More Granular, Less Trust: Enforcing Intra-Process Isolation with Arm CCA in an Untrusted Management Environment
Huazhong University of Science and Technology（华中科技大学）；JinYinHu Laboratory（金银湖实验室）；George Mason University（乔治梅森大学）；Peking University（北京大学）；DAMO Academy, Alibaba Group（阿里巴巴集团达摩院）
本文提出CCAegis系统，扩展Arm CCA实现进程内隔离，仅信任安全监视器以最小化TCB，在真实密码工作负载中性能开销为1.01x-1.43x，可有效隔离敏感数据与操作。
2026-08-24 cs.CR
MSWasm: Soundly Enforcing Memory-Safe Execution of Unsafe Code
UCSD（加州大学圣地亚哥分校）；Yale University（耶鲁大学）；CMU（卡内基梅隆大学）；University of Cambridge（剑桥大学）；University of Trento（特伦托大学）；Utrecht University（乌得勒支大学）
MSWasm通过语言级内存安全性抽象，确保内存不安全代码的内存安全执行，通过形式化语义和证明，展示其内存安全性和编译器的正确性。
2026-04-16 cs.CR cs.PL
Contextual and Granular Policy Enforcement in Database-backed Applications
由于传统的数据库访问控制机制无法执行复杂的策略，因此数据库支持的应用程序依赖于内联策略检查以符合策略的方式处理用户的私有和机密数据。然而，由于错过检查而导致的应用程序错误在此类应用程序中很常见，这会导致数据泄露。虽然将策略与代码分离是一种自然的解决方案，但许多数据保护策略根据访问数据的上下文以及如何使用数据来指定限制。自动实施这些限制带来了巨大的挑战，因为确定上下文所需的信息要求策略实施和应用程序实现之间的紧密耦合。我们提出Estrela，一个框架，用于执行上下文和粒度数据访问策略。在大多数数据库支持的应用程序中，API端点可以与显着的上下文信息相关联，Estrela允许开发人员指定对数据访问和使用的API特定限制。Estrela提供了策略规范和应用程序实现之间的清晰分离，这有助于更轻松地审核和维护策略。Estrela中的策略由预评估和后评估条件组成，分别提供了在查询发出之前调整数据库访问的手段，以及在查询评估之后对信息发布施加更细粒度的约束。我们构建了一个Estrela的原型，并将其应用于改造几个现实世界的应用程序（从1000- 80 k位），以执行不同的上下文策略。我们的评估表明，Estrela可以以最小的开销执行策略。
2020-03-13 cs.CR
Data Capsule: A Self-Contained Data Model as an Access Policy Enforcement Strategy
在本文中，我们介绍了一种数据封装模型，这是一种基于新兴的自我主权身份标准、区块链和基于属性的加密的自包含且自我强制的数据容器。数据胶囊允许透明、尊重隐私和安全的个人数据交换，从而在半信任环境中实现渐进信任方案。每个数据胶囊都与自己的访问策略结构和可验证数据捆绑在一起，大大减少了用户、服务提供商和数据托管人之间所需的交互次数。此外，通过依赖区块链和基于属性的加密的去中心化性质，我们提出的模型确保服务提供商发布的访问策略是公开的，透明的，并严格遵守。
2022-02-16 cs.CR
On the Practicality of Cryptographically Enforcing Dynamic Access Control Policies in the Cloud (Extended Version)
对云托管数据实施强大和动态访问控制的能力，同时确保云本身的机密性，是许多用户和组织的明确目标。为此，有许多密码学研究提出使用（分层）基于身份的加密，基于属性的加密，谓词加密，功能加密和相关技术来对不可信的云提供商执行强大的私有访问控制。然而，这项工作的绝大多数研究静态模型，其中正在实施的访问控制策略不随时间而变化。这与利用动态数据和/或策略的大多数实际应用程序的需求相反。在本文中，我们表明，在不受信任的平台上的动态访问控制的加密执法会产生计算成本，在实践中可能是令人望而却步的。具体来说，我们开发了轻量级的结构来实施基于角色的访问控制（即，$\mathsf{RBAC}_0$）通过云托管的文件使用基于身份的和传统的公钥密码学。这是在尽可能接近密码学文献中假设的威胁模型下完成的。我们证明了这些结构的正确性，并利用现实世界的$\mathsf{RBAC}$数据集和访问控制社区开发的最新技术进行实验分析，通过模拟，其相关的计算成本。该分析表明，支持撤销、文件更新和其他状态更改功能可能会在即使是最小动态、现实的场景中产生令人望而却步的开销。我们确定了一些瓶颈，在这样的系统中，和富有成效的领域，为未来的工作，将导致更自然和更有效的建设的加密执行动态访问控制。
