Enhanced Framework for Privacy and Data Integrity in Crowdsourced Drone Services
本研究提出一种区块链增强的众包无人机服务框架，结合本地差分隐私与区块链技术，在符合澳隐私法的前提下保障丛林火灾管理中的数据隐私与完整性，经概念验证具备可扩展性，适用于大规模实际应用。
2024-10-08 cs.CR
Privacy and Integrity Preserving Computations with CRISP
在数字时代，用户与服务提供商共享他们的个人数据以获得一些效用，例如，获得优质服务。然而，诱导的信息流引起了隐私和完整性的担忧。因此，谨慎的用户可能希望通过最小化他们向好奇的服务提供商披露的信息量来保护他们的隐私。服务提供商对验证用户数据的完整性感兴趣，以改进其服务并为其业务获得有用的知识。在这项工作中，我们提出了一个通用的解决方案，隐私，完整性和实用性之间的权衡，通过实现数据的真实性验证已被加密卸载到服务提供商。基于基于格的同态加密和承诺，以及零知识证明，我们的建设使服务提供商能够处理和重用第三方签署的数据在一个隐私友好的方式与完整性保证。我们在不同的用例上评估我们的解决方案，例如智能计量，疾病易感性和基于位置的活动跟踪，从而显示其多功能性。我们的解决方案实现了广泛的通用性，量子电阻，并放宽了一些假设的国家的最先进的解决方案，而不影响性能。
2021-01-12 cs.CR
Privacy-First Crowdsourcing: Blockchain and Local Differential Privacy in Crowdsourced Drone Services
本文提出一个结合本地差分隐私与区块链的隐私保护框架，用于将消费级无人机众包数据整合到丛林火灾管理中，并通过概念验证展示其可扩展性与合规性。
2024-07-01 cs.CR cs.DC
Revisiting a Privacy-Preserving Location-based Service Protocol using Edge Computing
基于位置的服务越来越受欢迎。寻找附近的商店，基于邻近的营销，道路上的服务援助等，是一些使用基于位置的服务的服务。在基于位置的服务中，用户身份、用户查询和位置等用户信息必须受到保护。Ma等人（INFOCOM-BigSecurity 2019）提出了一种使用某种同态加密（SHE）的隐私保护基于位置的服务。他们的协议使用边缘节点计算SHE加密的位置数据，并确定$k$ -包含在基于位置的服务器（LBS）中的最近的兴趣点，而不会向LBS泄露原始用户坐标，因此，确保用户位置的隐私。在这项工作中，我们表明，上述协议由马等。有一个严重的缺陷。特别是，我们证明了他们的安全比较协议有一个正确性问题，因为它不会导致正确的比较。此缺陷的一个主要后果是，修复此问题的直接方法将使其协议不安全。也就是说，LBS将能够在每个查询中恢复用户的实际位置。
2022-11-21 cs.CR
Watch Nearby! Privacy Analysis of the People Nearby Service of Telegram
本文通过全球位置伪造测量逆向分析了Telegram“附近的人”服务的距离算法，发现其实际定位误差在128至400米之间，远低于官方宣称的500米，揭示了显著的位置隐私风险。
2023-10-20 cs.CR
Privacy Failures in Encrypted Messaging Services: Apple iMessage and Beyond
即时通讯服务正迅速成为世界各地消费者之间最主要的通信形式。例如，苹果iMessage每天处理超过20亿条信息，而WhatsApp声称来自4亿国际用户的160亿条信息。为了保护用户隐私，这些服务通常实现端到端和传输层加密，这意味着即使对于服务提供商本身也无法进行窃听。然而，在本文中，我们表明，窃听者可以通过观察加密数据包的大小来了解有关用户行为，消息语言，甚至这些消息的长度的信息，尽管使用了最先进的加密技术，但准确率超过96%。虽然我们的评估主要集中在Apple iMessage上，但这些攻击是完全通用的，我们展示了它们如何应用于许多流行的消息服务，包括WhatsApp，Viber和Telegram。
2014-03-08 cs.CR
