Decentralized Identifier-based Privacy-preserving Authenticated Key Exchange Protocol for Electric Vehicle Charging in Smart Grid
近年来，电动汽车（EV）的普及在全球范围内不断上升。智能电网将成为电动汽车充电的支柱，并使电动汽车能够有效地消耗电力。随着对电动汽车的需求，相关的网络威胁也在增加。用户在电动汽车充电时暴露了他们的个人信息，导致隐私威胁。针对智能电网中的电动汽车充电问题，提出了一种用户授权、隐私感知的认证密钥交换协议。该协议基于分布式标识符（DID）和可验证证书（VC）的概念。DID的使用通过帮助用户完全控制其身份来增强用户的能力。充电站和用户在使用VC继续充电服务之前验证另一方是合法的。密钥恢复是我们在本文中解决的另一个问题。一种方法来恢复丢失的密钥被纳入拟议的协议。我们提出了形式化的安全性证明和非形式化的分析，以显示该协议的鲁棒性对多种攻击。我们还提供了一个详细的性能分析表明，该协议是有效的。
2022-06-27 cs.CR
The Bisq Decentralised Exchange: On the Privacy Cost of Participation
SETU（南东大学）
该研究分析了Bisq去中心化交易所参与者共享数据的隐私成本，通过地址聚类启发式方法聚合参与者活动，识别其化名与市场角色，并提出隐私保护建议。
2026-08-18 cs.CR
Privacy-Preserving Trust Management Mechanisms from Private Matching Schemes
密码原语是构建隐私保护通信机制的基础。在某些情况下，互不相识的两方需要在Internet上交换敏感信息。信任管理机制利用数字凭证和证书来在这些陌生人之间建立信任。我们解决了选择交换哪些凭证的问题。在这个过程中，除了建立信任所严格要求的信息之外，每一方都不应该了解另一方的偏好。我们提出了一种方法，以达成协议的凭证交换，保护各方的隐私。我们的方法是基于安全的两方计算协议的集合相交。也就是说，它是从私人匹配方案。
2013-08-11 cs.CR
Walking to Hide: Privacy Amplification via Random Message Exchanges in Network
洗牌模型是一个强大的工具，可以放大差分隐私的本地模型的隐私保证。与在本地模型中保证隐私的完全分散的方式相反，洗牌模型需要一个中央的、可信的洗牌器。为了避免这种中央洗牌机，Liew等人（2022）的最新工作提出了通过客户端构成的通信网络上的随机游走，以分散的方式对本地随机数据进行洗牌。因此，它提供的隐私放大边界取决于底层通信网络的拓扑结构，即使是无限长的随机游走。它不匹配shuffle模型的现有技术的隐私放大（Feldman等人，2021年）。在这项工作中，我们证明了~ $n$客户端的数据的输出，每个由$ε_0$本地随机发生器扰动，并通过随机游走与对数的步骤，洗牌，是$( {O} ( (1 - e^{-ε_0} ) \sqrt{ ( e^{ε_0} / n ) \ln (1 / δ) } ), O(δ) )$ -差分私有的。重要的是，该界限独立于通信网络的拓扑结构，并且渐进地闭合网络洗牌模型的隐私放大界限之间的差距（Liew等人，2022）和洗牌模型（Feldman等人，2021年）。我们的证明是基于减少洗牌模型，并分析了分布的随机游动的有限长度。在此基础上，我们进一步表明，如果每个客户端独立采样概率~ $p$，网络洗牌模型的隐私保证可以进一步提高到$( {O} ( (1 - e^{-ε_0} ) \sqrt{p ( e^{ε_0} / n ) \ln (1 / δ) } ) , O…
2022-06-20 cs.CR
Privacy-Preserving Decentralized Exchange Marketplaces
最近有人提出利用区块链的去中心化交易市场，为交易者提供开放和平等的机会，提高透明度，降低中心化交易所的系统性风险。然而，它们损害了交易者在资产所有权、账户余额、订单细节和身份方面的隐私。在本文中，我们介绍了Rialto，这是一个完全去中心化的隐私保护交易市场，支持匹配交易订单，链上结算和市场价格发现。Rialto提供了订单费率和账户余额的保密性，以及交易者与其交易订单之间的不可链接性，同时保留了传统市场的理想属性，如前期弹性和市场公平性。我们定义了正式的安全概念，并提出了市场的安全分析。我们对我们的解决方案进行了详细的评估，证明它具有良好的可扩展性，适用于现代交易所市场中交易的大量商品和金融工具。
2021-12-20 cs.CR cs.DC
