MGX: Near-Zero Overhead Memory Protection for Data-Intensive Accelerators
Cornell University（康奈尔大学）；Meta AI
本文介绍了一种用于硬件加速器的近零开销存储器保护方案MGX。MGX通过利用加速器执行的特定于应用程序的属性，最大限度地减少了片外存储器加密和完整性验证的性能开销。具体地，加速器倾向于显式地管理片上和片外存储器之间的数据移动。因此，加速器的一般存储器访问模式可以在很大程度上针对给定应用确定。利用这些特性，MGX使用片上加速器状态生成用于内存加密和完整性验证的版本号，而不是将它们存储在片外内存中;它还自定义内存保护的粒度，以匹配加速器使用的粒度。为了证明MGX的有效性，我们对DNN和图形算法的MGX进行了深入研究。实验结果表明，平均而言，MGX将DNN和图形处理加速器的内存保护性能开销分别从28%和33%降低到4%和5%。
2022-05-25 cs.AR cs.CR cs.LG
Steganographic Passport: An Owner and User Verifiable Credential for Deep Model IP Protection Without Retraining
School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）
本文提出 Steganographic Passport，利用可逆隐写、抗碰撞哈希和激活级混淆解耦许可与所有权验证，无需为新用户重训练即可增强深度模型 IP 保护的问责性与抗攻击鲁棒性。
2024-04-03 cs.CR cs.CV
Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning
University of Maryland（马里兰大学）；Nanyang Technological University（南洋理工大学）
针对RAG知识库版权保护，提出基于推理的“无害”水印方法，通过思维链植入良性验证行为，不改变最终输出，并利用Wilcoxon检验验证所有权，实验证明有效且抗自适应攻击。
2025-05-23 cs.AI cs.CL cs.CR
DNNShield: Embedding Identifiers for Deep Neural Network Ownership Verification
针对深度神经网络易遭窃取和未授权使用的问题，提出可在训练前集成的DNNShield方法，通过嵌入标识符的保护层实现高抗攻击性与低开销，有效保护模型知识产权。
2024-03-11 cs.CR
Watermarking in Secure Federated Learning: A Verification Framework Based on Client-Side Backdooring
Peking University（北京大学）；Central South University（中南大学）；Fuzhou University（福州大学）；Jinan University（暨南大学）；Loughborough University（拉夫堡大学）
联邦学习（FL）允许多个参与者在不直接共享数据的情况下协作构建深度学习（DL）模型。因此，FL中的版权保护问题变得重要，因为不可靠的参与者可能会访问联合训练的模型。在安全FL框架中应用同态加密（HE）技术，防止中心服务器访问明文模型。因此，使用现有的水印方案在中央服务器处嵌入水印不再可行。在本文中，我们提出了一种新的客户端FL水印方案，以解决版权保护问题的安全FL与HE。据我们所知，这是第一个在安全FL环境下将水印嵌入到模型中的方案。我们设计了一个基于客户端后门的黑盒水印方案，通过梯度增强的嵌入方法将预先设计的触发器集嵌入到FL模型中。此外，我们提出了一个触发器集的建设机制，以确保水印不能伪造。实验结果表明，我们提出的方案提供了出色的保护性能和鲁棒性对各种水印去除攻击和歧义攻击。
2023-03-03 cs.AI cs.CR cs.LG
Protecting Shared Agent Workflows from Invalidation Attacks with Signed Trajectories and Runtime Verification
本研究针对共享智能体工作流面临的失效攻击风险，提出基于带符号轨迹和运行时验证的保护框架，实验显示该方法可有效检测攻击并提升智能体推理性能。
2026-10-14 cs.CR
Field-sensitive Data Flow Integrity
尽管目前已经研究了许多针对内存漏洞攻击的防御方法，但如何实现高度兼容、精确、高效的防御仍然是一个有待解决的问题。事实上，现有的防御方法具有以下问题中的至少一个：它们（1）不能精确地保护结构字段，（2）招致高保护开销，和/或（3）由于对受保护程序强加存储器布局改变而不能保持与现有代码的兼容性。在本文中，我们提出了一种新的内存保护方法FIX感，旨在同时解决所有这些问题。我们的核心思想是执行内存保护的基础上，字段敏感的数据流的完整性。具体地说，我们的方法（1）计算每个内存对象的安全写-读关系，在结构-字段粒度，基于字段敏感的值流分析在编译时的保护程序。(2)在运行时，执行轻量级验证以确定由受保护程序执行的每个存储器读取是否属于在编译时为存储器对象计算的安全写入-读取关系。(3)该验证通过轻量级元数据管理来实现，轻量级元数据管理以结构字段粒度跟踪存储器写入，而不改变目标程序的存储器布局（尤其是结构字段布局）。