Holistic Collaborative Privacy Framework for Users' Privacy in Social Recommender Service
现有推荐服务的当前商业模型围绕用户的个人数据在他们身边的可用性，而消费者必须相信推荐服务提供商不会以恶意的方式使用他们的数据。随着侵犯隐私的案件越来越多，不同国家和公司都颁布了隐私法律和法规，以确定保护个人信息的最佳做法。数据保护第95/46/EC号指令和经济合作与发展组织（经合组织）制定的隐私原则就是这种监管框架的例子。在本文中，我们断言，利用第三方推荐服务来生成准确的推荐是可行的，同时保护用户的敏感信息的隐私，这些信息将仅驻留在他/她自己的设备上的清晰形式上。因此，受益于第三方推荐服务的每个用户将对从他/她自己的偏好中释放的内容具有绝对控制权。我们提出了一个协同隐私中间件，执行一个分布式数据汇集协议内的两个阶段的隐藏过程，以达到这一要求。此外，所提出的解决方案以自然和功能的方式符合公平信息实践的常见隐私监管框架之一-即经合组织隐私原则。本文提出的方法很容易集成到当前的业务模型，因为它是使用一个中间件，运行在最终用户端，并利用社会性质的内容分发服务，实现拓扑数据汇集协议。
2014-11-13 cs.CR cs.IR
SoK: Evaluating Privacy and Security Concerns of Using Web Services for the Disabled Population
残疾人社区的在线隐私和安全是一个复杂的领域，对每个浏览Web服务的用户都有影响。虽然许多学科分别研究了残疾人及其在线隐私和安全问题，但两者之间的重叠非常高，但研究不足。此外，一个复杂的关系之间存在的残疾人和网络服务的互动取决于几个网络服务的发展因素，包括可用性和可访问性。为此，我们通过对63篇文章进行详细的系统性文献回顾和分析，探讨了残疾人社区通过以前的研究所感知的Web服务的隐私和安全性的交叉点。我们的研究结果涵盖了几个主题，包括残疾人如何在身份验证界面周围导航，在线隐私问题，通用设计实践，以及如何改进CAPTCHA等安全方法，使其更容易为所有需求和能力的人所访问和使用。我们进一步讨论了目前研究中的差距，包括解决方案，如普遍实施包容性的隐私和安全工具和协议。
2023-02-26 cs.CR cs.HC
Dual Protection Ring: User Profiling Via Differential Privacy and Service Dissemination Through Private Information Retrieval
本文提出双环保护机制，结合差分隐私用户画像与私有信息检索，在提供个性化服务的同时抵御行为攻击和画像监控等隐私威胁，并通过移动应用验证其可行性。
2025-06-16 cs.CR
Privacy in Location Based Services: Primitives Toward the Solution
基于位置的服务（LBS）是数据库系统、移动通信、互联网技术和定位系统等领域的融合技术中最有前途和创新的方向之一。虽然早在20世纪90年代中期就开始了，但直到最近，由于其商业和技术影响，LBS才受到系统深入的研究兴趣。由于LBS与用户的位置相关，可用于跟踪用户的活动，因此引起了强烈的隐私问题。为了保存用户的位置，已经引入了一些智能工程，但仍有许多挑战有待解决。本文介绍了一个调查的LBS系统考虑到本地化技术，模型和架构，保证隐私。我们还概述了可能用于保护LBS隐私的密码原语，随后是基本上与隐私问题有关的富有成效的研究方向。
2009-03-16 cs.CR
Exploring Privacy Implications in OAuth Deployments
单点登录认证系统（如OAuth 2.0）广泛用于Web服务。它们允许用户使用在谷歌和Facebook等主要身份提供商注册的账户登录多个服务（依赖方）。这些服务既可以识别用户，也可以访问存储在提供商处的用户数据的子集。我们实证研究OAuth 2.0实现在依赖方的最终用户隐私的影响，最访问世界各地。我们收集了五个国家的Alexa Top 500网站中基于OAuth-based登录的使用数据。我们对四个身份提供商（Google、Facebook、Apple和LinkedIn）提供的用户数据进行分类，并评估从这些提供商的SSO平台访问用户数据的流行服务。许多服务允许用户从多个登录选项中进行选择（使用不同的身份提供程序）。我们的研究结果显示，服务从不同的提供商那里请求不同类别和数量的个人数据，至少有一个选择无疑更具隐私侵入性。这些隐私选择（及其隐私含义）对用户来说是高度不可见的。根据我们的分析，我们还确定了可以改善用户隐私并帮助用户做出明智决策的领域。