2016-04-26 cs.CR
Checking and Enforcing Security through Opacity in Healthcare Applications
物联网（IoT）是一种范式，可以极大地改变医疗保健，从而使医院，医生和患者受益。在这种情况下，保护医疗保健中的物联网免受干扰，包括服务攻击和恶意软件，是一项具有挑战性的工作。不透明性是一种机密性属性，它捕获系统保持其行为的子集对被动观察者隐藏的能力。在这项工作中，我们试图引入一种基于物联网的心脏病发作检测系统，该系统可以挽救患者的生命，而不会通过验证和实施不透明来威胁他们对隐私的需求。我们的主要贡献是使用一种工具来验证其三种形式的不透明性，从而检测我们系统中的隐私泄漏。此外，我们开发了一个有效的，符号观察图（SOG）为基础的算法执行不透明度。
2017-09-29 cs.CR
Audit-or-Cast: Enforcing Honest Elections with Privacy-Preserving Public Verification
IIIT Hyderabad（印度信息科学与技术学院海得拉巴分校）
ACE协议在保障公共审计性的同时提供强隐私保护，通过公开验证的计数隐藏聚合机制和审计或投递挑战，在无可信客户端假设下实现端到端可验证性、公开计数隐藏结果和强收据自由性。
2026-04-21 cs.CR
The Granularity Mismatch in Agent Security: Argument-Level Provenance Solves Enforcement and Isolates the LLM Reasoning Bottleneck
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院 Gallagher 学院）；King Abdullah University of Science and Technology（国王 Abdullah 科学技术大学）；Dongbei University of Finance and Economics（东北财经大学）；University of Science and Technology of China（中国科学技术大学）
本文提出PACT框架，通过论证层面的溯源解决代理安全中的粒度不匹配问题，隔离LLM推理瓶颈，提升安全性和实用性。
2026-05-11 cs.AI cs.CR
Agentic-ZTA: A Multi-Agent Architecture for Autonomous Zero Trust Enforcement
Tennessee Tech University（田纳西理工大学）；University of North Carolina Pembroke（北卡罗来纳大学彭布罗克分校）；The University of Texas at Dallas（德克萨斯大学达拉斯分校）
提出Agentic-ZTA多智能体架构，通过检索增强生成和策略引擎智能体实现NIST零信任控制循环，在测试平台上达到95.0%准确率、93.9%精确率和96.3%召回率，验证了AI智能体实施零信任的可行性。
2026-10-06 cs.AI cs.CR cs.ET
A Logical Method for Policy Enforcement over Evolving Audit Logs
我们提出了一种迭代算法，用于执行一阶逻辑中表示的策略，特别是可以表达HIPAA隐私规则中所有与传输相关的条款。该逻辑有三个特点，提高了执法的挑战-未解释的谓词（用于建模的隐私政策中的主观概念），实时的时间属性，并在无限域（如包含个人信息的消息集）的量化。该算法对审计日志进行操作，这些日志本质上是不完整的，并随着时间的推移而演变。在每次迭代中，算法在当前日志上可证明地检查尽可能多的策略，并输出仅当日志用附加信息扩展时才能检查的剩余策略。我们证明了算法的正确性和终止性。虽然这些结果是在一个一般的形式，占审计日志中的不完整性的许多不同的来源，我们也证明了，对于特殊情况下的日志，保持一个完整的记录，所有相关的行动，该算法有效地执行所有的安全和共同安全属性。该算法可以显著地帮助自动执行来自HIPAA隐私规则的策略。
2011-05-07 cs.CR cs.LO
DiSPEL: Distributed Security Policy Enforcement for Bus-based SoC
本文提出了DiSPEL框架，通过分布式部署和集中式模块在总线型SoC中执行用户定义的安全策略，有效抵御不可信IP，并在开源基准上以低开销验证了其有效性和可行性。
2023-08-05 cs.AR cs.CR
