PPContactTracing: A Privacy-Preserving Contact Tracing Protocol for COVID-19 Pandemic
为对抗COVID-19疫情的蔓延，全球各地已提出并实施多项接触者追踪解决方案。但是，这些解决方案中的大多数危及个人的隐私权，并阻碍其广泛采用。我们提出了一个隐私保护的接触者追踪协议，有效地跟踪全球流行病的传播。它基于私有集交集（PSI）协议，利用同态性质在个人层次上保护隐私。一个层次模型的景观和速率限制因素的查询数量的表示已被采用，以保持协议的效率。
2020-08-15 cs.CR cs.CY
Simulating and visualizing COVID-19 contact tracing with Corona-Warn-App for increased understanding of its privacy-preserving design
世界正处于持续的大流行病COVID-19之下，其规模上一次出现是在一个世纪前。接触者追踪是遏制和打破感染链的最关键和最有效的工具之一，特别是在COVID-19等传染性呼吸道疾病的情况下。由于我们这个时代的技术进步，我们现在有数字移动应用程序，如Corona-Warn-App，用于数字接触追踪。然而，由于接触追踪的侵入性，保护用户的隐私非常重要。隐私保护对于增加对应用程序的信任并随后使其在重视隐私的人群中广泛使用非常重要。在本文中，我们对Corona-Warn-App的工作进行了可视化模拟，以展示如何保护其用户的隐私，如何通知他们传染性接触以及如何帮助遏制COVID-19的传播。
2022-02-04 cs.CR cs.CY
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
Demystifying COVID-19 digital contact tracing: A survey on frameworks and mobile apps
新型冠状病毒大流行是一个新的现实，它严重影响了国际社会的权宜之计。在这种情况下，各国政府正急于设计或采用新的监测机制和监测系统来抗击疫情。数字追踪应用程序的开发，除其他外，旨在以保护隐私的方式自动化和全球化地及时提醒处于风险中的个人，是这一持续努力的一个突出例子。很快，一些数字接触追踪架构已经萌芽，随后是全球政府采用的相关应用程序实现。蓝牙，特别是其低功耗（BLE）节能变体，已经成为实现联系人追踪服务的最有前途的短距离无线网络技术。这项工作提供了第一个我们所知的，全面审查的最具体的接触跟踪架构提出迄今为止在全球范围内。这一努力不仅包括不同类型的架构和系统，即集中式，分散式或混合式，而且同样解决了客户端，即，每个国家已经在欧洲部署的应用程序。还有一个全谱的对手模型部分，它不仅融合了以前的工作，而且还带来了新的见解和角度来思考。
2020-09-17 cs.CR
BeepTrace: Blockchain-enabled Privacy-preserving Contact Tracing for COVID-19 Pandemic and Beyond
COVID-19疫情的爆发暴露出迫切需要通过手机应用程序有效追踪接触者的解决方案，以防止感染进一步蔓延。然而，由于接触追踪的性质，公众对隐私问题的关注一直是现有解决方案的瓶颈，这严重影响了全球接触追踪应用的采用。在本文中，我们提出了一个支持区块链的隐私保护联系人跟踪方案：BeepTrace，我们建议采用区块链桥接用户/患者和授权解决者，以降低用户ID和位置信息的敏感性。与最近提出的合同跟踪解决方案相比，我们的方法具有更高的安全性和隐私性，以及电池友好和全球可访问的额外优势。结果表明，在服务器和移动电话的角度所需的资源方面的可行性。通过打破公众对隐私的担忧，建议的BeepTrace解决方案可以为当局、公司、软件开发人员和研究人员提供及时的框架，以快速开发和部署有效的数字联系人追踪应用程序，以尽快征服COVID-19大流行。同时，BeepTrace的开放计划允许全球合作，在区块链技术的帮助下整合现有的跟踪和定位解决方案。
2021-12-21 cs.CR cs.DC
COVID-19 Contact Tracing: Eight Privacy Questions Explored
我们回应最近的一个简短的文件由德Motjoye等。关于COVID-19追踪的隐私问题。他们的论文，我们在这里讨论，是围绕三个“玩具协议”的应用程序的设计，可以最大限度地提高联系人跟踪信息的效用，同时最大限度地减少更普遍的隐私风险。在此基础上，本文提出了八个问题，应根据这些问题进行评估。提出的问题和提出的协议有效地相当于创建一个游戏，不同类别的玩家能够采取不同的行动。因此，可以从最优游戏设计的角度来分析模型。
2020-05-22 cs.CR cs.CY
Social Distancing 2.0 with Privacy-Preserving Contact Tracing to Avoid a Second Wave of COVID-19
如何在重新开放经济后避免第二波COVID-19疫情是一个紧迫的问题。SARS-CoV-2极高的基本繁殖数$R_0$（新研究显示为5.7至6.4）使挑战进一步复杂化。在这里，我们评估了社交距离2.0的影响，即接近警报（保持人际距离）加上隐私保护的联系人追踪。为了解决这一双重任务，我们开发了一个开源移动应用程序。该应用程序使用基于蓝牙的分散式联系人跟踪平台，政府或第三方无法通过该平台链接匿名用户ID。模拟结果显示，50%的社交距离2.0采用率，加上隐私保护的接触者追踪，将足以将$R_0$降低到小于1，并防止COVID-19疫情的死灰复燃。
2020-08-06 cs.CR cs.SI
PACT: Privacy Sensitive Protocols and Mechanisms for Mobile Contact Tracing
通过大规模检测和接触者追踪工作，COVID-19对全球健康的威胁在许多情况下得到了控制。我们创建本文档是为了建议三种功能，说明如何最好地利用计算技术来支持公共卫生组织的目标，即最大限度地减少与COVID-19传播相关的发病率和死亡率，同时保护个人的公民自由。特别是，这项工作倡导第三方免费的方法来辅助移动联系人追踪，因为这种方法减轻了需要可信第三方的安全和隐私风险。我们还明确考虑了任何合同追踪系统中涉及的推理风险，其中对用户的任何警报本身都可能导致去匿名化信息。更广泛地说，我们希望参与将工业界、学术界和民间社会的同事聚集在一起，围绕缓解COVID-19疫情的努力所引发的关键问题进行讨论并达成一致意见。
2020-05-07 cs.CR