Harmonizing sensitive data exchange and double-spending prevention through blockchain and digital wallets: The case of e-prescription management
医疗行业的数字化转型需要为所有利益相关者提供方便和高效的解决方案，同时保护患者的敏感数据。一个已经吸引了设计导向研究的例子是医疗处方。然而，电子处方管理系统的当前实现通常会创建集中的数据孤岛，使用户数据容易受到网络安全事件的影响并阻碍互操作性。研究还提出了基于区块链技术的去中心化解决方案，但与隐私相关的挑战往往被忽视。我们进行设计科学研究，开发和实施一个基于两个区块链和一个数字钱包应用程序的电子处方交换系统。我们的解决方案通过可验证的凭证和基于令牌的匿名双重支出支票，将医生，患者和药房之间的双边，可验证和以隐私为中心的信息交换结合起来。我们的定性和定量评估以及安全分析表明，该架构可以通过设计，高水平的安全性，足够的性能和可扩展性以及与用户，企业和机构新兴数字身份管理解决方案的互操作性，为患者提供对其数据的控制，从而改善现有的电子处方管理方法。我们还得出原则，如何设计分散的，面向隐私的信息系统，既需要交换的敏感信息和双重用途的保护。
2023-01-03 cs.CR
FC-GUARD: Enabling Anonymous yet Compliant Fiat-to-Cryptocurrency Exchanges
Virginia Tech（弗吉尼亚理工大学）；University of Kentucky（肯塔基大学）
FC-GUARD通过可验证凭证和零知识证明技术，在确保合规性的同时保护用户匿名性，实现法币与加密货币的安全兑换。
2026-01-22 cs.CR
PriME-Deal: Privacy-Preserving Bilateral Data Trading with Efficient Matchmaking and Auditable Fair Exchange on Blockchain
Tianjin University（天津大学）；East China Normal University（华东师范大学）；Hainan University（海南大学）；Southern Cross University（南十字星大学）；City University of Hong Kong（香港城市大学）
提出PriME-Deal协议，通过不经意键值存储和零知识证明实现策略隐藏的双边匹配、阈值访问控制，并利用抵押链上揭示与密码学审计实现无需可信第三方的公平交换，显著降低卖家发布成本。
2026-06-11 cs.CR
Cybersecurity Information Exchange with Privacy (CYBEX-P) and TAHOE -- A Cyberthreat Language
University of Nevada, Reno（内华达大学里诺分校）
网络安全信息共享（CIS）旨在更有效地保护组织免受高级网络攻击。然而，完全自动化的CIS平台并没有被广泛采用。主要挑战是：（1）缺乏强大的网络威胁语言（CTL）和（2）对数据隐私的担忧。这项工作介绍了网络安全信息交换与隐私（CYBEX-P），作为一个CIS框架，以应对这些挑战。CYBEX-P允许组织通过基于属性的隐私控制来共享异构数据。它将数据关联起来，自动生成直观的报告和防御规则。为了实现这样的通用性，我们已经开发了TAHOE -一个基于图形的CTL。TAHOE是一种用于存储、共享和分析威胁数据的结构。它还内在地关联数据。我们进一步开发了一个通用的威胁数据查询语言（TDQL）。在本文中，我们提出了CYBEX-P的系统架构，然后讨论了它的可扩展性和隐私功能，以及CYBEX-P提供基础设施即服务（IaaS）的用例。我们进一步引入TAHOE和TDQL作为现有CTL的更好的替代品，并制定了ThreatRank -一种检测新恶意事件的算法，
2021-06-03 cs.CR cs.LG
Privacy, Discovery, and Authentication for the Internet of Things
自动服务发现对于实现物联网（IoT）的全部潜力至关重要。虽然多播DNS、Apple AirDrop和低功耗蓝牙等发现协议在物联网和移动设备中得到了广泛采用，但这些协议中的大多数都不提供任何形式的服务隐私控制，并且经常会泄露敏感信息，如服务类型、设备主机名、设备所有者的身份等。为了满足物联网和移动领域对更好隐私的需求，我们开发了两种用于私有服务发现和私有相互认证的协议。我们的协议提供了私人和真实的服务广告，零往返（0-RTT）相互认证，并在Canetti-Krawczyk密钥交换模型中可证明是安全的。与替代方案相比，我们的协议是轻量级的，只需要对现有的密钥交换协议进行最小的修改。我们将我们的协议集成到现有的开源分布式应用程序框架中，并在多个硬件平台上提供基准测试：Intel Edisons，Raspberry Pis，智能手机，笔记本电脑和台式机。最后，我们讨论了Apple AirDrop协议（一种点对点文件共享机制）的一些隐私限制，并展示了如何使用我们的私人相互认证协议来提高Apple AirDrop的隐私性。