2.5D Root of Trust: Secure System-Level Integration of Untrusted Chiplets
在接受和出版后，献给已故的Vassos Soteriou。我们首次利用2.5D内插器技术在面对以硬件和软件为中心的对手时建立系统级安全性。更具体地，我们集成小芯片（即，复杂功能的第三方硬知识产权，如微处理器）。这样的硬件组织为值得信赖的，但功能强大且灵活的计算系统提供了强大的2.5D信任根。我们的计划的安全范例，采用坚定的设计和建设，是：1）严格的物理分离的可信组件从不可信的，2）运行时监控。所有不受信任的商品小芯片的系统级活动都通过物理上分离的安全特征针对安全策略进行连续检查。除了安全承诺之外，外包供应链的良好经济性仍然保持不变;系统供应商可以自由地从公开市场购买芯片，同时只生产插入器并自行组装2.5D系统。我们展示了我们的方案，使用Cortex-M0内核和ARM的AHB-Lite总线，构建一个安全的64核系统与共享存储器。我们评估我们的计划，通过硬件仿真，考虑不同的威胁情况。最后，我们设计了一个物理设计流程的2.5D系统，基于商业级的设计工具，以证明和评估我们的2.5D信任的根源。
2020-09-29 cs.AR cs.CR
VetIoT: On Vetting IoT Defenses Enforcing Policies at Runtime
针对运行时策略执行的物联网防御方案审查不足、评估非统一的问题，提出高度自动化统一评估平台VetIoT，通过自动化事件模拟与结果比较复现并评估四种方案，提升可重复性与比较分析能力。
2025-09-23 cs.CR
Secure-CUA: Controlling Untrusted Influence in Computer-Use Agents
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Google（谷歌）；Google DeepMind（谷歌DeepMind）
Secure-CUA通过操作事务和隔离查询模型，在计算机使用代理中控制不可信内容影响，实现安全执行，并在WebArena任务中达到53.55%的成功率。
2026-10-08 cs.AI cs.CR
Hard-Earned Lessons in Access Control at Scale: Enforcing Identity and Policy Across Trust Boundaries with Reverse Proxies and mTLS
针对传统VPN、应用级SSO难以支撑分布式动态员工安全扩展访问的问题，本文分享了集成mTLS、集中SSO的反向代理零信任架构的落地经验、挑战与教训，该多维度方案实现设备与用户双认证、策略集中管控和全链路可观测，保障企业内部应用安全顺畅访问。
2025-08-03 cs.CR cs.NI cs.SE
PS-UIE: Privilege-Separated Integrity Enforcement for User-Space Executable Objects in Confidential VMs
Beijing Jiaotong University（北京交通大学）；Beijing Key Laboratory of Security and Privacy in Intelligent Transportation（智能交通安全与隐私北京市重点实验室）
提出PS-UIE，一种基于特权分离架构的方法，通过将完整性度量和强制权限置于更高特权域，实现对AMD SEV-SNP机密虚拟机中用户空间可执行对象的策略控制完整性强制，并提供可验证的运行时证据。
2026-06-03 cs.CR
TitanCFI: Toward Enforcing Control-Flow Integrity in the Root-of-Trust
本文提出TitanCFI，一种在现代RISC-V SoC的可信根中强制执行控制流完整性的新方法，通过修改内核提交阶段将控制流指令流式传输至RoT固件执行策略，复用硬件资源并利用防篡改存储保护元数据，实现1%的极低面积开销。
2024-01-04 cs.AR cs.CR
Transparent IFC Enforcement: Possibility and (In)Efficiency Results