2021-03-03 cs.CR
Chiron: Privacy-preserving Machine Learning as a Service
主要的云运营商提供机器学习（ML）即服务，使拥有数据但没有ML专业知识或基础设施的客户能够根据这些数据训练预测模型。现有的ML即服务平台要求用户向服务运营商透露所有训练数据。我们设计，实现和评估Chiron，一个隐私保护的机器学习作为服务的系统。首先，Chiron对服务操作员隐藏了训练数据。其次，为了与现有的ML即服务平台保持一致，Chiron既不向用户透露训练算法，也不向用户透露模型结构，只提供对训练模型的黑盒访问。Chiron是使用SGX飞地实现的，但单独使用SGX无法实现数据隐私和模型机密性的双重目标。Chiron在飞地中运行标准的ML训练工具链（包括流行的Theano框架和C编译器），但来自服务操作员的不可信模型创建代码被进一步限制在Ryoan沙箱中，以防止其将训练数据泄露到飞地之外。为了支持分布式训练，Chiron执行多个并发的enclave，这些enclave通过参数服务器交换模型参数。我们在流行的深度学习模型上对Chiron进行了评估，重点关注CIFAR和ImageNet等基准图像分类任务，并表明其训练性能和结果模型的准确性对于ML即服务的常见用途是实用的。
2018-03-15 cs.CR
Privacy in geo-social networks: proximity notification with untrusted service providers and curious buddies
新兴的地理社交网络的一个主要特征是当用户的一个朋友（也称为好友）碰巧在地理上接近用户时通知用户的能力。这种邻近服务通常由网络本身或由第三方服务提供商（SP）使用从用户获取的位置数据来提供。本文对邻近服务中位置隐私问题的现有解决方案进行了严格的理论和实验分析。这对于不信任SP来处理其位置数据并且只想以一般化的形式向参与伙伴发布其位置信息的用户来说是严重的问题。本文提出了两个新的协议，提供完全隐私的SP，和可控隐私的伙伴。协议的分析和实验分析考虑到隐私，服务精度，计算和通信成本，显示出新协议的优越性相比，出现在文献中。所提出的协议也进行了测试，在一个完整的系统实现的邻近服务。
2010-11-06 cs.CR cs.DB
CloudMine: Multi-Party Privacy-Preserving Data Analytics Service
越来越多的企业正在用云服务取代他们的数据存储和计算基础设施。同样，越来越强调基于从不同数据源获得的多个数据集执行分析。虽然确保外包给第三方云的数据和计算的安全性本身就具有挑战性，但使用分布在多个独立云上的数据支持分析更是微不足道。在本文中，我们提出了CloudMine，一个基于云的服务，它允许多个数据所有者使用他们的云作为代表的联合数据执行隐私保护的计算。CloudMine保护半诚实数据所有者和半诚实云的数据隐私。它还确保了来自好奇云的计算输出的隐私。它允许数据所有者可靠地检测他们的云代理在执行委托计算时是否懒惰。CloudMine可以在单个云上作为集中式服务运行，也可以在多个独立的云上作为分布式服务运行。CloudMine支持一组基本计算，可用于构建各种高度复杂的分布式隐私保护数据分析。我们演示了如何在云环境中使用CloudMine（安全求和服务）的一个简单实例来实现三个经典的数据采掘任务（分类，关联规则挖掘和聚类）。我们实验的原型服务，其结果表明其实用性支持隐私保护数据分析作为（多）基于云的服务。
2013-10-01 cs.CR cs.DC
DiffAudit: Auditing Privacy Practices of Online Services for Children and Adolescents
针对普通受众在线服务需遵守儿童隐私法规的要求，提出平台无关的DiffAudit审计方法，通过差异流量分析和GPT-4驱动的数据分类，审计发现服务在同意前存问题处理、年龄数据流无区分等隐私实践问题。
2024-06-10 cs.CR
Resilient Collaborative Privacy for Location-Based Services