2023-02-15 cs.CR cs.SE
CHIP: Chameleon Hash-based Irreversible Passport for Robust Deep Model Ownership Verification and Active Usage Control
School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院）；Engineering Research Center of Digital Forensics, School of Computer Science, Nanjing University of Information Science and Technology（信息科学技术大学计算机科学学院数字取证研究中心）；School of Electrical and Electronic Engineering and National Integrated Centre for Evaluation (NiCE), Nanyang Technological University（南洋理工大学电子与电气工程学院国家整合评估中心）
提出基于变色龙哈希的不可逆护照（CHIP）保护框架，利用抗碰撞性和陷门碰撞特性实现深度模型的鲁棒所有权验证、用户可追溯性、安全离线分发及MLaaS主动使用控制。
2025-05-30 cs.AI cs.CR
Content Protection in Named Data Networking: Challenges and Potential Solutions
以信息为中心的网络（ICN）是目前互联网架构的有前途的替代方案，因为互联网的斗争与一些问题，如可扩展性，移动性和安全性。ICN提供了许多潜在的好处，包括通过采用内容缓存、更简单的网络配置和更强的内容安全性来减少拥塞和增强交付性能。命名数据网络（NDN）是ICN的一个实例，它通过命名数据而不是主机来实现内容交付，而不是以主机为中心的方法。为了使NDN在现实世界中实用，需要解决内容安全的挑战性问题。在本文中，我们将研究NDN的体系结构、内容安全以及解决这些问题的可能方案，特别关注内容完整性和出处。针对NDN中的数据完整性和来源认证问题，提出了多种数字签名方案，包括低成本签名、隐私保护签名、网络编码签名和后量子签名。在签名生成和签名验证方面，提出了预计算、批量验证和服务器辅助验证等加速技术，以降低NDN中生成者和接收者的计算开销。研究了NDN中的一些无证书信任管理方法和可能采用的方法。
2018-10-26 cs.CR
From Compression to Accountability: Harmless Copyright Protection for Dataset Distillation
Sichuan University（四川大学）；Nanyang Technological University（南洋理工大学）；Agency for Science, Technology and Research (A*STAR)（科学技术研究局）
本文提出SubPopMark框架，通过在数据集蒸馏过程中引入子群体偏置和用户特定扰动，实现无害的版权保护，同时构建参考行为库以辅助黑盒验证。
2026-05-15 cs.CR
GuardNN: Secure Accelerator Architecture for Privacy-Preserving Deep Learning
Cornell University（康奈尔大学）；Meta AI
本文提出了GuardNN，这是一种安全的DNN加速器，即使在不可信的环境中也能为用户数据和模型参数提供基于硬件的保护。GuardNN表明，可以为特定应用程序定制架构和保护，以提供强大的机密性和完整性保证，而开销可以忽略不计。GuardNN指令集的设计将TCB简化为加速器，并且即使在来自主机的指令不可信时也允许机密性保护。GuardNN通过为DNN加速器的已知存储器访问模式定制片外存储器保护，最大限度地减少了存储器加密和完整性验证的开销。GuardNN在FPGA上原型化，证明了有效的机密性保护，推理的性能开销约为3%。
2022-05-25 cs.AR cs.CR cs.LG
A Dual-Level Cancelable Framework for Palmprint Verification and Hack-Proof Data Storage
本文提出双层级可取消掌纹验证框架，通过竞争哈希网络与负数据库实现端到端模板保护和防泄露存储，并设计基于矩阵运算的NDB匹配算法加速验证。
2024-03-05 cs.CR
Untargeted Backdoor Watermark: Towards Harmless and Stealthy Dataset Copyright Protection
Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Tencent Security Zhuque Lab（腾讯安全朱雀实验室）；Tencent Security Platform Department（腾讯安全平台部）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文针对现有针对性后门水印在数据集所有权验证中引入的安全风险，提出了一种无害且隐蔽的无目标后门水印方案，通过引入两种离散性并在中毒标签和干净标签设置下设计水印，实验证明其有效且能抵抗现有后门防御。