信息流控制（IFC）是一系列技术的集合，用于确保不写不读的安全策略，称为不干扰。静态和动态IFC的传统方法在实际程序中存在大量的错误警报。安全多执行（SME）承诺提供安全的IFC，而不修改已经安全的程序的行为，这是一种称为透明度的属性。SME的实现存在于网络上，并作为几种程序设计语言的插件。此外，SME在理论上可以以黑盒方式工作，这意味着它可以是程序设计语言不可知的，这使得它非常适合保护遗留系统或第三方系统。因此，SME及其变体，如Multiple Facets（MF）和Faceted Secure Multi-Execution（FSME），似乎是安全工程师的灵丹妙药。问题是，既然有这么多优点，为什么这些技术在实践中并不普遍？答案部分在于运行时和内存开销的问题。在许多重要情况下，SME及其变体的部署成本极其昂贵。为什么会这样呢？从表面上看，原因很简单。SME家族中的技术都依赖于多执行的思想，多次运行程序的全部或部分以实现不干扰。自然，这会导致开销。然而，国际金融公司的目标是克服这些间接费用。在本文中，我们认为，有根本的原因，预计这是不可能的，并证明了两个关键定理：1。所有透明实施都是多项式时间等效于多执行。2.所有黑盒强制执行所花费的时间与安全网格中的主体数量成指数关系。我们也回答，在肯定的，一个开放的问题，透明地执行TINI安全条件的可能性。
2020-05-25 cs.CR
ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection
Washington University in St. Louis（华盛顿大学圣路易斯分校）；Johns Hopkins University（约翰斯·霍普金斯大学）
本文提出ROPE防御间接提示注入，通过确定性来源检查实现可证明的安全保证，在低攻击成功率的同时保留高智能体效用，优于现有系统级防御。
2026-08-31 cs.CR
Privacy Law Enforcement Under Centralized Governance: A Qualitative Analysis of Four Years' Special Privacy Rectification Campaigns
本文通过访谈18名参与中国专项隐私整治行动的应用工程师，定性分析了集中治理下运动式隐私执法的流程、挑战、应对方案及影响，揭示了该执法模式的有效性与潜在问题。
2025-03-11 cs.CR cs.HC
Defeating Prompt Injections by Design
Google（谷歌）；Google DeepMind（谷歌DeepMind）；ETH Zurich（苏黎世联邦理工学院）
针对LLM代理的提示注入攻击，提出CaMeL防御框架，通过显式分离控制流与数据流及能力机制，在AgentDojo上以77%可证明安全任务完成率验证有效性。
2025-06-24 cs.AI cs.CR
Here is a GIFT: Enforcing User Data Isolation in LLM Serving via GPU Information Flow Tracking
Institute of Parallel and Distributed Systems, School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机学院并行与分布式系统研究所）；Northeastern University（东北大学）
本文提出GIFT（GPU信息流跟踪系统），通过按用户加密、静态流分析等技术在LLM服务中实现用户数据隔离，扩展版GIFT-CC集成机密计算，在vLLM等框架上仅产生4-10.7%吞吐量开销。
2026-08-27 cs.CR
Renaming or Tightness: Enforcing Disjunctive Information Flow Policies
Carnegie Mellon University（卡内基梅隆大学）
针对非格状析取信息流策略，构建流敏感类型系统族，发现通用类型对象分裂问题，在不同自由对象上分析精度差异，提出通过推迟特化恢复精度的方案。
2026-08-11 cs.CR cs.LO cs.PL
DAVE: A Policy-Enforcing LLM Spokesperson for Secure Multi-Document Data Sharing
Fraunhofer ISST（弗劳恩霍夫研究所）
DAVE是一种强制使用策略的LLM发言人，通过自然语言接口在不泄露敏感信息的情况下实现安全的多文档数据共享。
2026-02-19 cs.CL cs.CR
Big Bird: Resilient Privacy Budgeting Across Untrusted Web Domains
Columbia University（哥伦比亚大学）；Meta Platforms, Inc.（Meta平台公司）；University of British Columbia（不列颠哥伦比亚大学）
Big Bird通过全局设备-时间周期差分隐私机制，解决多请求者系统中隐私预算耗尽问题，确保隐私保护与实用性的平衡。
2026-09-15 cs.CR
Cassandra: Efficient Enforcement of Sequential Execution for Cryptographic Programs (Extended Version)
针对现代处理器控制流误推测破坏恒时加密程序安全性的问题，提出软硬件协同机制Cassandra，通过禁用分支预测、压缩重放控制流，在保障安全的同时实现平均1.85%的性能提升。
