A Survey of Privacy Infrastructures and Their Vulnerabilities
在过去的二十年里，匿名网络及其相关技术的规模和复杂性呈指数级增长，因为隐私已成为个人的主要关注点。此外，一些网络攻击者利用包括僵尸网络和Tor在内的隐私基础设施进行非法活动，如毒品，违禁品或DDoS攻击。然而，匿名网络并不是完美的，有一些方法可以利用漏洞跟踪用户信息。在本文中，我们分析了一些隐私基础设施及其漏洞。
2018-12-15 cs.CR
Visual Content Privacy Protection: A Survey
视觉是人类最重要的感官，也是人类认知的主要方式之一。因此，人们倾向于利用视觉内容来捕捉和分享他们的生活经历，这极大地促进了信息的传递。同时，它也增加了侵犯隐私的风险，例如，图像或视频可以揭示不同种类的隐私敏感信息。研究人员一直在不断努力开发有针对性的隐私保护解决方案，有几项调查从某些角度进行了总结。然而，这些调查要么是问题驱动的，要么是特定的，要么是特定的技术，这使得他们很难从宏观上总结现有的解决方案。在这项调查中，提出了一个框架，包括各种问题和解决方案的视觉隐私，这使得从一个全面的层面上对隐私问题的宏观理解。它基于隐私关注有对应的敌手这一事实，将隐私保护分为基于计算机视觉（CV）敌手、基于人类视觉（HV）敌手和基于CV \HV敌手三类。对于每一个类别，我们分析了隐私保护的主要方法的特点，然后系统地审查代表性的解决方案。还讨论了视觉隐私保护面临的挑战和未来的发展方向。
2023-03-29 cs.CR
A Survey on Privacy-preserving Schemes for Smart Grid Communications
在本文中，我们提出了一个全面的调查智能电网通信的隐私保护计划。具体来说，我们选择并详细研究了30个隐私保护方案开发或应用在智能电网的背景下。基于通信和系统模型，我们将2013年至2016年期间发布的这些方案分为五类，包括1）具有先进计量基础设施的智能电网，2）数据聚合通信，3）智能电网营销架构，4）家庭网关的智能社区，以及5）车辆到电网架构。对于每一个方案，我们调查泄漏隐私的攻击，对策和博弈论的方法。此外，我们回顾了近年来发表的关于智能电网通信、应用、标准化和安全性的调查文章。最后，本文根据调查结果提出了进一步研究的建议。
2016-11-23 cs.CR
A Survey on Privacy Risks and Protection in Large Language Models
本文系统综述了大型语言模型面临的隐私泄露与攻击风险，梳理了推理检测、联邦学习等现有防护方法，并提出隐私风险评估与跨学科治理等未来方向。
2025-05-04 cs.CR
User's Privacy in Recommendation Systems Applying Online Social Network Data, A Survey and Taxonomy
推荐系统已经成为许多社交网络的组成部分，并且利用用户的知识显式地和隐式地从用户的个人和敏感数据中提取知识。这一趋势引发了重大的隐私问题，因为用户大多不知道使用了哪些数据、多少数据以及使用的安全性如何。在这种情况下，已经做了一些工作来解决在线社交网络数据和推荐系统中使用的隐私问题。本文综述了大规模在线社交网络和推荐系统中的主要隐私问题、度量方法和隐私保护技术。它是基于安全，隐私保护，统计建模和数据集的历史作品，提供了一个概述的技术难点和问题，在网上社交网络的隐私保护。
2018-06-20 cs.CR
Survey Paper on Rising Threats of Subverting Privacy Infrastructure
当今用户面临的主要挑战之一是保护他们的隐私，特别是在广泛的监视期间。这导致了隐私基础设施的发展，其主要目的是保证用户的隐私。然而，它们被攻击者滥用，他们认为它们是可利用的资源来执行非法活动。本文提出了分析和评估由于破坏隐私基础设施而发生的威胁。它首先概述了开发的关键隐私基础设施。概述了颠覆最重要的隐私基础设施Tor的威胁。此外，简要评估这些威胁的严重性进行了讨论，并建议进一步研究的范围，以减轻由于这些威胁的风险。
2016-12-17 cs.CR