2023-04-05 cs.AI cs.CR cs.CV
On the conformance of Android applications with children's data protection regulations and safeguarding guidelines
本文检查了Android应用对GDPR及英欧儿童在线保障指南的遵守情况，发现不合规应用数量依然显著，并讨论了自动化合规验证与在线安全风险评估的相关性、挑战及方向。
2023-05-17 cs.CR cs.CY
Smart Ticket Protection: An Architecture for Cyber-Protecting Physical Tickets Using Digitally Signed Random Pattern Markers
为了应对公共交通或大型活动门票的伪造，开发了一种使用印刷的唯一随机图案标记来验证它们的方法。这些标记本身是不可伪造的，因为它们的物理随机分布。然而，为了确保它们的真实性，它们必须受到加密保护，并配备成功验证的环境，结合物理和网络安全保护。本文描述了一种用于加密保护这些标记的体系结构，这些标记存储在物理票据上的Aztec代码中，以确保只有授权的打印机才能生成这种图案的有效Aztec代码，从而结合图案的随机性和唯一性提供伪造保护。然而，签名算法的选择受到模式大小、票据提供者数据、元数据以及代码所持有的数据量所面临的签名的严重限制。因此，本文还定义了一个示例的签名布局所提出的架构。这允许轻量级的票证验证系统，其在物理上和密码上都是安全的，以形成用于以相对低的成本在较短到较长的时间段内进行大规模访问验证的智能解决方案。
2018-09-03 cs.CR
AUDITEM: Toward an Automated and Efficient Data Integrity Verification Model Using Blockchain
数据篡改通常被认为是工业应用中的一个严重问题，因为它可能导致不准确的财务报告，甚至是企业安全危机。正确的数据表示对于公司的核心业务流程至关重要，也是投资者和客户的需求。传统的数据审计是通过第三方审计服务来执行的;然而，这些服务价格昂贵，并且在某些情况下可能不值得信赖。区块链和智能合约提供了一种去中心化的机制来实现安全和可信的数据完整性验证;然而，现有的解决方案在可扩展性、隐私保护和数据法规合规性方面存在挑战。在本文中，我们提出了自动化和分散式集成验证模型（AUDITEM），以帮助业务利益相关者以可信和自动化的方式验证数据完整性。为了解决现有完整性验证过程中的挑战，我们的模型使用精心设计的智能合约和分布式文件系统来存储完整性验证属性，并使用区块链来增强数据证书的真实性。为了支持易用的接口和可定制的验证操作，还开发了一个名为数据完整性验证工具（DIVT）的子模块。本文提出了一个详细的实施方案，并设计实验来验证所提出的模型。实验和分析结果表明，我们的模型是可行的和有效的，以满足各种业务需求的数据完整性验证。
2022-07-01 cs.CR
Resilience of IEC 61850 Sampled Values-Based Protection Systems Under Coordinated False Data Injections
Norwegian University of Science and Technology（挪威科技大学）
本文研究了针对IEC 61850采样值协议的协调虚假数据注入攻击对数字变电站韧性的影响，通过实验验证了攻击可行性，并提出基于可信独立通道的防御策略。
2026-05-08 cs.CR cs.SY eess.SY
Membership is Ownership: A Robust Ownership Verification Framework for Diffusion Models
Georgia State University（佐治亚州立大学）；University of Nevada Las Vegas（内华达大学拉斯维加斯分校）
本研究提出MiO框架，通过总体假设检验实现扩散模型所有权验证，未修改原模型，在窃后微调等对抗场景下鲁棒性优于水印方法，为AI模型IP保护提供了新方案。
2026-09-01 cs.CR cs.CV
Watermarking Graph Neural Networks via Explanations for Ownership Protection
Illinois Institute of Technology（伊利诺伊理工学院）；Harrisburg University of Science and Technology（哈里斯堡科学与技术大学）
本文提出基于解释的图神经网络水印方法，通过统计显著性验证所有权声明，解决传统水印方法的数据操纵和模糊性问题，提升GNN知识产权保护水平。
2026-05-10 cs.AI cs.CR
Ownership Verification of DNN Architectures via Hardware Cache Side Channels