2017-02-28 cs.CR
Private and Atomic Exchange of Assets over Zero Knowledge Based Payment Ledger
比特币带来了一种新型的数字货币，它不依赖于中央系统来维持交易。通过受益于去中心化分类账的概念，彼此不认识或不信任的用户仍然可以以点对点的方式进行交易。受比特币的启发，近年来发明了其他加密货币，如以太坊，达世币，Zcash，门罗币，Grin等。其中一些专注于增强隐私，例如加密笔记或应用用于交易的加密笔记的类似概念以增强隐私的系统（例如，Zcash、Monero）。然而，很少有机制支持链上的隐私增强票据或资产的交换，同时保护交换操作的隐私。现有的公平交换隐私资产的方法主要依赖于链下/侧链、托管或集中式服务。因此，我们提出了一种解决方案，支持加密货币或隐私增强加密资产的不经意和隐私保护的公平交换。该技术通过扩展基于零知识的密码笔记来演示。为了解决“隐私”和“多货币”问题，我们构建了一个新的零知识证明系统，并使用新的属性扩展了笔记格式，以表示各种类型的令牌化资产或加密货币。通过扩展支付协议，交换操作通过隐私增强交易（例如，屏蔽交易）。基于交易操作过程中可能出现的场景，我们在用于公开验证交易的零知识证明系统中增加了新的约束和条件。
2019-09-14 cs.CR cs.DC cs.DS
Indifferential Privacy: A New Paradigm and Its Applications to Optimal Matching in Dark Pool Auctions
针对暗池拍卖中不可信拍卖方的风险，提出结合差分隐私与轻量级加密的新系统，引入无差别隐私概念，实现高效匹配并解决传统方法计算开销大、无法最大匹配的问题。
2025-02-19 cs.CR
ARTeX: Anonymity Real-world-assets Token eXchange
Korea University, School of Cybersecurity（韩国大学网络安全学院）
针对RWA代币交易中的隐私泄露问题，提出ARTeX交易平台，结合现有方法优势，确保交易者匿名性并增强对非法活动的防范。
2025-10-10 cs.CR
Pisces: Private and Compliable Cryptocurrency Exchange
本文提出Pisces，首个恢复用户匿名性的加密货币交易所，解决区块链交易泄露隐私问题，防止双重花费并确保税务合规，实现常数级开销的高效系统。
2023-09-04 cs.CR
X-NegoBox: An Explainable Privacy-Budget Negotiation Framework for Secure Peer-to-Peer Energy Data Exchange
Department of Informatics, University of Oslo（奥斯陆大学信息学院）；University of Electronic Science and Technology of China（电子科技大学）
本文提出X-NegoBox框架，通过自主隐私预算谈判协议和可解释协议层，实现适应性隐私预算管理和透明决策，提升点对点能源数据交换的隐私保护与信任度。
2026-04-27 cs.AI cs.CR
Leveraging Self-Sovereign Identity, Blockchain, and Zero-Knowledge Proof to Build a Privacy-Preserving Vaccination Pass
当前的人道主义健康危机使关于数据隐私的辩论变得更加普遍。与此同时，一些城市、州甚至国家将强制出示健康通行证以获得服务的规定付诸实施。在这篇文章中，我们探讨了自我主权身份，区块链和零知识证明的概念，以解决疫苗接种证明的问题。该解决方案允许用户证明他们接种了不同病原体的疫苗，而不会暴露他们的身份。该体系结构是松散耦合的，允许组件交换，我们将在介绍工作原型的实现时讨论这一点。
2022-02-18 cs.CR
Case Studies: Effective Approaches for Navigating Cross-Border Cloud Data Transfers Amid U.S. Government Privacy and Safety Concerns
本文分析跨境云数据传输的法律与技术影响，指出框架漏洞对信息访问和数据隐私的风险，并提出安全信息交换措施。
2025-08-12 cs.CR cs.CY
SoK: Privacy-Preserving Order Matching