Quantifying the Privacy-Utility Trade-offs in COVID-19 Contact Tracing Apps
如何遏制COVID-19病毒的传播是大多数国家的主要关注点。随着形势的不断变化，各国正在努力重新开放经济，取消一些限制，并采取新的措施防止疫情蔓延。在这项工作中，我们回顾了一些已经采用的遏制COVID-19病毒的方法，如接触者追踪，集群识别，移动限制和状态验证。具体来说，我们根据技术、架构、权衡（隐私与实用）和采用阶段等特征对可用技术进行分类。我们提出了一种新的方法来评估隐私使用定性和定量的隐私效用评估接触跟踪应用程序的措施。在这种新方法中，我们将效用分为三（3）个不同的级别：没有隐私，100%隐私，以及k，其中k由提供效用或隐私的系统设置。
2020-12-24 cs.CR cs.CY
Corona-Warn-App: Tracing the Start of the Official COVID-19 Exposure Notification App for Germany
2020年6月16日，德国推出了一款开源智能手机接触者追踪应用程序（“Corona-Warn-App”），以帮助追踪SARS-CoV-2（冠状病毒）感染链。它使用基于暴露通知API的分散式隐私保护设计，其中集中式服务器仅用于分发SARS-CoV-2感染用户的密钥列表，该应用程序每天获取一次。然而，它的成功取决于它的采用。在这张海报中，我们使用直接在其托管基础设施中捕获的Netflow跟踪来描述应用程序的早期采用。我们表明，该应用程序产生的流量来自德国各地-已经在第一天。我们进一步观察到，本地COVID-19爆发并未导致交通量显著增加。
2020-07-25 cs.CR cs.CY
The evolving ecosystem of COVID-19 contact tracing applications
自新型冠状病毒COVID-19爆发以来，人们对使用数字接触追踪作为阻止病毒传播链的手段越来越感兴趣，这引起了隐私倡导者的警觉。关于这项技术的道德，最近的研究主要集中在（1）道德接触追踪指南的形成，（2）具体实施的分析，或（3）对选定数量的接触追踪应用程序及其相关的隐私或道德影响的审查。在这项研究中，我们对COVID-19追踪应用不断发展的生态系统进行了全面调查，检查了152个接触者追踪应用，并评估了它们在多大程度上符合现有的道德接触者追踪指南。评估标准涵盖的领域包括数据汇集和存储、透明度和同意，以及实施是否开源。我们发现，尽管在疫情初期发布的许多应用程序没有达到最佳做法，但在苹果/谷歌发布接触通报协议后，最近发布的应用程序往往更符合道德接触者追踪原则。该数据集将向公众开放，并可能随着疫情的持续而更新。
2021-03-19 cs.CR cs.CY cs.HC
COVID-19 Contact-Tracing Mobile Apps: Evaluation and Assessment for Decision Makers
从政府到非营利组织，许多团体都迅速采取行动，创新了联系人追踪流程：他们正在设计、构建和推出联系人追踪应用程序，以应对COVID-19危机。存在各种各样的方法，为希望在其社区实施接触者追踪技术的官员带来了挑战性的选择，并引起了被要求参与接触者追踪的公民对这些选择的关切。我们经常被问及如何评估和区分联系人追踪应用程序的选项。在这里，我们分享了我们在审查全球舞台上出现的许多联系人追踪应用程序时提出的关于应用程序功能和计划的问题。
2020-06-04 cs.CR cs.CY cs.NI
Digital Surveillance Systems for Tracing COVID-19: Privacy and Security Challenges with Recommendations
2019冠状病毒病（即COVID-19）实施了保持社交距离的公共卫生措施，以防止COVID-19的大规模传播。为了监控社交距离和保持传播痕迹，我们有责任开发各种类型的数字监控系统，包括接触者追踪系统和基于无人机的监控系统。由于手工劳动的不便，传统的联系人追踪系统逐渐被为智能手机开发的高效自动化联系人追踪应用程序所取代。然而，自动化联系人追踪应用程序的启动带来了不可避免的隐私和安全挑战。然而，大众对智能手机的无知和/或缺乏使用导致了基于无人机的监控系统。这些系统还带来了不受欢迎的隐私和安全挑战。本文讨论了最近设计和开发的数字监控系统的应用程序与他们的协议部署在世界各地的几个国家。从隐私行为的角度讨论和分析了它们的隐私和安全挑战。针对自动联系人追踪系统和无人机监控系统分别提出了几项建议，之后可以进一步探索和实施，以防止任何可能的隐私侵犯，并保护不知情的人免受任何潜在的网络攻击。
2020-07-26 cs.CR cs.CY
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
On the Privacy of National Contact Tracing COVID-19 Applications: The Coronavírus-SUS Case
2019年冠状病毒病（COVID-19）大流行由严重急性呼吸系统综合征冠状病毒2型（SARS-CoV-2）的快速传播引起，在人类生命损失以及经济和社会破坏方面对全球产生了深远影响。数字技术的使用被视为抗击这一流行病的重要努力，其中一项技术是接触者追踪应用程序。这些应用程序成功地用于应对其他传染病，因此它们已在当前的大流行期间使用。然而，接触跟踪的使用造成了若干隐私问题，因为有必要存储和处理可能导致用户/设备标识以及位置和行为跟踪的数据。这些担忧在考虑全国范围内的实施时更加相关，因为它们可能导致独裁政府的大规模监视。尽管一些国家的数据保护法律施加了限制，但在保护用户隐私方面仍然存在疑问。在这篇文章中，我们分析了国家接触者追踪COVID-19应用中的隐私特征，考虑到它们的内在特征。作为案例研究，我们更深入地讨论了巴西COVID-19应用Coronavírus-SUS，因为巴西是受当前疫情影响最严重的国家之一。最后，由于我们相信接触者追踪将继续作为当前和未来潜在流行病战略的一部分，我们提出了关键的研究挑战。
2021-08-02 cs.CR cs.CY
Location Data and COVID-19 Contact Tracing: How Data Privacy Regulations and Cell Service Providers Work In Tandem