基于位置的服务（LBS）提供有价值的服务，为用户提供方便的功能。但是，通过每个请求披露的信息会损害用户隐私。这对于诚实但好奇的LBS服务器来说尤其令人担忧，它们可以通过收集请求来跟踪用户并推断出额外的敏感用户数据。这是LBS的集中式和分散式位置隐私保护方案的动机：匿名化和模糊化LBS查询以不披露确切信息，同时仍然获得有用的响应。分散式方案克服了集中式方案的缺点，消除了匿名者，增强了用户对敏感信息的控制。然而，一个不安全的去中心化系统可能会带来比隐私泄露更严重的安全威胁。我们正是解决这个问题，提出了移动数据共享系统的安全增强。我们保护用户隐私，同时保留用户活动的问责制，利用主流加密技术的匿名身份验证。我们的设计利用了为大规模移动系统提出的架构，同时它对LBS服务器的更改最小，因为它可以与LBS服务器并行部署。这进一步推动了我们的设计的采用，以满足隐私敏感用户的需求。我们提供了安全和隐私问题和对策的分析，以及基本协议操作的性能评估显示我们的设计的实用性。
2020-01-21 cs.CR
Cryptanalysis of a Privacy-Preserving Ride-Hailing Service from NSS 2022
本文针对 NSS 2022 的隐私保护网约车协议提出被动攻击，证明服务提供商可在每次请求中完全恢复乘客与响应司机位置，且攻击成本不依赖安全参数。
2025-10-19 cs.CR
Resilient Privacy Protection for Location-Based Services through Decentralization
基于位置的服务（LBS）提供了有价值的服务，为移动用户提供了方便的功能。然而，通过对LBS的每个查询所公开的位置和其他信息侵蚀了用户隐私。这是一个值得关注的问题，特别是因为LBS提供商可能诚实但好奇，收集查询和跟踪用户的行踪，并推断敏感的用户数据。这激发了LBS的集中式和分散式位置隐私保护方案：匿名化和模糊化LBS查询，以不披露确切信息，同时仍然获得有用的响应。分散式方案克服了集中式方案的缺点，消除了匿名者，并增强了用户对敏感信息的控制。然而，一个不安全的去中心化系统可能会造成严重的风险，而不仅仅是私人信息泄露。更重要的是，攻击一个设计不当的去中心化LBS隐私保护方案可能是一个有效且低成本的侵犯用户隐私的步骤。我们正是解决这个问题，提出了移动数据共享系统的安全增强。我们保护用户隐私，同时保留用户活动的问责制，利用主流加密技术的匿名身份验证。我们表明，我们的计划可以部署在一个静态的汽车测试平台的实施的实验评估的基础上，与现成的设备。
2020-01-22 cs.CR
Search Me If You Can: Privacy-preserving Location Query Service
随着智能手机和社交网络服务（SNS）的迅猛发展，基于位置的服务（LBS）变得越来越流行，其丰富的上下文功能吸引了大量用户。许多LBS提供商使用用户的位置信息为他们提供方便和有用的功能。然而，由于位置本身包含了大量信息，LBS可能会严重侵犯个人隐私。因此，保护位置隐私，同时实现效用，它仍然是一个具有挑战性的问题。本文通过设计一套新颖的细粒度隐私保护位置查询协议（PLQP）来解决这一重要挑战。我们的协议允许不同用户对加密位置信息进行不同级别的位置查询，并且它足够高效，可以应用于移动平台。
2013-04-11 cs.CR cs.SI
Computationally Recoverable Camouflage: A Universal Model for Privacy-Aware Location-Based Services
随着先进定位技术支持的基于位置的服务（LBS）的普及，高精度个人地理数据的传输急剧增加。恶意使用这些敏感数据将威胁LBS用户的隐私。虽然LBS中的隐私研究受到了广泛的关注，但相关的工作大多集中在一些特定的应用。由于LBS的高度多样性，建立一个能够处理更广泛应用的隐私保护的通用模型至关重要。在本文中，我们提出了一个计算可恢复伪装（CRC）模型，LBS用户可以通过报告伪装的位置信息来保护隐私，并能够灵活地利用服务质量和实现的隐私在不同的应用程序之间通过调整伪装信息的精度。特别是，我们提出了一种新的伪装算法与正式的隐私保证，同时考虑位置上下文和社会背景，使LBS用户可扩展地暴露伪装信息的两个维度。此外，我们应用可扩展密文策略基于属性的加密（SCP-ABE）算法，以加强对二维可扩展伪装信息的细粒度访问控制。通过在Android设备上的成功实现，我们已经证明了所提出的CRC模型的计算效率。