深度神经网络（DNN）在计算机视觉应用中获得了更高的商业价值，例如，图像分类、视频分析等，这就迫切需要DNN模型的知识产权（IP）保护。在本文中，我们提出了一种新的水印方案来实现DNN架构的所有权验证。现有的作品都将水印嵌入到模型参数中，而将建筑物视为公共财产。这些解决方案被证明是脆弱的对手检测或删除水印。相比之下，我们声称模型架构作为一个重要的IP模型所有者，并建议植入水印的架构。我们设计了新的算法，神经架构搜索（NAS）的基础上产生水印的架构，这是唯一的，足以代表所有权，同时保持高的模型可用性。这样的水印可以通过基于侧信道的模型提取技术以高保真度来提取。我们对用于图像分类任务的带水印的CNN模型进行了全面的实验，实验结果表明，我们的方案对模型性能的影响可以忽略不计，并且对各种模型变换和自适应攻击具有很强的鲁棒性。
2022-06-28 cs.CR
SPOQchain: Platform for Secure, Scalable, and Privacy-Preserving Supply Chain Tracing and Counterfeit Protection
本文提出基于区块链的SPOQchain平台，通过精密批处理机制消除生命周期冗余，在保障用户隐私的同时实现高效、可扩展的供应链追溯与防伪验证。
2024-08-30 cs.CR
A lightweight dynamic pseudonym identity based authentication and key agreement protocol without verification tables for multi-server architecture
传统的基于口令的身份验证方案大多在单服务器环境中考虑。从两个方面来看，它们不适合多服务器环境。一方面，用户需要在每个服务器上注册，并存储大量数据，包括身份和密码。另一方面，要求服务器存储包含用户身份和密码的验证表。最近，在Sood等人的基础上，的协议（2011），Li等人提出了一种改进的用于多服务器架构的基于动态身份的认证和密钥协商协议（2012）。Li等人声称，所提出的方案可以弥补Sood等人的安全弱点。的协议。不幸的是，我们进一步的研究表明，李等人。的协议存在一些缺陷，不能抵抗重放攻击、拒绝服务攻击、内部攻击、窃听攻击、伪装攻击等，本文进一步提出了一种适用于多服务器体系结构的轻型动态假名身份认证与密钥协商协议。在我们的方案中，提供服务的服务器不需要维护用户的验证表。该协议不仅提供了李等人所宣称的安全功能。的纸张，但也有一些其他的安全功能，如可追溯性和身份保护。
2012-04-17 cs.CR
W-Trace: Robust and Effective Watermarking for GPS Trajectories
随着用于交通预测、事故预测和分析驾驶行为的数据驱动方法的兴起，个人GPS轨迹数据已成为企业和新兴数据市场的重要资产。然而，作为个人数据，GPS轨迹需要保护。特别是在数据泄露的情况下，GPS数据所有权的验证是一个具有挑战性的问题。水印通过将出处信息编码到数据中来促进数据所有权验证。GPS轨迹水印是特别具有挑战性的，由于时空数据的属性和数据修改的容易性，因此，现有的方法只嵌入最少的出处信息，缺乏鲁棒性。提出了一种基于傅立叶变换的GPS轨迹水印算法W-Trace。我们在两个真实世界的GPS轨迹数据集上证明了W-Trace的有效性和鲁棒性。
2022-11-15 cs.CR
Enhancing Trust in AI Marketplaces: Evaluating On-Chain Verification of Personalized AI models using zk-SNARKs
本文提出结合zk-SNARKs与Chainlink预言机的框架，在区块链上实现个性化AI模型的无信任验证，保护隐私并增强透明度，有效解决了模型完整性与隐私挑战。
2025-04-07 cs.CR cs.DC
Towards Probabilistic Verification of Machine Unlearning
ETH Zürich（苏黎世联邦理工学院）；Princeton University（普林斯顿大学）
被遗忘权（Right to be forgotten），也被称为删除权（Right to erasure），是指个人有权将其数据从存储数据的实体中删除。这一长期持有的概念的地位最近在欧盟的《通用数据保护条例》（GDPR）中得到了法律上的巩固。因此，有必要建立一种机制，使用户能够核实服务提供商是否遵守其删除请求。在这项工作中，我们采取的第一步，提出了一个正式的框架，研究设计的验证机制，数据删除请求-也被称为机器遗忘-的背景下，提供机器学习作为一种服务（MLaaS）的系统。我们的框架允许严格量化的任何验证机制的基础上，标准的假设检验。此外，我们提出了一种新的基于后门的验证机制，并证明其有效性，在证明数据删除具有高置信度，从而提供了一个基础，定量推断机器遗忘。我们在一系列网络架构上评估了我们的方法，例如多层感知器（MLP），卷积神经网络（CNN），残差网络（ResNet）和长短期记忆（LSTM），以及超过5个不同的数据集。我们证明了我们的方法对ML服务的准确性影响最小，但提供了高置信度的遗忘验证。即使只有少数用户使用我们的系统来确定是否符合删除数据的要求，我们建议的机制也可以工作。特别是，只有5%的用户参与，用后门修改了一半的数据，只有30个测试查询，我们的验证机制的误报率和漏报率都低于$10^{-3}$。我们还显示了我们的方法的有效性，通过测试它对一个自适应的对手，使用一个国家的最先进…
2020-12-01 cs.CR cs.LG stat.ML