全球范围内的政府、医疗保健和私人组织一直在使用数字跟踪来控制COVID-19的爆发。虽然这种方法可以限制流行病的传染，但它引起了对用户隐私的严重关注。这些移动应用程序被称为“联系人跟踪应用程序”，由手机服务提供商（CSP）提供便利，他们能够实现空间和时间的实时用户跟踪。因此，可以推测CSP收集违反GDPR、CCPA等隐私政策的信息。为了进一步澄清，我们进行了深入的分析，将隐私立法与CSP采用的现实实践进行了比较。我们发现，其中三项法规（GDPR、COPPA和CCPA）将移动位置数据定义为私人信息，而五个CSP中有两个（T-Mobile US、Boost Mobile）不符合COPPA法规。鉴于这些侵权行为所构成的威胁，我们的研究结果至关重要，特别是在涉及儿童数据时。因此，适当的安全和隐私审计是必要的，以减少此类违规行为。最后，我们提供了可行的建议，以解决问题，并通过接触者追踪应用程序提供对COVID-19传播的隐私保护监测。
2021-04-07 cs.CR cs.CY
Personal Devices for Contact Tracing: Smartphones and Wearables to Fight Covid-19
数字接触者追踪已成为补充手动接触者追踪的可行工具。到目前为止，已经发布了100多份接触者追踪申请，以减缓高传染性新冠肺炎的传播。尽管这些应用程序之间存在细微的差异，但它们都通过操纵以下三个组件来实现接触追踪：a）使用个人设备来识别用户，同时设计安全协议来匿名化用户的身份; b）利用网络技术来分析和存储数据; c）利用用户设备上丰富的传感功能来检测用户之间的交互，从而估计暴露风险。本文综述了目前的数字接触跟踪的基础上，这三个组成部分。我们专注于两种与用户亲密的个人设备：智能手机和可穿戴设备。我们讨论了用于促进数据流的集中式和分散式网络方法。最后，我们研究了智能手机和可穿戴设备上的传感功能，以检测任何两个用户之间的接近度，并通过实验比较了这两个个人设备之间的接近度传感性能。
2021-08-02 cs.CR cs.LG cs.NI
COVID-19 Contact-tracing Apps: a Survey on the Global Deployment and Challenges
为应对新型冠状病毒（COVID-19）引发的不确定性大幅上升，越来越多的国家政府正在推出接触者追踪应用程序，以帮助遏制病毒。应用程序面临的第一个极具争议的问题是部署框架，即集中式或分散式。在此基础上，辩论扩展到支撑这些架构的相应技术，即GPS，QR码和蓝牙。这项工作对上述场景进行了开创性的审查，并为当前部署的地理位置映射做出了贡献。确定了应用程序的漏洞和研究方向，特别关注蓝牙启发的去中心化范式。
2020-05-13 cs.CR cs.CY cs.SI
COVID-19 Contact Tracing and Privacy: A Longitudinal Study of Public Opinion
越来越多地使用技术支持的接触者追踪，即通过通知所有最近接触过感染者来识别潜在感染COVID-19患者的过程。政府、科技公司和研究团体一直在努力发布智能手机应用程序，使用物联网设备，并分发可穿戴技术，以自动跟踪“密切接触者”，并在个人检测呈阳性时识别先前的接触者。然而，公众对基于技术的有效接触者追踪与个人隐私之间的紧张关系进行了大量讨论。为了使这一讨论更有意义，我们提出了为期七个月的在线调查结果，重点关注接触者追踪和隐私，每次调查有100名参与者。我们的第一次调查是在4月1日和3日，在美国病毒的第一个高峰期之前，我们继续每周进行调查，持续10周（直到6月），然后每两周进行一次调查，直到11月，增加主题问题，以反映当前关于接触者追踪和COVID-19的讨论。我们的研究结果呈现了公众意见的多样性，可以为政策制定者、技术人员、研究人员和公共卫生专家提供信息，说明是否以及如何利用技术来减少COVID-19的传播，同时考虑潜在的隐私问题。我们将继续进行纵向测量，并将随着时间的推移更新本报告;对本报告版本的引用应参考报告版本2.0，2020年12月4日。
2020-12-04 cs.CR cs.CY cs.HC
How good is good enough for COVID19 apps? The influence of benefits, accuracy, and privacy on willingness to adopt
Johns Hopkins University（约翰斯·霍普金斯大学）；Microsoft Research（微软研究院）；University of Zurich（苏黎世大学）
正在开发越来越多的接触者追踪应用程序，以补充手动接触者追踪。一个关键问题是用户是否愿意采用这些联系人追踪应用程序。在这项工作中，我们调查了4,500多名美国人，以评估（1）准确性和隐私问题对安装COVID 19接触追踪应用程序的意愿的影响，以及（2）不同用户群体如何权衡准确性与隐私。根据我们在前两个研究问题中的发现，我们（3）定量建模了一个假设的接触者追踪应用程序中的公共卫生效益（感染率降低）、个人效益（对COVID暴露的真阳性检测）和隐私风险程度如何影响美国人的安装意愿。我们的工作采用描述性伦理方法，为COVID 19相关政策和应用程序设计的发展提供影响。
2020-05-18 cs.CR cs.CY cs.HC
User Concerns & Tradeoffs in Technology-Facilitated Contact Tracing
2019冠状病毒病疫情于二零一九年底及二零二零年初在全球蔓延。随着疫情的蔓延，技术人员与公共卫生官员联手开发应用程序，以支持COVID 19的应对。然而，要让这些技术解决方案造福公众健康，用户必须愿意采用这些应用程序。本文详细介绍了用户决定采用COVID 19接触者追踪应用程序或其他技术的潜在输入，并通过文献和对1,000名美国人的人口统计学代表性调查，实证验证了这些输入的相关性。
2020-11-18 cs.CR cs.CY cs.HC
COVID-19 Contact Tracing and Privacy: Studying Opinion and Preferences
人们对技术支持的接触者追踪越来越感兴趣，这是一个通过通知所有最近接触过感染者来识别潜在感染COVID-19患者的过程。政府、科技公司和研究团体都认识到智能手机、物联网设备和可穿戴技术在个人检测呈阳性时自动跟踪“密切接触者”并识别先前接触者的潜力。然而，目前公众对基于技术的有效接触者追踪与个人隐私之间的紧张关系进行了大量讨论。为了让这一讨论更有意义，我们提出了一系列在线调查的结果，这些调查的重点是接触追踪和隐私，每个调查有100名参与者。我们的第一次调查是在4月1日和3日，我们主要报告前两次调查，尽管我们也提供了后来调查日期的初步结果。我们的研究结果呈现了公众意见的多样性，并可以为公众讨论是否以及如何利用技术来减少COVID-19的传播提供信息。我们将继续进行纵向测量，并将随时间更新本报告;对本报告版本的引用应参考报告版本1.0，2020年5月8日。注：截至2020年12月4日，本报告已被报告版本2.0取代，参见arXiv：2012.01553。请阅读并引用报告版本2.0。