Security, Privacy and Challenges in Microservices Architecture and Cloud Computing- Survey
处理器架构中的安全问题仍然非常关键，因为用户和设备继续共享计算和网络资源。因此，在这样的环境中保护数据隐私确实是一个关键问题。我们知道，需要解决的安全和隐私问题不断增加。在这里，我们选择了一个微服务架构，它是一个小型甚至是独立的微进程，通过Thrift、HTTP或REST API等轻量级技术进行交互、操作和响应消息。
2022-12-29 cs.CR
A Survey on Privacy-Preserving Computing in the Automotive Domain
该综述针对联网自动驾驶汽车的数据隐私保护挑战，梳理了安全多方计算（MPC）与同态加密（HE）在汽车多场景中的隐私敏感用例及相关研究，明确技术适用性并指出研究空白，为该新兴领域提供全面概述以推动后续研究。
2025-08-03 cs.CR
Survey on Privacy-Preserving Techniques for Data Publishing
收集、处理和共享的微数据呈指数级增长，引起了人们对个人隐私的担忧。因此，出现了控制组织如何处理微数据以及如何保护微数据的法律和法规。统计披露控制旨在通过取消识别来降低机密信息披露的风险。这种去身份化通过隐私保护技术来保证。然而，去识别数据通常会导致信息丢失，可能会影响数据分析精度和模型预测性能。主要目标是保护个人隐私，同时保持数据的可解释性，即其有用性。统计披露控制是一个正在扩大和需要探索的领域，因为仍然没有保证最佳隐私和效用的解决方案。这项调查的重点是去除身份进程的所有步骤。我们提出了现有的隐私保护技术中使用的微数据去识别，隐私措施适用于几种披露类型，信息丢失和预测性能的措施。在这次调查中，我们讨论了隐私限制所带来的主要挑战，描述了处理这些障碍的主要方法，回顾了隐私保护技术的分类，对现有的比较研究进行了理论分析，并提出了多个开放问题。
2022-01-20 cs.CR
Privacy-Preserving Aggregation in Federated Learning: A Survey
近年来，随着联邦学习（FL）算法的广泛应用和对个人数据隐私的日益关注，隐私保护联邦学习（PPFL）引起了学术界和工业界的极大关注。Practical PPFL通常允许多个参与者单独训练他们的机器学习模型，然后将其聚合以隐私保护方式构建全局模型。因此，隐私保护聚合（PPAgg）作为PPFL中的关键协议受到了广泛的研究兴趣。本调查旨在填补大量PPFL研究之间的空白，PPAgg被采用来提供隐私保证，而缺乏对FL系统中应用的PPAgg协议的全面调查。在这项调查中，我们审查PPAgg协议提出的FL系统中的隐私和安全问题。重点放在PPAgg协议的建设与这些选定的PPAgg协议和解决方案的优点和缺点进行了广泛的分析。此外，我们还讨论了支持PPAgg的开源FL框架。最后，我们强调了重要的挑战和未来的研究方向应用PPAgg FL系统和PPAgg与其他技术的结合，进一步提高安全性。
2022-07-13 cs.CR
Robust and Privacy-Preserving Collaborative Learning: A Comprehensive Survey
随着深度学习系统中对数据和计算资源的快速需求，越来越多的算法利用协作机器学习技术（例如，联邦学习）来跨多个参与者训练共享深度模型。它可以有效地利用每个参与者的资源，并获得一个更强大的学习系统。然而，在这样的系统中的完整性和隐私的威胁，极大地阻碍了合作学习的应用。针对不同的协同学习系统，在训练阶段如何保持模型的完整性和减少训练数据的隐私泄露，已经提出了大量的工作。与现有的研究主要集中在一个特定的协作学习系统相比，本调查旨在提供一个系统的和全面的审查安全和隐私的研究在协作学习。我们的调查首先提供了协作学习的系统概述，其次是完整性和隐私威胁的简要介绍。然后，我们详细介绍了现有的完整性和隐私攻击以及它们的防御。我们还列出了这方面的一些开放问题，并在GitHub上开源了相关论文：https://github.com/csl-cqu/awesome-secure-collebrative-learning-papers。