2017-03-01 cs.CR
Big Data Privacy in Emerging Market Fintech and Financial Services: A Research Agenda
针对新兴市场金融科技数据隐私风险，白皮书提出含格局分析、隐私定义、风险与技术方案、非技术手段、方案权衡五方向的研究议程，推动负责任的消费者导向数据应用发展。
2023-10-08 cs.CR
L-SRR: Local Differential Privacy for Location-Based Services with Staircase Randomized Response
基于位置的服务（LBS）已经得到了显著的发展，并广泛部署在移动设备中。众所周知，LBS应用程序可能会收集敏感位置，从而导致严重的隐私问题。强隐私模型“局部差分隐私"（LDP）最近已经被部署在许多不同的应用中（例如，Google RAPPOR、iOS和Microsoft Telemetry），但由于现有LDP机制的低实用性，对LBS应用程序无效。为了解决这样的缺陷，我们提出了第一个LDP框架的各种基于位置的服务（即“L-SRR”），私人收集和分析用户的位置与高效用。具体来说，我们设计了一种新的随机化机制“阶梯随机响应”（SRR），并扩展了经验估计，以显着提高SRR在不同LBS应用中的效用（例如，业务密度估计和k-最近邻）。我们在四个真实的LBS数据集上进行了广泛的实验，并与实际应用中的其他LDP方案进行了比较。实验结果表明，L-SRR明显优于它们。
2022-09-29 cs.CR
BinaryShield: Cross-Service Threat Intelligence in LLM Services using Privacy-Preserving Fingerprints
Microsoft Redmond, USA（微软红mond分校）；Microsoft New York, USA（微软纽约分校）
BinaryShield通过隐私保护技术实现跨服务威胁情报共享，提升LLM安全防护能力。
2026-02-28 cs.AI cs.CL cs.CR
An operational architecture for privacy-by-design in public service applications
世界各地的政府都在试图建立大型数据注册中心，以有效地提供各种公共服务。然而，由于对与收集和处理个人身份信息相关的隐私风险的严重担忧，这些努力往往受到破坏。虽然在计算机科学中存在丰富的专用隐私保护技术，但在缺乏总体操作架构以确保目的限制和防止内部攻击的情况下，它们无法提供符合法律原则的端到端保护。这要么导致大型设计中的弱隐私保护，要么通过牺牲实用性来采用过度防御策略来保护隐私。在本文中，我们提出了一个操作架构的隐私设计的基础上，独立的监管监督规定的大多数数据保护制度，受监管的访问控制，目的限制和数据最小化。我们简要地讨论了实现我们的架构基于现有技术的可行性。我们还提出了一些具有挑战性的公共服务应用程序的隐私保护设计草图的样本案例研究。
2020-06-08 cs.CR cs.CY
PrivLoc: Preventing Location Tracking in Geofencing Services
基于位置的服务越来越多地用于我们的日常活动。然而，在目前的服务中，用户必须放弃他们的位置隐私，以获得服务。文献的特点是大量的贡献，旨在提高用户的隐私，基于位置的服务。这些贡献中的大多数使用空间和/或时间伪装来混淆用户的位置，以提供k-匿名性。尽管这样的方案确实可以加强用户的位置隐私，但是它们经常降低服务质量并且不一定防止对用户移动的可能跟踪（即，方向、轨迹、速度）。随着地理围栏应用的兴起，对移动的跟踪变得更加明显，因为在这些设置中，服务提供商不仅请求用户的单个位置，而且需要用户的移动矢量来确定用户是否已经进入/退出感兴趣的地理围栏。在本文中，我们提出了一种新的解决方案，PrivLoc，它使隐私保护外包的地理围栏和基于位置的服务到云，而不会泄露任何有意义的信息的位置，轨迹和速度的用户。值得注意的是，PrivLoc能够利用现有地理围栏服务或空间数据库的功能，实现移动矢量与任何感兴趣的多边形的高效和隐私保护交叉。我们分析了PrivLoc的安全和隐私条款，并通过实现来评估我们的方案的性能。我们的研究结果表明，PrivLoc引入的性能开销在很大程度上可以容忍在现实的部署设置。
