Functional Encryption in Secure Neural Network Training: Data Leakage and Practical Mitigations
Faculty of Computer Science, Alexandru Ioan Cuza University of Iasi, Iasi, Romania（计算机科学系，阿利亚斯大学，伊萨奇）
本文针对使用功能加密的安全神经网络训练提出数据重建攻击，并给出两种涉及客户端参与的安全训练与推理缓解方案。
2025-09-25 cs.CR cs.LG
Prompt Leakage effect and defense strategies for multi-turn LLM interactions
Salesforce AI Research（Salesforce AI研究部门）
本文系统研究了多轮LLM交互中的提示词泄露威胁，设计利用LLM阿谀奉承效应的威胁模型将攻击成功率提升至86.2%，并评估了7种黑盒防御策略及微调方法的缓解效果与成本，为构建安全LLM应用提供指导。
2024-07-29 cs.AI cs.CL cs.CR
When Evaluation Becomes a Side Channel: Regime Leakage and Structural Mitigations for Alignment Assessment
International University of La Rioja（拉里奥ja国际大学）
研究提出通过制度盲机制减少制度条件下的失败，但无法完全消除策略风险，需结合白盒诊断评估制度意识。
2026-02-14 cs.AI cs.CR cs.LG
On Mitigation of Side-Channel Attacks in 3D ICs: Decorrelating Thermal Patterns from Power and Activity
对IC的各种侧信道攻击（SCA）已经被成功地证明并且也在一定程度上被减轻。然而，在3D IC的上下文中，现有技术主要集中于经典SCA对策的有效实现。也就是说，到目前为止，为新兴的3D IC量身定制的SCA一直被忽视。在本文中，我们进行了这样一个新的研究，并专注于最容易和关键的侧通道之一：活动和功率模式的热泄漏。我们在布局规划的早期阶段就解决了3D IC的热泄漏问题，并针对电源和热管理进行了定制扩展。我们的关键思想是仔细利用3D IC中的材料和结构特性的细节，从而将底层功率和活动模式的热行为解相关。最重要的是，我们讨论了强大的SCA，并演示了我们的开源工具如何帮助减轻它们。
2017-10-07 cs.CR cs.ET
Not All 4-bit Quantizers Are Equal: Deployment-Time Mitigation of PII Leakage in Fine-Tuned Small Language Models
AI Horizon Labs（AI地平线实验室）；Federal University of Pampa (UNIPAMPA)（潘帕联邦大学（UNIPAMPA））
研究发现4位量化方法的选择影响微调小型语言模型的隐私泄露，基于校准的方法（如AWQ）比无校准方法泄露更少，部署时应将其视为隐私决策。
2026-09-23 cs.AI cs.CR cs.LG
From the Two-Capacitor Paradox to Electromagnetic Side-Channel Mitigation in Digital Circuits
Indian Institute of Science（印度科学研究所）；University of Florida（佛罗里达大学）；Purdue University（普渡大学）
本文从双电容器悖论出发，探讨数字电路中电磁侧通道泄漏问题，提出绝热充电作为缓解措施，以提高设备的安全性。
2025-12-23 cs.CR
Leverage the Average: Averaged Sampling in Pre-Silicon Side-Channel Leakage Assessment
预硅侧沟道泄漏评估是在设计时识别硬件漏洞的有用工具，但它需要许多高分辨率的功率迹线，并增加了设计的功率仿真成本。通过对这些高分辨率迹线进行下采样和平均，我们表明可以在不显著损失侧通道泄漏评估质量的情况下显著降低功率仿真成本。我们介绍了我们的索赔的理论基础。我们的研究结果表明，在RISC-V SoC的门级侧沟道泄漏评估上，功耗仿真速度提高了6.5倍。此外，我们还阐明了平均采样技术可以成功使用的条件。
2022-04-08 cs.AR cs.CR
POLARIS: Explainable Artificial Intelligence for Mitigating Power Side-Channel Leakage
针对微电子系统面临的功耗侧信道泄漏威胁，本文提出基于XAI引导掩码方法的POLARIS框架，通过无监督流程构建定制数据集训练掩码模型，在泄漏减少、执行时间和开销上均优于现有最优方案。
2025-07-29 cs.CR
Sanitize Your Responses: Mitigating Privacy Leakage in Large Language Models
提出Self-Sanitize框架，通过表征工程进行token级自我监控并就地修复有害内容，在三种隐私泄露场景和四个LLM上以低开销实现有效缓解且不损害模型效用。
2025-09-29 cs.CL cs.CR cs.LG
Agent Tools Orchestration Leaks More: Dataset, Benchmark, and Mitigation
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院）
研究LLM代理在编排多个工具时泄露敏感结论的风险（TOP-R），构建了包含1000个实例的基准TOP-Bench，并提出TOP-Align后训练方法以缓解泄露。
2026-09-03 cs.AI cs.CL cs.CR
DSAC: Low-Cost RowHammer Mitigation Using In-DRAM Stochastic and Approximate Counting Algorithm
针对RowBleed与RowHammer位翻转，本文提出时间加权计数及DSAC随机近似计数保护机制，并以最大干扰指标验证其较现有计数器算法降低133倍。
2025-06-16 cs.AR cs.CR
Sensitive-Topic Leakage Through LLM Routing Metadata: Measurement and Mitigation
Krixvon