2020-12-17 cs.CR cs.CY
A First Look at Privacy Analysis of COVID-19 Contact Tracing Mobile Applications
今天的智能手机配备了大量强大的增值传感器和功能，如低功耗蓝牙传感器，强大的嵌入式传感器，如数字罗盘，加速度计，GPS传感器，Wi-Fi功能，麦克风，湿度传感器，健康跟踪传感器和相机等。这些增值传感器在许多方面彻底改变了人类的生活，这些嵌入式传感器还可以用于大规模的个人、团体和社区传感应用，特别是跟踪某些疾病的传播。政府和监管机构正在转向使用这些功能来追踪被认为具有某些疾病或病毒（例如COVID-19）症状的人。2019年12月爆发的COVID-19疫情导致用于追踪、跟踪和隔离出现COVID-19症状的人员的移动应用程序激增，以限制疾病向更大社区的传播。嵌入式传感器的使用可能会泄露用户的隐私信息，从而对用户的隐私和安全带来潜在的威胁。在本文中，我们分析了大量智能手机应用程序，这些应用程序旨在遏制COVID-19病毒的传播，并使人们恢复正常生活。具体来说，我们分析了这些智能手机应用程序需要什么类型的权限，这些权限是否是跟踪和跟踪所必需的，来自用户设备的数据如何传输到分析中心，并分析了这些应用程序部署的安全措施，以确保用户的隐私和安全。
2020-08-16 cs.CR cs.CY
An Automated Contact Tracing Approach for Controlling Covid-19 Spread Based on Geolocation Data from Mobile Cellular Networks
冠状病毒（COVID-19）由于其持续的结构进化以及缺乏针对这种特定病毒的适当解毒剂，因此似乎是最大的挑战。该病毒主要通过密切接触在大规模人群中传播和复制，不幸的是，这可能以许多不可预测的方式发生。因此，为了减缓这种新型病毒的传播，唯一相关的措施是保持社交距离，进行接触者追踪，使用适当的安全装备和实施隔离措施。但是，尽管这些方法在理论上是可行的，但在人口稠密的国家和地区很难坚持。因此，为了控制病毒传播，研究人员和当局正在考虑使用基于智能手机的移动应用程序（应用程序）来识别可能的感染者以及高风险区域，以保持隔离和封锁措施。然而，这些方法严重依赖于先进的技术特征，并暴露出重大的隐私漏洞。在本文中，我们提出了一种基于手机用户地理位置数据的COVID-19接触者追踪新方法。拟议的方法将有助于当局在不使用基于智能手机的移动应用程序的情况下确定可能感染的人数。此外，所提出的方法可以帮助人们做出何时寻求医疗援助的重要决定，让他们知道他们是否已经在暴露人员名单上。数值算例表明，该方法可以显着优于智能手机应用程序为基础的解决方案。
2020-07-06 cs.CR cs.CY
Privacy Guarantees of BLE Contact Tracing: A Case Study on COVIDWISE
谷歌和苹果联合推出了一项数字接触者追踪技术和一个名为“暴露通知”的API，以帮助卫生组织和政府进行接触者追踪。这项技术及其与安全和隐私限制的相互作用需要调查。在这项研究中，我们通过实际和典型的场景（以及预期的典型对手）以及非常现实的用例来检查和分析该技术的安全性，隐私性和可靠性。我们在弗吉尼亚州的COVIDWISE应用程序的背景下进行了实验分析。该实验分析验证了系统在上述条件下的属性，这一结果对于采用曝光通知技术的当局的安心至关重要，也可能有助于系统的透明度和整体用户信任。
2021-12-16 cs.CR cs.SY eess.SY
Contact Classification in COVID-19 Tracing
本文件讨论了通过使用COVID-19追踪应用程序可靠地识别关键接触者的任务。可靠的分类对于确保高水平的保护至关重要，同时也可以防止许多人被应用程序隔离。跟踪应用程序基于当前智能手机的功能，以实现尽可能广泛的可用性。智能手机的现有功能包括蓝牙低功耗（BLE）信号和音频信号的交换，以及陀螺仪和磁传感器的使用。蓝牙功率测量，这是经常使用的今天，可以补充音频测距和姿态估计在未来。智能手机以不同的方式佩戴，通常放在口袋和包里，这使得信号的传播以及分类变得不可预测。依靠用户的配合，将手机挂在脖子上，将大大改变这种情况。在这种情况下，通过BLE和音频测量可实现的性能变得可预测。我们的分析确定了导致准确警告的参数，至少在模型的有效性范围内。应用程序可以显著减少疾病的传播，而不会导致许多人过度隔离。本文件是对这一情况作了较详细分析的三份文件中的第一份。
2020-08-10 cs.CR eess.SP
Beyond the Virus: A First Look at Coronavirus-themed Mobile Malware
随着2019冠状病毒病疫情于二零二零年初出现，一些恶意行为者开始利用这一话题。尽管有少数媒体报道提到了以冠状病毒为主题的移动恶意软件的存在，但研究界缺乏对以冠状病毒为主题的移动恶意软件的了解。在本文中，我们首次系统地研究了以冠状病毒为主题的Android恶意软件。我们首先努力创建一个每日增长的COVID-19主题移动应用程序数据集，截至2020年11月中旬，该数据集包含4，322个COVID-19主题apk样本（2，500个独特应用程序）和611个潜在恶意软件样本（370个独特恶意应用程序）。然后，我们从多个角度对它们进行了分析，包括趋势和统计数据，安装方法，恶意行为以及背后的恶意行为者。我们观察到，COVID-19主题应用程序以及恶意应用程序几乎在全球疫情爆发后就开始蓬勃发展。大多数恶意应用程序都使用相同的应用程序标识符（例如，应用程序名称、包名称和应用程序图标）。他们的主要目的要么是窃取用户的私人信息，要么是通过使用网络钓鱼和勒索等手段获利。此外，只有四分之一的COVID-19恶意软件创建者是长期活跃的习惯性开发者，而其中75%是这一流行病的新手。恶意开发者主要位于美国，主要针对英语国家，中国，阿拉伯国家和欧洲等国家。为了促进未来的研究，我们已向研究界公开发布了所有标记良好的COVID-19主题应用程序（和恶意软件）。到目前为止，全球已有30多家研究机构要求我们提供数据集，用于…
2021-04-18 cs.CR