2014-04-18 cs.CR
Cryptanalysis of the Privacy-Preserving Ride-Hailing Service TRACE
在典型的叫车服务中，服务提供商（RS）将客户（RC）与注册到该服务的最近车辆（RV）进行匹配。TRACE是Wang等人在2018年提出的一种高效的隐私保护叫车服务。TRACE使用掩码以及其他加密技术来确保高效和准确的乘车匹配。RS使用掩蔽的位置信息来匹配象限内的RC和RV，而无需获得它们的确切位置，从而确保隐私。在这项工作中，我们反驳了TRACE中的隐私声明，通过展示以下内容：a）RC和RV可以识别RS维护的秘密空间划分（这揭示了该地区RV密度和其他潜在商业秘密的信息），以及b）RS可以识别RC和RV的确切位置（这违反了位置隐私）。在TRACE协议中交换加密消息之前，每个实体都用其他实体未知的秘密来掩盖明文消息。我们的攻击允许其他实体通过利用不同消息中使用的共享随机性从掩码值中恢复此明文，最终导致未知明文中的线性方程组。即使所有的参与实体都是诚实但好奇的，这也是成立的。我们实施了我们的攻击，并证明了它的效率和高成功率。对于TRACE推荐的安全参数，RV可以在不到一分钟的时间内恢复空间划分，RS可以在不到一秒钟的时间内恢复RV在商用笔记本电脑上的位置。
2021-12-24 cs.CR
A Model for Privacy-enhanced Federated Identity Management
出于法律和商业原因，在业务或消费者上下文中运行的身份联合需要防止跨信任服务提供商收集用户数据。法律原因由数据保护立法给出。其他原因包括企业所有者越来越意识到超越传统信息安全的保密风险，例如，对电子数据交换服务的认证次数可以提供对发票数量的了解，从中可以得到内部信息。本文提出了支持三个隐私要求的扩展技术控制：a）限制可链接性：两个服务提供商在没有第三方帮助的情况下不能链接与用户相关的数据，既不使用标识符也不使用其他识别属性，如电子邮件地址或支付数据; b）有限的可观察性：身份提供商在没有第三方帮助的情况下无法跟踪用户正在使用哪些服务; c）不公开：由属性提供者提供给服务提供者的属性不向身份提供者或中间服务代理公开。这个参考体系结构使用遵循隐私设计原则的轴辐式联合风格，解决了上面提到的隐私控制。
2014-01-19 cs.CR
A Practical and Privacy-Preserving Framework for Real-World Large Language Model Services
School of Computer, Electronics and Information, Guangxi University（广西大学计算机、电子与信息学院）；College of Cyber Security, Jinan University（暨南大学网络安全学院）
提出基于部分盲签名的隐私保护框架，防止服务提供商关联用户请求，支持订阅和API两种模式，兼容现有LLM系统，开销小。
2026-06-23 cs.CR
Utility-aware and privacy-preserving mobile query services
基于位置的查询为移动道路网络旅行者提供基本服务。虽然基于位置的服务（LBS）的好处很多，但将移动旅行者的位置信息暴露给不受信任的LBS提供商可能会导致隐私泄露。在本文中，我们提出了StarCloak，一个实用程序感知和攻击弹性的方法来建立一个隐私保护的查询系统，移动用户在道路网络上行驶。StarCloak有几个令人满意的特性。首先，StarCloak支持用户定义的k用户匿名性和l段不可否认性，以及用户指定的空间和时间效用约束，以实现效用感知和个性化的位置隐私。其次，与传统的解决方案，是漠不关心的基础道路网络结构，StarCloak使用的概念，明星，并提出了有效的位置隐藏在道路网络的伪装图。第三，StarCloak通过随机的星选择和修剪，实现了对重放和查询注入攻击的强大攻击弹性。最后，为了实现高吞吐量的可扩展查询处理，StarCloak通过考虑查询评估和网络通信成本来做出成本感知的星选择决策。我们评估StarCloak在两个真实世界的道路网络数据集下的各种隐私和效用的限制。结果表明，StarCloak与其最相关的竞争对手XStar相比，提高了查询成功率和吞吐量，减少了匿名化时间和网络使用量，并具有更高的攻击弹性。