研究LLM路由元数据泄露敏感主题的隐私风险，通过大规模真实请求测量，提出缓解措施并评估其效果。
2026-10-08 cs.CL cs.CR
SNPeek: Side-Channel Analysis for Privacy Applications on Confidential VMs
CISPA Helmholtz Center for Information Security（CISPA赫尔姆霍兹信息安全中心）；Google（谷歌）
SNPeek是一款开源工具，用于在保密虚拟机上检测和分析侧信道泄漏，通过统计和机器学习方法识别隐私泄露问题，帮助开发者实现更安全的隐私保护。
2025-12-11 cs.CR
The Sum Leaks More Than Its Parts: Compositional Privacy Risks and Mitigations in Multi-Agent Collaboration
UNC Chapel Hill（北卡罗来纳大学教堂山分校）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文首次系统研究多智能体LLM系统中跨交互组合导致的隐私泄露，提出ToM和CoDef两种防御策略，其中CoDef在隐私与效用间取得最佳平衡（79.8%），为协作式LLM部署提供了防护设计依据。
2025-09-16 cs.AI cs.CL cs.CR
Injected and Leaked: Actively Inducing Side-Channel Leakage Using Electromagnetic Injection and Hardware Nonlinearity
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；The Hong Kong Polytechnic University（香港理工大学）
本研究提出注入诱导电磁侧信道框架，利用硬件非线性的电磁注入放大侧信道泄漏，设计InjectEave攻击实现远距离窃听，还分析了相关安全挑战与缓解措施。
2026-09-07 cs.CR
Mitigation of Social Media Platforms Impact on the Users
University of Colorado Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）
针对社交媒体平台对用户安全、隐私和保障的负面影响，提出一种基于分形树和L系统算法的去中心化数据排列框架，以缓解这些影响。
2025-07-26 cs.CR cs.CY cs.GR
WebRTC Metadata and IP Leakage in Modern Browsers: A Cross-Platform Measurement Study
Istanbul Aydin University（伊斯坦布尔阿伊丁大学）；Air Force Academy Istanbul（伊斯坦布尔空军学院）；University of Istanbul（伊斯坦布尔大学）
该研究跨平台测量 2025 年主流浏览器的 WebRTC 元数据与 IP 泄露，提出威胁模型和分层缓解策略，揭示 mDNS、CGNAT 等持续隐私风险。
2025-10-17 cs.CR
Architecting the Secure AI-SOC: A Neurosymbolic Framework for Pipeline Integrity and Threat Mitigation
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；Clone Systems（克隆系统公司）
针对LLM集成SOC面临的日志投毒间接提示注入威胁，提出神经符号纵深防御架构，结合确定性SIEM解码器与NeMo Guardrails语义验证，有效瓦解提示软件杀伤链，保障管道完整性。
2026-09-11 cs.AI cs.CR
DISARM: Target Electronic Device Informed Mitigation of Software Runtime Side-Channel Vulnerabilities
University of Maine（缅因大学）；Oak Ridge National Laboratory（橡树岭国家实验室）
提出DISARM方法，利用真实嵌入式设备时序值生成针对性软件修复，以缓解运行时侧信道漏洞，在五个不同设备上优于现有方案。
2026-06-19 cs.CR
Blindsight: Blinding EM Side-Channel Leakage using Built-In Fully Integrated Inductive Voltage Regulator
现代高性能以及功率受限的片上系统（SoC）越来越多地使用硬件加速加密引擎来保护计算、存储器访问和通信操作。芯片的电磁（EM）发射会泄露底层逻辑运算的信息，并且可以使用低成本的非侵入性测量来收集。基于EM的侧信道攻击（EMSCA）已成为SoC中加密引擎安全的主要威胁。本文提出了Blindsight的概念，其中高频感应电压调节器（IVR）与加密引擎集成在同一芯片上，以增加对EMSCA的抵抗能力。高频（~ 100 MHz）IVR存在于现代微处理器中，以提高能效。我们表明，IVR与随机控制回路（R-IVR）可以减少EMSCA的集成电感作为一个强大的EM发射器，并从加密引擎的EM发射的对手失明。EM测量在测试芯片上进行，该测试芯片包含两种由高频R-IVR驱动的128位高级加密标准（AES）引擎架构，并在两种攻击场景下进行，一种是对手获得目标设备的完全物理访问，另一种是对手仅在设备附近。在这两种攻击模式中，攻击者可以在基线IVR（B-IVR，无控制环随机化）中的测试向量泄漏评估（TVLA）测试中观察到信息泄漏。然而，我们表明，从R-IVR的EM发射致盲的攻击者，并显着降低了AES引擎的SCA漏洞。包括TVLA、相关电磁分析（CEMA）和基于模板的CEMA在内的一系列实际侧信道分析表明，R-IVR可以减少信息泄漏，并防止密钥提取，即使是针对熟练的对手。
2018-02-25 cs.CR
A Survey on Responsible LLMs: Inherent Risk, Malicious Use, and Mitigation Strategy
Tsinghua University（清华大学）；Huazhong University of Science and Technology（华中科技大学）
本文综述LLM的内在风险与恶意使用问题，按开发使用四阶段梳理隐私、幻觉、价值、毒性及越狱防御等缓解技术，并提出统一的负责任LLM框架。
2025-01-16 cs.AI cs.CL cs.CR