Preservation of DNA Privacy During the Large Scale Detection of COVID-19
随着人类努力遏制全球COVID-19大流行，有关限制、追踪和测试的隐私问题正在出现。关于COVID-19追踪工作隐私的科学辩论一直很激烈，特别是集中式和分散式追踪应用程序之间的选择。然而，有关COVID-19测试的隐私问题并未受到如此多的关注，尽管所涉及的隐私可能更高。COVID-19检测需要采集样本。这些样本可能含有病毒物质，但不可避免地也含有人类DNA。病人的DNA并非化验所需，但在技术上是无法避免收集的。因此，大规模非法保存或滥用这类样本，可能会泄露病人的DNA资料，对私隐造成深远影响。受“在选择明文攻击下的不可恢复性”的密码学概念的启发，本文提出了新型测试的蓝图，允许检测病毒的存在，而不会留下患者DNA的持久痕迹。作者按字母顺序排列。
2020-08-01 cs.CR q-bio.QM
Privacy-Preserving Multi-Operator Contact Tracing for Early Detection of Covid19 Contagions
2019冠状病毒病（COVID-19）的爆发正在全球范围内实施严格的封锁。基于智能手机应用程序的接触者追踪已经成为追踪传染病和实施更可持续的选择性隔离的可能解决方案。然而，需要大量采用这些应用程序才能达到有效追踪接触者所需的临界质量。作为替代方案，下一代网络中的地理定位技术（例如，5G）可以使移动运营商（MO）能够对用户的移动性和联系人进行被动跟踪，并承诺精确到一米。为了有效地检测传染病，还需要只有政府机构（GA）才知道的阳性个体的身份。请注意，除了极其敏感之外，这些数据从业务角度来看也可能是至关重要的。因此，MO和GA需要以隐私保护的方式交换和处理用户的地理位置和感染状态数据。在这项工作中，我们提出了一个隐私保护协议，使多个MO和GA共享和处理用户的数据，使只有最终用户发现他们与积极的个人接触的数量。该协议是基于现有的隐私增强策略，保证用户的移动性和感染状态是唯一知道他们的MO和GA，分别。从广泛的模拟，我们观察到，成本，以保证总的隐私（评估协议引入的数据开销）是可以接受的，也可以显着降低，如果我们接受一个微不足道的妥协，在用户的隐私。
2020-07-20 cs.CR cs.NI
TB-ICT: A Trustworthy Blockchain-Enabled System for Indoor COVID-19 Contact Tracing
Concordia University（康考迪亚大学）；University of Calgary（卡尔加里大学）
最近，由于COVID-19大流行，对接触者追踪（CT）模型的依赖性显著增加，以防止这种高传染性病毒的传播，并为未来潜在的病毒做好准备。由于新型冠状病毒在室内环境中的传播概率远高于室外，因此迫切需要开发/设计高效、自主、可靠和安全的室内CT解决方案。尽管如此紧迫，这一领域仍处于起步阶段。本文解决了这一差距，并提出了可信赖的基于区块链的室内接触追踪系统（TB-ICT）框架。TB-ICT框架旨在保护底层CT数据的隐私和完整性，防止未经授权的访问。更具体地说，它是一个完全分布式和创新的区块链平台，利用拟议的动态工作量证明（dPoW）基于信用的共识算法，结合随机哈希窗口（W-Hash）和动态信用证明（dPoW）机制来区分诚实和不诚实的节点。TB-ICT不仅提供了一个分散的数据复制，但也量化节点的行为的基础上，其底层的信用为基础的机制。为了实现高定位性能，我们利用物联网（IoT）室内定位基础设施的可用性，并开发基于蓝牙低功耗（BLE）传感器测量的数据驱动定位模型。仿真结果表明，TB-ICT通过实施高度准确的接触跟踪模型，防止了COVID-19的传播，同时提高了用户的隐私和安全。
2021-08-09 cs.CR cs.LG eess.SP
A Privacy-preserving Mobile and Fog Computing Framework to Trace and Prevent COVID-19 Community Transmission
为了减缓COVID-19的传播，世界各地的政府都在努力识别感染者，并通过强制隔离和检疫来遏制病毒。然而，很难追踪与感染者接触过的人，这导致了广泛的社区传播和大规模感染。为了解决这个问题，我们开发了一个名为PPMF的电子政务隐私保护移动和雾计算框架，可以在全国范围内跟踪感染和疑似病例。我们使用带有联系人追踪应用程序的个人移动设备和两种类型的固定雾节点，即自动风险识别器（ARC）和可疑用户数据识别器节点（SUDUN），来追踪社区传输，同时维护用户数据隐私。当在中央应用上注册时，每个用户的移动终端接收唯一加密参考码（UERC）。移动终端和中央应用都生成旋转唯一加密参考码（RUERC），其使用蓝牙低功耗（BLE）技术进行广播。该等仪器放置于楼宇入口处，可即时侦测附近是否有阳性或怀疑个案。如果发现任何确诊病例，ARC会向附近的人广播预警信息，而不会透露感染者的身份。SUDUN被放置在向中央云应用程序报告测试结果的健康中心。报告的数据后来被用来绘制感染病例和疑似病例之间的地图。因此，使用我们提出的PPMF框架，政府可以让组织继续其经济活动，而无需完全封锁。
2020-06-23 cs.CR
WeTrace -- A Privacy-preserving Mobile COVID-19 Tracing Approach and Application
为了保护人民和社会免受伤害和健康威胁-特别是对于COVID-19大流行-需要涉及各种不同的学科。在当今高度流动的社会中，对个人非常基本和与健康相关的数据进行数据汇集确实有助于规划、保护和确定卫生当局和政府能够、应该或需要规划甚至实施的下一步措施。因此，世界上的每一个人、每一个人和每一个居民都是关键角色-这与过去的许多危机大不相同。由于涉及个人-所有个人-他/她的（a）健康和（b）隐私应在非常谨慎的平衡中加以考虑，不以一个方面取代另一个方面，甚至不优先考虑某些方面。隐私仍然是关键。因此，当前流行病的数据汇集的解决方案可以基于完全隐私保护的应用程序，该应用程序可以由个人在其移动设备（例如智能手机）上使用，同时保持他们的隐私。此外，在这样一个完全分散的环境中收集的各自数据确实有助于限制流行病，并且可以在一个民主和非常开放，但仍然特别是保护隐私的世界中实现。因此，本文中描述的WeTrace方法和应用利用许多现代移动设备提供的蓝牙低功耗（BTE）通信信道，其中应用非对称密码术以允许对消息的解密，该消息是针对该目的地的。由于实际上每个其他潜在的参与者只会收听随机数据，因此即使是蛮干攻击也不会成功。WeTrace及其开源实现是迄今为止唯一已知的方法，它确保消息的任何接收者都知道这是给他/她的，但不知道原始发件人是谁。