2025-05-20 cs.AR cs.CR
Comparison of Access Control Approaches for Graph-Structured Data
本文针对图结构数据的细粒度访问控制，系统筛选并对比分析了多项保护属性图结构数据的研究，从基础模型、策略定义与执行等方面评估了它们的优势与局限。
2024-05-31 cs.CR
LWeb: Information Flow Security for Multi-tier Web Applications
本文介绍了LWeb，一个框架，用于执行基于标签的，信息流的数据库使用Web应用程序的政策。简而言之，LWeb将LIO Haskell IFC执行库与Yesod Web编程框架结合在一起。该实施包括两个部分。首先，我们提取LIO的核心到一个单子Transformer（LMonad），然后将其应用到Yesod的核心单子。其次，我们扩展了Yesod的表定义DSL和查询功能，以允许在表上定义和执行基于标签的策略，并在查询处理过程中执行这些策略。LWeb的策略语言是表达性的，允许动态的逐表和逐行策略。我们在$λ_{LWeb}$演算中形式化了LWeb的本质，并在Liquid Haskell中机械化了非干涉性的证明。这种机械化构成了Liquid Haskell中进行的第一个元理论证明。我们还使用LWeb构建了一个大型网站，举办Build it，Break it，Fix it面向安全的编程竞赛。该网站涉及40个数据表和复杂的政策。与手动检查安全策略相比，LWeb的运行时开销在2%到21%之间。它将整个应用程序的可信代码库减少到仅占应用程序代码的1%，占整个代码的21%（也包括LWeb）。
2019-01-23 cs.CR cs.PL
Policy-Compliant Cloud Storage Systems
Technical University of Munich（慕尼黑工业大学）；INESC-ID/Instituto Superior Tecnico, University of Lisbon（里斯本高等理工学院）
提出GDPRuler，一种在不可信云上为键值存储提供可验证GDPR合规性的可信中间件系统，通过机密虚拟机执行策略、紧凑元数据编码和专用索引实现低开销合规保障。
2026-06-03 cs.CR cs.CY cs.DB
A Community Authorization Service for Group Collaboration
在“网格”和“协作”中，我们发现资源提供者和资源消费者的分布式社区，其中通常复杂和动态的政策管理谁可以使用哪些资源用于何种目的。我们提出了一种新的方法来表示，维护和执行这些政策，提供了一个可扩展的机制，指定和执行这些政策。我们的方法允许资源提供商将一些维护细粒度访问控制策略的权限下放给社区，同时仍然保持对资源的最终控制。我们还描述了这种方法的原型实现和应用程序中的数据管理上下文中。
2003-06-12 cs.CR cs.DC
UC-Secure Star DKG for Non-Exportable Key Shares with VSS-Free Enforcement
Circle Internet
本文提出一种UC安全的星形DKG方案，适用于多设备阈值钱包，实现1+1-out-of-n的星形访问结构，通过结合KeyBox保密性、USV验证和Fischlin-based UC可提取NIZK论证，在gRO-CRP模型下实现 transcript驱动的改进。
2026-04-21 cs.CR
EFU: Enforcing Federated Unlearning via Functional Encryption
RISE Research Institutes of Sweden（瑞典RISE研究机构）；Mälardalen University（马尔默大学）；Eindhoven University of Technology（埃因霍温理工大学）
本文提出EFU框架，利用函数加密强制执行联邦遗忘，使客户端能在对服务器隐藏意图的情况下发起遗忘，并结合对抗样本与参数正则化掩盖模型变化，实现了安全、可验证且与底层算法无关的联邦遗忘。
2025-08-11 cs.CR cs.DC cs.LG
Permissioned LLMs: Enforcing Access Control in Large Language Models
Oracle Labs（Oracle实验室）；University of Cambridge（剑桥大学）
针对企业场景下LLM可能突破数据访问控制的问题，提出许可式大语言模型PermLLM及三种基于参数高效微调的实现机制，设计访问优势指标及其实例化形式DDI、UGI，经多数据集实验验证了机制与指标的有效性。
2025-10-03 cs.AI cs.CR cs.LG