IMDEA Networks Institute（IMDEA网络研究所）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
本文对22个协议家族的隐私保护订单匹配进行系统化梳理，划分订单生命周期为四个阶段并刻画各阶段特征，分析隐私属性及相关权衡，凸显端到端隐私实现的挑战。
2026-10-12 cs.CR
Blockchain based Privacy-Preserving Software Updates with Proof-of-Delivery for Internet of Things
大量物联网设备通过互联网连接。然而，这些物联网设备中的大多数通常在设计上并不完美，甚至存在安全弱点或漏洞。因此，必须安全地更新这些物联网设备，修补其漏洞并保护相关用户的安全。现有的研究基于作为传输网络的区块链网络提供安全可靠的更新。然而，这些方法可能会在更新物联网设备时损害用户隐私。在本文中，我们提出了一种新的基于区块链的隐私保护软件更新协议，该协议通过激励机制提供安全可靠的更新，并保护相关用户的隐私。供应商提供更新，并通过使用智能合约向物联网设备提供更新的传输节点提供财务激励来做出承诺。传输节点通过提供递送证明来获得经济激励。传输节点使用双重认证防止签名（DAPS）进行公平交换，以获得交付证明。具体地，发送节点通过使用DAPS从IoT设备交换基于属性的签名。然后，它使用基于属性的签名作为交付证明来接收财务激励。通常，IoT设备必须对基于属性的签名（ABS）执行复杂的计算。这对于资源有限的设备来说是不可容忍的。我们提出了一个具体的外包的基于属性的签名（OABS）方案来抵抗的弱点。然后，我们证明了建议的OABS和协议的安全性。最后，我们在Solidity中实现了智能合约，以证明所提出的协议的有效性。
2019-02-11 cs.CR
FedP3E: Privacy-Preserving Prototype Exchange for Non-IID IoT Malware Detection in Cross-Silo Federated Learning
针对IoT恶意软件检测中数据异构与隐私问题，提出联邦学习框架FedP3E，通过高斯混合模型构建类原型并加噪交换，结合SMOTE增强少数类，在不共享原始数据下有效缓解统计异构性。
2025-07-09 cs.AI cs.CR
A Fair Model of Identity Information Exchange Leveraging Zero-Knowledge
许多公司将身份信息用于不同的目标。有很多身份信息市场。这些市场有一些实际问题，如隐私，相互信任和公平交易。身份信息管理是区块链最重要的应用之一，研究人员已经提出了大量的模型。在本文中，试图解决前面提到的在区块链上交换身份信息的问题。利用博弈论的方法，提出了一个在包含不可信方的环境下，出售授权身份信息的公平模型。此外，我们使用ZK-SNARK来保护用户的隐私。另外，我们使用代理重新加密来记录这些信息在IPFS中。
2021-06-27 cs.CR cs.GT
Privacy-Preserving Generative Modeling and Clinical Validation of Longitudinal Health Records for Chronic Disease
Vironix Health Inc（Vironix健康公司）；University of Oxford（牛津大学）；University of Cambridge（剑桥大学）；Stanford University（斯坦福大学）；University of Southern California（南加州大学）
本文提出DP-TimeGAN模型，通过隐私保护生成模型处理纵向健康记录，提升慢性病诊断的隐私与效用平衡。
2025-11-29 cs.CR cs.LG stat.ML
Secure Exchange of Digital Goods in a Decentralized Data Marketplace
我们正在解决仅使用加密协议和公共区块链来保证诚实交易的真实私人信息交易问题。在这个项目中，我们考虑三种类型的代理-买家，卖家和公证人-在一个分散的隐私保护数据市场（dPDM），如Wibson数据市场进行交互。该框架为个人提供了基础设施和经济激励，以在保护个人隐私的同时安全地出售个人信息。在这里，我们提供了一个有效的加密原语的数据在dPDM中的安全交换，这发生在一个原子操作，其中数据买方获得访问数据和数据卖方同时获得报酬。
2019-07-29 cs.CR cs.CY
A Note on Privacy in Constant Function Market Makers