2020-04-19 cs.CR
Blockchain Meets COVID-19: A Framework for Contact Information Sharing and Risk Notification System
COVID-19是人类历史上严重的全球性流行病。尽管有特定的药物和疫苗来遏制这一流行病，但追踪和隔离感染源是减缓病毒传播、降低感染率和死亡率的最佳选择。现有的接触者追踪系统有三个缺点：1。用户数据存储在集中式数据库中，该数据库可能被窃取和篡改，2.用户的机密个人身份可能会泄露给第三方或组织，3.现有的接触者追踪系统仅关注从一个维度的信息共享，例如基于位置的追踪，这大大限制了此类系统的有效性。我们提出了一个利用区块链、智能合约和蓝牙的全球COVID-19信息共享和风险通知系统。为了保护用户隐私，我们设计了一个新的基于区块链的平台，可以从多个维度共享一致且不可篡改的联系人跟踪信息，例如基于位置的间接联系人和基于蓝牙的直接联系人。分层智能合约架构还旨在实现用户关于如何处理和利用用户数据的全球协议，从而提高数据使用的透明度。此外，我们提出了一种机制，从多个方面来保护用户身份隐私。更重要的是，我们的系统可以通过智能合约通知用户风险暴露。我们实现了一个原型系统进行广泛的测量，以证明我们的系统的可行性和有效性。
2022-02-01 cs.CR cs.NI
TraceSecure: Towards Privacy Preserving Contact Tracing
接触者追踪被广泛用于对抗COVID-19的传播。已经开发了许多应用程序，允许根据用户生成的位置和交互数据自动进行跟踪。然而，人们担心使用这些应用程序时用户数据的隐私和安全性。对于感染病毒的用户来说，这些问题至关重要，因为他们通常需要释放所有数据。出于保护用户隐私的需要，我们提出了两种解决方案。我们的第一个解决方案建立在当前的“基于消息”的方法，我们的第二个利用秘密共享和加法同态加密的想法。
2020-04-08 cs.CR
BU-Trace: A Permissionless Mobile System for Privacy-Preserving Intelligent Contact Tracing
2019冠状病毒病（COVID-19）大流行为全球带来前所未有的健康危机。数字接触者追踪作为一种传播干预措施，在大流行控制方面已显示出其有效性。尽管对数字联系人追踪进行了深入的研究，但现有的解决方案很难满足用户对隐私和便利性的要求。在本文中，我们提出了BU-Trace，一种新的免许可移动系统的隐私保护智能接触跟踪QR码和NFC技术的基础上。首先，用户研究进行调查和量化的移动接触追踪系统的用户接受。其次，提出了一种分散的系统，以在保护用户隐私的同时实现联系人跟踪。第三，智能行为检测算法的设计，以方便我们的系统的使用。我们实现BU跟踪，并在几个现实世界的场景进行了广泛的实验。实验结果表明，BU-Trace实现了一个隐私保护和智能移动系统的联系人跟踪，而无需请求位置或其他隐私相关的权限。
2021-01-24 cs.CR cs.CY cs.SI
Hansel and Gretel and the Virus: Privacy Conscious Contact Tracing
数字接触者追踪已被提议用于支持卫生当局抗击当前的新冠肺炎大流行。在本文中，我们提出了两个集中的协议，用于数字接触跟踪，与常见的假设相反，这是一个固有的风险，不允许（追溯）跟踪设备的位置随着时间的推移。第一个协议不依赖于同步时钟。第二种协议不需要两个设备之间的握手，代价是依赖于与中央服务器的实时通信。我们强调，数字接触追踪是一种技术解决方案，应谨慎使用，特别是考虑到此类系统固有的大规模监控性质。
2021-02-21 cs.CR
Privacy-Preserving Contact Tracing: current solutions and open questions
COVID-19大流行为世界带来了独特的挑战，需要寻找解决方案，从疫苗到ICT解决方案，以减缓病毒传播。由于病毒的高度传染性，社交距离是许多国家已经采取的一项基本措施。在技术层面，这优先考虑接触者追踪解决方案，这可以提醒与受感染者密切接触的用户，同时允许卫生当局采取适当行动。在本文中，我们研究了几个现有的隐私意识的联系人跟踪解决方案，并分析其（缺点）的优势。最后，我们描述了几个主要的观察结果，并概述了一个跨学科的研究议程，以实现更全面，更有效的隐私意识的接触追踪解决方案。
2020-04-25 cs.CR
ACOUSTIC-TURF: Acoustic-based Privacy-Preserving COVID-19 Contact Tracing
The Ohio State University（俄亥俄州立大学）
在本文中，我们提出了一种新的隐私保护，自动接触跟踪系统，ACOUSTIC-TURF，使用无处不在的移动设备发送的声学信号来对抗COVID-19。在高水平上，ACOUSTIC-TURF自适应地广播具有附近随机生成的ID的听不见的超声波信号。同时，系统接收从附近（例如，6英尺）用户。在这样的系统中，各个用户ID不向其他人公开，并且系统可以以6英尺的粒度准确地检测物理接近度中的相遇。我们在Android上实现了一个ACOUSTIC-TURF原型，并在不同距离和各种遮挡场景下评估了基于声学信号的相遇检测精度和功耗方面的性能。实验结果表明，ACOUSTIC-TURF可以检测放置在口袋和口袋外的手机在6英尺范围内的多个接触。此外，当通过墙壁执行接触跟踪时，我们基于声学信号的系统比基于无线信号的方法实现更高的精度。ACOUSTIC-TURF正确地确定了墙两侧的人彼此没有接触，而基于蓝牙的方法检测到他们之间不存在的接触。
2020-06-23 cs.CR cs.NI cs.SD
A Survey on Contact Tracing: the Latest Advancements and Challenges
传染病是由病原微生物引起的，如细菌、病毒、寄生虫或真菌，它们可以直接或间接地从一个人传播到另一个人。传染病对人类健康构成严重威胁，特别是COVID-19自二零一九年底以来已成为全球严重的健康问题。接触者追踪是识别、评估和管理接触过某种疾病的人，以防止其进一步传播的过程。接触者追踪可以帮助我们更好地了解病毒的传播环节，从而更好地阻断其传播。鉴于COVID-19在全球范围内大流行，追踪接触者已成为有效遏制病毒传播的最关键措施之一。本文介绍了接触者追踪的全面调查，详细介绍了接触者追踪的模型，数字技术，协议和问题的最新进展。最后，对接触追踪技术的发展趋势进行了展望.