The LLMbda Calculus: AI Agents, Conversations, and Information Flow
University of Nottingham, UK（诺丁汉大学）；University of Edinburgh, UK（爱丁堡大学）；Chalmers University of Technology（查尔姆斯理工大学）；The University of Gothenburg, Sweden（哥德堡大学）
本文提出了一种无类型的lambda计算模型，用于形式化描述和验证人工智能代理中对话和信息流的安全性。
2026-07-13 cs.AI cs.CR cs.PL
MAIF: Enforcing AI Trust and Provenance with an Artifact-Centric Agentic Paradigm
Security Researcher Cisco（安全研究员 希思科）；Researcher OWASP/Project Kuiper Security（研究员 OWASP/项目 Kuiper 安全）；Adversarial AI Security Research Cisco（对抗性AI安全研究 希思科）
MAIF 通过以 artifacts 为中心的代理范式，解决 AI 的可信度、安全性和问责问题，实现数据的主动信任执行和高效处理。
2025-11-24 cs.AI cs.CR
On the Semantics of Purpose Requirements in Privacy Policies
隐私政策通常对受管辖实体可能使用个人信息的目的提出要求。例如，诸如HIPAA之类的法规要求医院员工仅将医疗信息用于某些目的，例如治疗。因此，使用正式的或自动化的方法来执行隐私策略需要目的需求的语义来确定动作是否是为了某个目的。我们提供这样的语义使用基于规划的形式主义。我们使用马尔可夫决策过程的修改版本，排除冗余的正式定义冗余的行动模型规划。我们使用该模型来形式化一个动作序列是只为或不为一个目的。这种语义使我们能够提供一个自动化审计的算法，并正式描述和比较严格以前的执法方法。
2011-02-21 cs.CR
It's a Feature, Not a Bug: Secure and Auditable State Rollback for Confidential Cloud Applications
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Intel Labs（英特尔实验室）
本文提出Rebound框架，通过参考监视器实现安全回滚，允许授权的合法回滚，同时保证状态更新的原子性并生成防篡改日志，提升版本控制的可靠性。
2026-04-16 cs.CR
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
Bridging the Mobile Trust Gap: A Zero Trust Framework for Consumer-Facing Applications
本文针对移动应用在用户控制环境中的安全空白，提出一个六支柱零信任扩展框架，通过运行时设备、身份、数据、API、行为和应用保护控制，提供符合标准的移动安全部署路径。
2025-08-20 cs.CR cs.CY cs.NI
Identity Control Plane: The Unifying Layer for Zero Trust Infrastructure
本文提出身份控制平面（ICP）架构，统一工作负载与用户身份，通过ABAC策略引擎实现零信任访问，并提供合规映射与性能分析。
2025-04-24 cs.CR cs.SE
Privacy Accounting and Quality Control in the Sage Differentially Private ML Platform
Columbia University（哥伦比亚大学）
公司越来越多地将在敏感用户数据上训练的机器学习（ML）模型暴露给不受信任的域，例如最终用户设备和广泛访问的模型存储。我们介绍了Sage，一个差分私有（DP）ML平台，它通过模型限制了训练数据的累积泄漏。Sage基于DP ML算法的丰富文献，为全球DP的两个最紧迫的系统挑战提供实用的解决方案：隐私预算耗尽和隐私-效用权衡。为了解决前者，我们开发了块组合，这是一种新的隐私损失核算方法，它利用ML工作负载不断增长的数据库机制，在敏感数据流上无休止地保持训练模型，同时为该数据流强制执行全局DP保证。为了解决后者，我们开发了隐私自适应训练，这是一个在不断增长的数据量和/或不断增加的隐私参数上训练模型的过程，直到模型很有可能满足开发人员配置的质量标准。它们说明了系统如何专注于ML工作负载的特征，从而实现务实的解决方案，而当人们专注于单个算法时，这些解决方案并不明显，正如大多数DP ML文献所做的那样。
2019-09-06 cs.CR cs.LG stat.ML