Uniswap、Balancer、Curve和mStable等常数函数做市商（CFBs）构成了以太坊和其他区块链上一些最大的去中心化交易所。因为在当前的实现中所有的交易都是公开的，自然的下一个问题是是否存在类似的保护隐私的去中心化交易所;即，如果交易的数量隐藏在公众视野之外，那么对手就不能从其他公共信息中正确地重建交易的数量。在这份说明中，我们表明，隐私是不可能的，在最合理的模型的对手，并提供了一些缓解策略下的CFcrime的通常实现。
2021-03-01 cs.CR math.AP math.OC
A Privacy-Preserving Solution for Proximity Tracing Avoiding Identifier Exchanging
数字接触者追踪是与其他措施相结合的一项有用行动，可在封锁后阶段管理传染病的流行扩散。这是一个非常及时的问题，由于COVID-19的大流行，我们不幸的生活。接触者追踪应用程序旨在检测用户的接近程度，并评估可能传染的相关风险。现有的方法利用蓝牙或GPS或其组合，即使流行的方法是基于蓝牙的，并且依赖于需要在用户的智能手机之间相互交换临时标识符的分散模型。不幸的是，在这种解决方案中存在许多安全和隐私问题，主要是由于标识符的交换，而基于GPS的解决方案（固有的集中式）可能会受到大规模监视的威胁。在本文中，我们提出了一个解决方案，利用GPS来检测接近度，蓝牙只是为了提高准确性，而不允许交换标识符。与相关的现有解决方案不同，没有采用复杂的加密机制，同时确保服务器不会了解任何关于用户位置的信息。
2020-05-20 cs.CR cs.CY
Differential Privacy for Stackelberg Games
本文提出了一种差分隐私（DP）机制，以保护信息交换过程中的协调顺序和相互依赖的市场。这种协调代表了一个经典的Stackelberg游戏，并依赖于系统代理之间的敏感信息的交换。本文的动机是观察到传统DP机制引入的扰动从根本上改变了基本的最优化问题，甚至导致不可满足的情况。为了弥补这种局限性，本文介绍了隐私保护Stackelberg机制（PPSM），一个框架，强制执行的概念的可行性和保真度的隐私保护信息的原始问题的目标。PPSM符合差分隐私的概念，并确保隐私保护协调机制的结果对每个代理都接近最优。基于真实案例研究的几个天然气和电力市场基准的实验结果证明了该方法的有效性。
2020-02-01 cs.CR cs.GT math.OC
SoniControl - A Mobile Ultrasonic Firewall
在近超声波频带中的移动设备之间的数据交换是近场通信（NFC）的一种新的有前途的技术，但也引起了许多隐私问题。我们提出了第一个超声波防火墙，可靠地检测超声波通信，并为用户提供有效的手段，以防止隐藏的数据交换。这个演示展示了一种新的基于媒体的通信技术（“音频数据”）及其相关的隐私问题。它使用户能够（i）交互式测试和体验超声波信息交换，以及（ii）展示如何保护自己免受不必要的跟踪。
2018-07-19 cs.CR cs.MM
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
PPSM: A Privacy-Preserving Stackelberg Mechanism: Privacy Guarantees for the Coordination of Sequential Electricity and Gas Markets
本文介绍了一种差别私有机制，以保护在协调电力和天然气系统的顺序市场出清过程中交换的信息。这些顺序和相互依赖的市场之间的协调代表了一个经典的Stackelberg游戏，并依赖于系统代理之间的敏感信息，包括在每个市场的供应和需求出价或系统的特性的交换。本文的动机是观察到传统的差分隐私机制是不适合的问题的兴趣：这些机制引入的扰动从根本上改变了底层的优化问题，甚至导致不可满足的情况。为了弥补这种局限性，本文介绍了隐私保护Stackelberg机制（PPSM），一个框架，强制执行的概念的一致性和保真度的隐私保护信息的原始问题的目标。PPSM具有很强的特性：它符合差分隐私的概念，并确保隐私保护协调机制的结果对每个代理都接近最优。通过对PPSM隐私成本的理论保证，分析了该方法的保真性，并通过实际案例对几个燃气和电力市场基准数据进行了实验，验证了该方法的有效性。
2019-11-22 cs.CR cs.SY eess.SY
SGDE: Secure Generative Data Exchange for Cross-Silo Federated Learning
Politecnico di Milano（米兰理工大学）