2021-06-17 cs.CR cs.SI
Trust and Transparency in Contact Tracing Applications
COVID-19在全球爆发，导致我们集中精力管理及减轻疾病的持续传播。其中一项努力包括使用接触者追踪来确定那些因接触受感染者而有可能患上这种疾病的人。从历史上看，接触者追踪主要是手动的，但鉴于导致COVID-19的病毒呈指数级传播，人们对开发和使用数字接触者追踪解决方案以补充人类接触者追踪者的工作产生了极大的兴趣。这些应用程序收集和使用敏感的个人详细信息已经引起了对这些解决方案具有既得利益的利益相关者团体的一些关注。我们详细探讨了数字联系人追踪解决方案，并建议使用透明的报告机制FactSheets，以提供这些应用程序的透明度和支持信任。我们还提供了一个FactSheet模板示例，其中包含特定于联系人跟踪应用程序域的问题。
2020-06-19 cs.CR cs.CY
CoVista: A Unified View on Privacy Sensitive Mobile Contact Tracing Effort
世界各国政府对科技巨头主宰公共卫生政策越来越感到沮丧。苹果和谷歌开发的软件使个人能够通过整理的暴露通知来跟踪自己的潜在暴露。然而，同一软件禁止位置跟踪，拒绝提供公共卫生官员进行强有力的合同跟踪所需的关键信息。这些信息是治疗和隔离COVID-19阳性人群、识别传播热点和防止感染持续传播所必需的。在本文中，我们提出了两个简单的想法：灯塔和covid-commons，它们满足了公共卫生当局的需求，同时保留了苹果和谷歌暴露通知协议的隐私敏感目标。
2020-05-27 cs.CR cs.CY
CONTAIN: Privacy-oriented Contact Tracing Protocols for Epidemics
2019冠状病毒病（COVID-19）、SARS-CoV 2和埃博拉病毒等大流行病和流行病已蔓延至多个国家，感染了数千人。这些疾病主要通过人与人之间的接触传播。卫生保健当局建议采取接触者追踪程序，以防止向广大人群传播。虽然已经开发了几种移动应用程序来跟踪联系人，但它们通常需要收集隐私侵入信息，例如GPS位置，并在第三方服务器上记录隐私敏感数据，或者需要额外的基础设施，例如具有已知位置的WiFi AP。在本文中，我们将介绍CONTAIN，一个面向隐私的移动联系人跟踪应用程序，它不依赖于GPS或任何其他形式的基于基础设施的位置传感，也不依赖于服务器上的任何其他个人身份信息的连续记录。CONTAIN的目标是允许用户完全隐私地确定他们是否在被感染的人的短距离内，特别是蓝牙无线范围内，以及可能何时被感染。我们确定并证明我们的方法所提供的隐私保证。我们的模拟研究利用经验跟踪数据集（Asturies），涉及100个移动设备和大约60000条记录表明，用户可以最大限度地提高他们的可能性，如果他们附近的感染用户通过打开应用程序在活动时间。
2020-04-10 cs.CR
Efficient and Privacy-Preserving Infection Control System for Covid-19-Like Pandemics using Blockchain
接触者追踪是控制COVID-19类大流行病的一种非常有效的方法。它旨在确定在病毒潜伏期内与受感染者密切接触的个人，并通知他们进行隔离。然而，现有系统存在隐私、安全和效率问题。为了解决这些局限性，在本文中，我们提出了一种高效且保护隐私的基于区块链的感染控制系统。而不是依赖于一个单一的权威来运行系统，一组健康当局，形成一个联盟区块链，运行我们的系统。使用区块链技术不仅可以保护我们的系统免受单点故障和拒绝服务攻击，而且还可以带来透明度，因为所有交易都可以由不同的方进行验证。虽然接触者追踪很重要，但这还不足以有效控制感染。因此，与大多数只关注接触者追踪的现有系统不同，我们的系统由三个集成的子系统组成，包括接触者追踪、公共场所访问控制和安全场所推荐。访问控制子系统阻止受感染的人访问公共场所以防止病毒传播，并且推荐子系统基于感染级别对区域进行分类，使得人们可以避免访问受污染的区域。我们的分析表明，我们的系统是安全的，可以保护用户的隐私，防止身份识别、社交图泄露和跟踪攻击，同时阻止虚假报告（或恐慌）攻击。此外，我们广泛的性能评估证明了我们的系统的可扩展性（这是可取的流行病），由于其低通信，计算和存储开销。
2021-04-06 cs.CR cs.CY
COVID-19 and Your Smartphone: BLE-based Smart Contact Tracing
Hong Kong University of Science and Technology（香港科技大学）；University of Guelph（圭尔夫大学）；University of Toronto（多伦多大学）
在预防传染病传播方面，接触者追踪至关重要。接触者追踪通常由授权人员手动进行。人工接触者追踪是一个效率低、容易出错、耗时的过程，对广大民众的效用有限，因为与受感染者密切接触的人即使不是几天，也是几小时后才得到通知。本文介绍了一种替代手动接触跟踪的方法。所提出的智能接触跟踪（SCT）系统利用智能手机的蓝牙低功耗（BLE）信号和机器学习分类器来准确且快速地确定接触简档。SCT的贡献是双重的：a）使用精确的接近感测将用户的接触分类为高/低风险，以及b）使用隐私保护通信协议的用户匿名。SCT利用BLE的不可连接广告功能，在用户处于公共空间时广播签名数据包。广播和观察到的签名都存储在用户的智能手机中，只有当公共卫生当局确认用户被感染时，它们才会上传到安全的签名数据库。每个智能手机都使用接收信号强度（RSS）来估计其与其他用户手机的距离，并在违反社交距离规则时发出实时警报。本文包括利用现实生活中的智能手机位置进行的广泛实验和对五种机器学习分类器的比较评估。报告的结果表明，决策树分类器优于其他国家的最先进的分类方法的准确性。最后，为了促进这一领域的研究，并有助于及时开发先进的解决方案，公开了六个实验的全部数据集，约有123，000个数据点。
2020-05-28 cs.CR cs.HC cs.LG
Approach for GDPR Compliant Detection of COVID-19 Infection Chains
虽然欧洲各国广泛讨论了跟踪移动设备用户以对抗COVID-19传播的前景，但我们提出了一种基于布隆过滤器的构造，提供用户的位置隐私并防止大规模监视。我们应用基于Bloom过滤器数据结构的解决方案，允许第三方，政府机构，对移动电信公司的访问日志文件执行一些隐私保护集合关系。通过计算集合关系，政府机构在已知两个已识别的人的情况下，具有提供从初始到最终受感染用户的（可能的）感染链的工具，而不管他们在全球范围内的哪个位置。我们的方法的好处是，中间可能受感染的用户可以识别，并随后与该机构联系。通过这种方法，我们声明，只有可能受感染的用户的身份将被披露，其他人的位置隐私将被保护。在这方面，它符合通用数据保护条例（GDPR）在该领域的要求。
2020-07-20 cs.CR
Safer Illinois and RokWall: Privacy Preserving University Health Apps for COVID-19