2019-07-15 cs.CR
P4QS: A Peer to Peer Privacy Preserving Query Service for Location-Based Mobile Applications
基于位置的服务提供了网络世界和物理世界的有趣组合。但是，它们也可能威胁到用户的隐私。现有的隐私保护协议需要可信节点，存在严重的安全和计算瓶颈。提出了一种基于对等网络结构的分布式匿名协议。每个移动节点负责匿名化特定区域。移动节点在匿名查询中进行协作，而不需要访问关于彼此的任何信息。在提议的协议中，每个请求将与随机选择的票一起发送。服务器生成的加密响应基于此票证的哈希值通过网络发送到特定的移动节点（称为代理节点）。用户将查询代理以获得响应。消息的所有部分都是加密的，除了匿名器和代理所需的字段。这将保护P2P网络上的数据包交换。实验结果表明，该协议能够有效地实现位置服务中的用户隐私保护。
2016-06-08 cs.CR
SDN-based Runtime Security Enforcement Approach for Privacy Preservation of Dynamic Web Service Composition
针对动态Web服务组合的隐私保护问题，提出了一种基于SDN的动态Web服务组合隐私保护运行时安全实施方法。该方法的主要思想是服务组合的所有者利用安全策略模型（SPM）定义服务组合在应用平面上必须遵循的访问控制关系，然后将SPM模型转换为包含SDN数据平面信息的低层安全策略模型（RSPM），并将RSPM模型上传到SDN控制器。在上传之后，集成在SDN控制器中的虚拟机访问控制算法在运行时监控所有针对服务组合的访问请求。只有满足RSPM模型定义的接入请求才能转发到目标终端。任何不符合RSPM模型定义的访问请求将被Openflow交换机自动拦截或被SDN控制器删除，从而有效解决Web服务组合运行时的网络层非法访问、身份窃取攻击和服务泄漏等问题。为了验证该方法的可行性，本文利用POX控制器和Mininet虚拟网络仿真器实现了一个实验系统，并利用该系统对该方法的有效性和性能进行了评估。最后的实验结果表明，该方法是完全有效的，当RSPM模型规模逐渐增大时，该方法总能在可接受的时间内得到正确的计算结果。
2021-05-27 cs.CR
Privacy-Preserving Parameter-Efficient Fine-Tuning for Large Language Model Services
University of Ottawa（渥太华大学）；Zhongguancun Laboratory（中关村实验室）；School of Electrical Engineering and Computer Science（电气工程与计算机科学学院）；Department of Computer Science and Technology（计算机科学与技术系）；Institute for AI Industry Research (AIR)（人工智能产业研究院）
针对LLM服务中私有数据微调的隐私风险，提出基于本地差分隐私和联合重建任务的RAPT框架，在保护隐私的同时保持任务性能。
2025-10-10 cs.CL cs.CR
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
Blockchain-based Transparency Framework for Privacy Preserving Third-party Services
信息系统越来越依赖于部署在第三方设施（例如云中心和边缘节点）中的计算、存储和网络资源。这种做法进一步加剧了网络安全问题，这些问题不断由导致数据泄露和身份盗窃等的众多安全和隐私攻击事件引起。这些反过来又迫使制定更严格的安全和隐私相关法规，并削弱了对网络空间的信任。特别是，安全相关的服务和基础设施，如提供数字证书服务的证书颁发机构（CA）和提供加密密钥服务的第三方机构（TPA），是在基于加密的隐私保护应用程序和服务中建立信任的关键组件。为了解决这种信任问题，最近在文献中提出了各种透明度框架和方法。本文提出了TAB框架，该框架使用区块链技术为新兴的基于加密的隐私保护应用程序提供第三方权威机构和第三方设施的透明度和可信度。TAB采用以太坊区块链作为底层公共账本，还包括一个新颖的智能合约，通过激励机制自动化问责制，激励用户参与审计，并惩罚无意或恶意行为。我们实现了TAB，并通过以太坊官方测试网络Rinkeby的实验评估表明，该框架是有效的。我们还正式展示了TAB提供的安全保证，并分析了它提供的隐私保证和可信性。