GDPR等隐私监管法律将透明度和安全性作为数据处理算法的设计支柱。在这种背景下，联邦学习是隐私保护分布式机器学习最有影响力的框架之一，在许多自然语言处理和计算机视觉任务中取得了惊人的成果。一些联邦学习框架采用差分隐私来防止私有数据泄露给未经授权的方和恶意攻击者。然而，许多研究强调了标准联邦学习在中毒和推断方面的脆弱性，从而引发了对敏感数据潜在风险的担忧。为了解决这个问题，我们提出了SGDE，一个生成的数据交换协议，提高用户的安全性和机器学习性能的跨筒仓联邦。SGDE的核心是共享具有强差分隐私保证的数据生成器，这些数据生成器是在私有数据上训练的，而不是传递显式的梯度信息。这些生成器合成任意大量的数据，这些数据保留了私有样本的独特特征，但差异很大。在这项工作中，SGDE在图像和表格数据集上的跨筒仓联邦网络中进行测试，利用beta-变分自编码器作为数据生成器。从结果来看，SGDE的加入提高了任务的准确性和公平性，以及对联邦学习最有影响力的攻击的弹性。
2022-09-07 cs.AI cs.CR cs.DC
WibsonTree: Efficiently Preserving Seller's Privacy in a Decentralized Data Marketplace
我们提出了一个加密原语称为WibsonTree，旨在保护用户的隐私，允许他们展示自己的个人属性上的谓词，而不透露这些属性的值。我们假设有三种类型的代理-买家，卖家和公证人-他们在分散的隐私保护数据市场（dPDM）中进行交互，如Wibson市场。我们介绍的WibsonTree协议作为一个有效的加密原语，使交换的私人信息，同时保护卖方的隐私。使用我们的原语，数据卖方可以有效地证明他/她属于买方数据请求的目标受众，而无需透露任何额外的信息。
2020-02-10 cs.CR cs.CY
Secure and Privacy-Preserving Consensus
共识是分布式系统的基础，因为它支撑着这些系统的关键功能，从分布式信息融合，决策，到分散控制。为了达成协议，现有的共识算法要求每个代理与其邻居交换显式的状态信息。这导致了私人国家信息的泄露，这在关注隐私的情况下是不可取的。在本文中，我们提出了一种新的方法，在没有聚合器或第三方的情况下，在分散的架构中实现安全和隐私保护的平均共识。通过利用部分同态密码学在成对交互动态中嵌入保密性，我们的方法可以以确定性的方式保证对确切值的共识，而不会向其邻居披露节点的状态。除了能够对旨在窃取状态信息的被动攻击者进行恢复之外，该方法还允许容易地结合防御机制来对抗试图改变交换消息内容的主动攻击者。此外，在现有的噪声注入为基础的隐私保护机制，必须重新配置整个网络的拓扑结构或节点数量变化时，我们的方法是适用于动态环境中随时间变化的耦合拓扑结构。这种安全和隐私保护的方法也适用于加权平均共识以及新更新规则下的最大/最小共识。该方法具有计算量小、通信量小的特点。实施细节和数值例子来证明我们的方法的能力。
2018-12-21 cs.CR math.OC
The Privacy Subsidy: Kyle's $λ$ under Noise-Perturbed Order-Flow Observation
The Open University of Japan（日本开放大学）
研究隐私保护交易所中，市场做市商观测到被高斯噪声扰动的订单流时的线性Kyle均衡，发现价格影响系数与知情交易者策略按隐私参数的倒数缩放，并推导出隐私补贴的闭式表达式。
2026-05-31 cs.CR cs.GT math.PR
Blockchain inspired secure and reliable data exchange architecture for cyber-physical healthcare system 4.0
针对医疗4.0数据安全挑战，提出区块链启发的以患者为中心的数据交换架构，集成多种技术，可抵御攻击并支持节点故障恢复。
2023-06-28 cs.CR cs.DC
Vision Through the Veil: Differential Privacy in Federated Learning for Medical Image Classification
Indian Institute of Technology Roorkee（印度理工学院鲁尔基分校）
本研究提出一种新颖的差分隐私联邦学习模型用于医学图像分类，证明通过策略性校准隐私预算，可在维持稳健分类性能的同时提供实质性隐私保护。
2023-06-30 cs.CR cs.LG
A Hitchhiker's Guide to Privacy-Preserving Digital Payment Systems: A Survey on Anonymity, Confidentiality, and Auditability
Bank of Italy（意大利银行）
本文综述了隐私保护数字支付系统，涵盖去中心化账本和CBDCs，提出隐私目标分类及对应密码学方法，并探讨隐私与可审计性之间的平衡挑战。
2026-04-01 cs.CR cs.DC
On the Privacy Guarantees of Gossip Protocols in General Networks