COVID-19从根本上扰乱了我们的生活方式。世界各地的政府机构、大学和公司正在迅速开发技术，以抗击COVID-19大流行并安全地重新开放社会。接触追踪、超级传播者事件检测和曝光映射等基本分析工具需要收集和分析敏感的用户信息。越来越多地使用这种强大的数据驱动的应用程序需要一个安全的，隐私保护的基础设施，对个人数据的计算。在本文中，我们分析了伊利诺伊大学厄巴纳-香槟分校正在开发的两个这样的计算基础设施，以跟踪和减缓COVID-19的传播。首先，我们介绍了更安全的伊利诺伊州，一个分散的健康分析系统，支持目前广泛采用的两个应用程序：数字接触追踪和COVID-19状态卡。其次，我们介绍了RokWall架构，用于对敏感用户数据进行隐私保护的集中式数据分析。我们将讨论这些系统的架构、设计选择、考虑的威胁模型以及我们在开发用于敏感数据分析的生产就绪系统时遇到的挑战。
2021-03-17 cs.CR cs.CY
Privacy-Preserving and Sustainable Contact Tracing Using Batteryless Bluetooth Low-Energy Beacons
接触者追踪是应对COVID-19大流行的技术参考选择。目前的许多方法都存在严重的隐私和安全问题，无法提供可持续的接触者追踪基础设施。我们解决这些问题，引入一种创新的，保护隐私的，可持续的，经过实验测试的架构，利用无电池BLE信标。
2021-12-21 cs.CR cs.CY cs.NI
In Lieu of Privacy: Anonymous Contact Tracing
我们提出了跟踪令牌，一个硬件令牌的隐私保护接触跟踪利用曝光通知\cite{GAEN}协议。通过子网络，我们发现任何通过邻近传播的疾病都可以追踪，例如季节性流感，感冒，COVID-19的区域菌株或结核病。此外，我们展示了该协议并行通知$n^n$用户，提供了当前联系人跟踪方法无法比拟的信息速度。
2021-12-31 cs.CR cs.CY cs.HC
Unlinking super-linkers: the topology of epidemic response (Covid-19)
传染病传播的一个关键特征是它们能够在接触图中使用有效的传播路径。这使得病原体能够最大限度地提高感染率并在目标人群中传播。在这项工作中，我们设计的技术，以本地化的感染和降低感染率的基础上，人类接触网络（邻近图）内的疾病传播路径的原则性分析。疾病传播的实验结果表明，在低能见度下，接触者追踪减缓了疾病的传播。然而，为了阻止疾病传播，接触者追踪需要接近度图的显著可见性（至少60%）和将一半人口隔离的能力。我们发现，主动隔离超级链接-关键的邻近遭遇-具有显着的好处：基于对邻近图的35%可见性，有针对性地隔离四分之一的人口，可以防止流行病爆发。事实证明，隔离超级传播者比追踪和测试接触者更有效，但不如锁定超级链接有效。我们强调的重要作用，拓扑结构的流行病爆发。我们认为，通过禁用超级链接和超级传播者对人群进行主动接种，可能与接触者追踪和检测一起发挥重要的补充作用，作为应对流行病爆发的复杂公共卫生应对措施的一部分。
2020-06-10 cs.CR cs.SI physics.soc-ph
A socio-technical framework for digital contact tracing
在应对COVID-19危机的努力中，决策者正在考虑开发和使用智能手机应用程序进行接触者追踪。尽管这些应用在技术和方法上各不相同，但它们对隐私和人权的影响日益受到关注。在这里，我们提出了一个框架，以评估其适用性的用户，所采用的技术和治理方法的影响。我们用三个应用程序来说明它的使用，并与欧洲数据保护委员会（EDPB）的指导方针，强调其局限性。
2020-05-17 cs.CR cs.CY
DNA: Differentially private Neural Augmentation for contact tracing
University of Amsterdam（阿姆斯特丹大学）；Qualcomm AI research（高通人工智能研究部门）
本文提出DNA方法，用满足差分隐私的神经网络增强去中心化接触追踪，在COVID-19模拟器中以epsilon=1显著提升感染者检测并降低感染率，兼顾隐私与效果。
2026-09-11 cs.CR cs.LG cs.MA
Target Privacy Threat Modeling for COVID-19 Exposure Notification Systems
在2019冠状病毒病大流行期间采用数字接触者追踪（DCT）技术显示出多重好处，包括有助于减缓传染病的传播和改善准确信息的传播。然而，为了支持道德技术部署和用户采用，隐私必须放在首位。随着隐私的丧失成为一个严重的威胁，随着数字联系人跟踪技术的发展，彻底的威胁建模将有助于我们制定战略并保护隐私。当今存在各种威胁建模框架，例如LINDDUN、STRIDE、PASTA和NIST，它们分别关注软件系统隐私、系统安全、应用程序安全和以数据为中心的风险。当应用于暴露通知系统（ENS）的情况下，这些模型提供了一个全面的软件方面的看法，但在解决硬件，人类，法规和软件在这样的系统中所涉及的集成性质不足。我们的方法解决了ENSas作为一个整体，并提供了一个模型，解决了多方面的解决方案的隐私复杂性。我们定义了隐私原则、隐私威胁、攻击者能力和全面的威胁模型。最后，我们概述了威胁缓解策略，解决我们的模型中定义的各种威胁
2020-09-25 cs.CR cs.CY
PCT-TEE: Trajectory-based Private Contact Tracing System with Trusted Execution Environment
现有的基于蓝牙的私人接触追踪（PCT）系统可以私下检测人们是否与COVID-19患者有过直接接触。然而，我们发现现有的系统缺乏功能和灵活性，这可能会影响接触追踪的成功。具体地说，它们不能检测间接接触（例如，即使没有直接接触，人们也可能因为使用同一部电梯而接触到冠状病毒）;他们也不能灵活改变“风险接触”的规则，例如接触多少小时或与COVID-19患者的距离有多近被视为风险接触，这可能会随着环境情况而改变。在本文中，我们提出了一个有效和安全的接触跟踪系统，使直接接触和间接接触。为了解决上述问题，我们需要利用用户的轨迹数据进行私人接触追踪，我们称之为基于自动化的PCT。我们将此问题形式化为时空私有集相交问题。通过分析不同的方法，如同态加密，可以扩展到解决这个问题，我们确定可信执行环境（TEE）是一个建议的方法来实现我们的要求。主要的挑战是如何在有限的TEE安全内存下设计时空私有集求交算法。为此，我们设计了一个基于TEE的系统，具有灵活的轨迹数据编码算法。我们对真实数据的实验表明，该系统可以在几秒钟内处理数千万条轨迹数据记录上的数千次查询。
2021-12-31 cs.CR cs.CY
Protect Your Score: Contact Tracing With Differential Privacy Guarantees
University of Amsterdam（阿姆斯特丹大学）；Qualcomm AI research（高通人工智能研究院）
针对接触者追踪中风险评分泄露隐私的攻击，提出首个具差分隐私保证的算法，在COVID-19模拟器中实现感染率降低2至10倍。
2026-09-14 cs.AI cs.CR cs.LG