Beyond the Voice: Inertial Sensing of Mouth Motion for High Security Speech Verification
Texas Tech University（德克萨斯理工大学）
本文提出了一种结合声音证据和下面部运动模式的第二认证因素，通过惯性传感器捕捉口腔运动数据，实现高安全性的语音验证。
2026-08-18 cs.CR
Privacy Protection in Distributed Fingerprint-based Authentication
生物特征认证由于使用独特的个人特征（例如指纹、手掌静脉、虹膜）的便利性而变得越来越受欢迎。特别是指纹由于指纹扫描仪的可用性和低成本而被广泛使用。为了避免身份盗窃或冒充，指纹数据通常存储在本地，例如，在可信硬件模块中，在用于用户注册和身份验证的单个设备中。然而，本地存储限制了实现分布式应用程序的能力，在分布式应用程序中，用户可以注册一次指纹，然后使用它访问多个物理位置和移动应用程序。在本文中，我们提出了一个分布式认证系统，该系统以隐私保护的方式将指纹数据存储在服务器或云基础设施中。可以连接多个设备并执行用户注册或验证。为了保护敏感数据的隐私和完整性，我们采用了一种加密结构称为模糊保险库。我们强调在实施模糊保险库为基础的身份验证，我们提出并比较替代解决方案的挑战。我们对我们的生物识别密码系统进行了安全分析，作为概念验证，我们使用连接到指纹扫描仪和Microsoft Azure云环境的资源受限设备（Raspberry Pis）构建了一个用于访问控制的身份验证系统。此外，我们评估的指纹匹配算法对著名的FVC2006数据库，并表明它可以实现可比的准确性，广泛使用的匹配技术，不是专为隐私，同时保持高效的认证时间为几秒钟。
2019-11-01 cs.CR
Towards Quantum-Resistant Trusted Computing: Architectures for Post-Quantum Integrity Verification Techniques
Politecnico di Torino（都灵理工大学）
本文提出了一种增强后量子密码学的可信计算架构，以应对量子计算机威胁，提升系统信任安全性。
2026-01-16 cs.CR
Hollow-LLM Attack: Computationally Trivial Weights in Zero-Knowledge Verification of LLM Inference
University of Southern California（南加州大学）
该研究提出Hollow-LLM攻击，利用LLM零知识验证的工作量缺口，通过嵌入幽灵权重使不诚实提供者以小模型成本生成有效证明，需额外措施绑定正确性与计算工作。
2026-08-03 cs.CR
Dataset Ownership in the Era of Large Language Models
本文综述了数据集版权保护技术，将其分为非侵入式、最小侵入式和最大侵入式三类，分析优劣并指出未来研究方向，以应对大语言模型时代的数据所有权挑战。
2025-09-07 cs.CR
Can AI Keep a Secret? Contextual Integrity Verification: A Provable Security Architecture for LLMs
Aayush Gupta（独立研究者）
本文提出上下文完整性验证（CIV）架构，通过密码学签名来源标签和 Transformer 内信任格硬掩码，在无需微调的情况下为 LLM 提供可证明的逐 token 非干扰防护，并在基准测试中实现 0% 攻击成功率且不损失模型性能。
2025-08-18 cs.AI cs.CL cs.CR
Towards Generalized and Stealthy Watermarking for Generative Code Models
针对生成式代码模型后门水印泛化能力有限且隐蔽性不足的问题，提出结合注意力机制与分布式触发器嵌入的新型水印方法 CodeGuard，在代码摘要与生成任务中实现 100% 验证率且隐蔽性显著优于基线。
2025-06-29 cs.CR
Privacy Assessment of Software Architectures based on Static Taint Analysis
隐私分析至关重要，但也是一项耗时且繁琐的任务。我们提出了一个形式化，简化了设计和审计高层次的软件体系结构的隐私属性。它被纳入一个更大的政策分析和验证框架，并使人们能够评估普遍接受的隐私数据保护目标。该形式化基于静态污点分析，并使隐私关键数据的流动和处理在全局以及单个数据主体的级别上显式。形式上，我们表现出等同于传统的基于标签的信息流的安全性，并证明我们的工具与伊莎贝尔/HOL的整体稳健性。我们证明了在两个现实世界的案例研究的适用性，从而揭示了以前未知的侵犯隐私的限制，在分析的软件架构。
2017-02-09 cs.CR
SplitAgent: A Privacy-Preserving Distributed Architecture for Enterprise-Cloud Agent Collaboration
SplitAgent通过语境感知的动态去敏化技术，实现企业与云代理间的隐私保护协作，提升任务准确率并减少隐私泄露。
2026-03-09 cs.AI cs.CR