近年来，信息传播协议的隐私性保证问题引起了人们越来越多的研究兴趣，其中gossip协议在各种信息交换应用中具有重要的地位。本文从差分隐私和预测不确定性两个方面研究了一般网络中流言协议的隐私保证。首先，在一般网络中的同步和异步设置的差分隐私保证的下界推导出八卦协议。在统一先验条件下，确定了源节点的预测不确定性。对于隐私流言算法，推导了差分隐私和预测不确定性保证的封闭形式。此外，考虑到这两个度量在某些情况下可能是限制性的，提出了放松的变体。研究发现，在一般网络环境下，源匿名性与网络的一些关键结构参数密切相关。然后，我们研究了无线网络中不可靠通信的信息传播，并量化了差分隐私保证和信息传播效率之间的权衡。最后，考虑到攻击者可能在信息传播过程的开始阶段并不在场，研究了延迟监控的场景，并评估了相应的差分隐私保证。
2021-02-05 cs.CR cs.DC
Enhancing Privacy in Federated Learning through Quantum Teleportation Integration
本文提出将量子隐形传态集成到联邦学习中，利用量子纠缠和不可克隆定理安全交换模型参数与梯度，以缓解数据泄露和对抗攻击风险，并分析了量子网络基础设施限制及混合量子-经典协议需求，为分布式机器学习实现更高隐私保护提供新方向。
2024-12-30 cs.CR cs.CY cs.LG
PINFER: Privacy-Preserving Inference for Machine Learning
OneSpan
预计外包机器学习服务的作用将越来越大，这引发了人们对用户数据隐私的担忧。目前正在提出若干技术解决办法来解决这一问题。云数据中心中的硬件安全模块由于其复杂性而仅限于企业客户，而一般的多方计算技术需要大量的消息交换。本文提出了各种隐私保护回归和分类协议，这些协议（i）只需要添加同态加密算法，（ii）将交互限制为仅仅是请求和响应，以及（iii）可以直接用于重要的机器学习算法，如逻辑回归和SVM分类。然后，将基本协议扩展并应用于前馈神经网络。
2019-10-04 cs.AI cs.CR cs.LG
Fair and Decentralized Exchange of Digital Goods
我们构建了一个隐私保护，分布式和去中心化的市场，各方可以在其中交换令牌数据。在这个市场中，买家和卖家在区块链中进行交易，并与第三方（称为公证人）进行互动，公证人有能力保证数据的真实性和完整性。我们引入了一个数据令牌交换协议，其中任何一方都不会获得比它所支付的更多的信息，并且交换是公平的：要么双方都得到对方的物品，要么双方都没有。设置后不需要第三方参与，也不需要解决争议。
2020-02-22 cs.CR cs.CY cs.SI
Privacy Guarantees for Cloud-based State Estimation using Partially Homomorphic Encryption
状态估计算法的隐私方面已经引起了高度的研究关注，由于一个值得信赖的私人环境中的信息物理系统的必要性。这些系统通常使用云计算平台来汇总来自空间分布节点的基本信息，并产生所需的估计。在半诚实的各方之间交换敏感数据会引起隐私问题，特别是当各方之间存在联盟时。我们提出了两个隐私保护协议，使用卡尔曼滤波器和部分同态加密的测量和估计，同时暴露的协方差和其他模型参数。我们证明了所提出的协议实现了令人满意的计算隐私保证对各种联盟的基础上正式的密码定义的不可否认性。我们评估所提出的协议，以证明他们的效率，从一个真正的测试平台的数据。
2022-04-04 cs.CR cs.SY eess.SY
FedGraph-VASP: Privacy-Preserving Federated Graph Learning with Post-Quantum Security for Cross-Institutional Anti-Money Laundering
Dept. of Multidisciplinary Engineering, Texas A&M University（多学科工程系，德克萨斯A&M大学）；Dept. of Information Systems, King Abdulaziz University（信息系统系，国王阿卜杜勒阿齐兹大学）；Dept. of Computer Science & Cybersecurity, Metro State University（计算机科学与网络安全系，梅特罗州立大学）；Dept. of Engineering Technology & Industrial Distribution, Texas A&M University（工程技术与工业分布系，德克萨斯A&M大学）
FedGraph-VASP通过后量子安全的边界嵌入交换实现隐私保护的联邦图学习，有效提升跨机构反洗钱检测性能。
2026-01-25 cs.CR cs.LG cs.SI