2022-06-04 cs.CR cs.NI
Towards a New Paradigm for Privacy and Security in Cloud Services
云计算市场可被视为信通技术的主要增长领域。然而，大公司和公共机构不愿意将其最敏感的数据委托给外部方进行存储和处理。他们犹豫的原因很明显：没有令人满意的方法来充分保护数据在云中的生命周期。欧盟项目Prismacloud（地平线2020计划;持续时间2/2015-7/2018）解决了这些挑战，并产生了一系列新技术来构建支持安全的云服务，以尽可能强的概念保证所需的安全性，即通过密码学。我们提出了一种新的方法来实现下一代的安全和隐私启用的服务部署在只有部分可信的云基础设施。
2015-07-21 cs.CR
Privacy-Preserving Claims Exchange Networks for Virtual Asset Service Providers
为了使VASP满足FATF和旅行规则的监管要求，VASP需要访问有关虚拟资产转移实例中涉及的发起人，受益人和其他VASP的真实信息。此外，在寻求有关受试者（个人或组织）的数据时，VASP面临着GDPR和CCPA等隐私法规。在本文中，我们提出了一个隐私保护的索赔发放模型，携带指标的数据和算法的出处，用于派生索赔或断言。这允许VASP获得发起人和受益人信息，而不必访问有关这些实体的私人数据。其次，我们建议使用一个财团的信任网络安排的VASP交换签署索赔的主题和他们的公钥信息或证书。
2020-03-02 cs.CR
FT-PrivacyScore: Personalized Privacy Scoring Service for Machine Learning Participation
UMBC（马里兰大学巴尔的摩分校）
针对受控数据访问模式下个体数据贡献者无法量化参与机器学习任务的隐私风险这一问题，研究团队开发了FT-PrivacyScore演示原型，可高效定量评估参与模型微调任务的隐私风险，源代码将开源。
2024-10-30 cs.CR cs.LG
The Privacy Exposure Problem in Mobile Location-based Services
移动位置服务（LBS）是由移动众包提供的基于用户位置的上下文感知智能服务。由于智能手机能够收集和传播大量的用户位置嵌入式传感信息，移动用户的隐私保护已成为一个至关重要的问题。本文提出了一个度量隐私暴露量化的概念，这是主观的和定性的性质，以支持移动LBS评估隐私保护解决方案的有效性。该指标结合了活动覆盖率和活动一致性，以解决两个主要的隐私威胁，即活动热点披露和活动转换披露。此外，我们提出了一种算法来最大限度地减少移动LBS的隐私暴露。我们通过大量的模拟评估所提出的度量和隐私保护传感算法。此外，我们还实现了基于Android的移动系统中的算法，并进行了真实世界的实验。我们的模拟和实验结果表明，（1）所提出的度量可以适当地量化在空间域中的人类活动的隐私暴露水平和（2）所提出的算法可以有效地掩盖用户的活动热点和过渡在高和低用户移动水平。
2018-08-02 cs.CR cs.NI
Modelling imperfect knowledge via location semantics for realistic privacy risks estimation in trajectory data
车辆和人员的移动模式为车队优化和交通流分析等基于位置的服务提供了强大的数据源。基于位置的服务提供商必须平衡他们从轨迹数据中提取的价值与保护这些轨迹背后的个人隐私。实现这一目标需要准确衡量实用性和隐私的价值。目前的度量方法假设对手具有完全的知识，从而高估了隐私风险。为了解决这个问题，我们引入了一个模型的对手与不完善的知识的目标。该模型是基于等价区域，具有语义意义的时空区域，例如目标的家，其大小和准确性决定了对手的技能。然后，我们推导出标准的隐私度量的k-匿名性，l-多样性和t-封闭性的等价区域的定义。这些指标可以在任何数据集上计算，无论是否应用了匿名化以及应用了何种匿名化。这项工作对于所有作为轨迹数据处理器的服务提供商都具有高度相关性，这些服务提供商希望管理隐私风险并优化其服务的隐私与效用权衡。
2021-12-07 cs.CR