2021-12-19 cs.CR
Privacy in trajectory micro-data publishing : a survey
我们调查了关于轨迹微观数据隐私的文献，即，关于个人流动性的时空信息，由于新兴的信息和通信技术，收集这些信息变得越来越简单和频繁。我们审查的重点是隐私保护数据发布（PPDP），即，公布轨迹微观数据数据库，保护受监测个人的隐私。我们分类并介绍了针对轨迹微数据的攻击文献，以及迄今为止为保护数据库免受此类攻击而提出的解决方案。本文作为一个关键主题的介绍性阅读，在一个越来越意识到与数字服务相关的隐私风险的时代，并提供了对开放问题和未来研究方向的见解。
2020-05-13 cs.CR
Local Differential Privacy and Its Applications: A Comprehensive Survey
随着信息技术的快速发展，产生了大量的数据，并收集用于研究和分析目的。随着越来越多的用户越来越关注他们的个人信息，隐私保护已经成为一个迫切需要解决的问题，并引起了极大的关注。局部差分隐私（LDP）作为一种强隐私保护工具，近年来在现实世界中得到了广泛的应用。它打破了可信第三方的束缚，允许用户在本地扰动他们的数据，从而提供更强大的隐私保护。该调查提供了本地差分隐私技术的全面和结构化概述。我们总结和分析了LDP中最先进的研究，并在回答各种查询和训练不同机器学习模型的背景下比较了一系列方法。我们讨论了本地差分隐私的实际部署，并探讨其在各个领域的应用。此外，我们指出了一些研究的差距，并讨论了有前途的未来研究方向。
2020-08-09 cs.CR
Privacy-Preserving Data in IoT-based Cloud Systems: A Comprehensive Survey with AI Integration
本综述系统梳理物联网云系统中隐私保护技术，分类分析加密、匿名化、访问控制及AI融合方法，揭示动态匿名化、同态加密和AI驱动控制等趋势，为相关领域提供全面参考。
2024-01-01 cs.CR
From One Query to Many: A Critical Survey of Privacy Accounting in RAG
本综述针对RAG的隐私核算问题，将现有方法分为三类，提出三维度解释框架，指出ε需结合三个要素才具有效保障。
2026-10-26 cs.CR
A Survey on Privacy of Personal and Non-Personal Data in B5G/6G Networks
即将到来的超5G（B5 G）和6 G网络预计将提供增强的功能，例如超高数据率、密集连接和高可扩展性。它为人工智能（AI）和数十亿互联智能设备驱动的新一代服务提供了许多可能性。然而，随着这一预期的大规模升级，个人、组织和国家的隐私正在成为一个日益关注的问题。最近针对个人和非个人数据的隐私法律和法规的出台表明，全球对当前隐私领域的认识正在兴起。然而，在两种数据类型的情况下，需要确定许多差距。如果未被检测到，它们可能会导致严重的隐私泄露和攻击，影响数十亿使用B5 G/6 G的人和组织。本次调查是对B5 G/6 G中个人和非个人数据隐私的全面研究，旨在确定确保数据隐私的当前进展和未来方向。我们提供了两种数据类型的详细比较，以及一组B5 G/6 G的相关隐私目标。接下来，我们将介绍数据隐私问题以及可能的解决方案。本文还提供了在未来网络中保护个人和非个人数据隐私的未来方向。
2022-12-14 cs.CR
Privacy risk in GeoData: A survey
本综述针对位置数据广泛收集带来的隐私风险，分析了各类地理掩码隐私保护技术，提出多维度分类体系，指出现有技术不足并给出未来研究方向，为数据保管者选择适配的隐私机制提供参考。
2024-09-13 cs.CR
A Survey of Local Differential Privacy and Its Variants
本文综述了本地差分隐私（LDP）及其变体，探讨了其在解决智能设备数据隐私问题中的作用，并重点介绍了LDP的模型、变体及算法基础结构。
2023-09-12 cs.CR
The Long Road to Computational Location Privacy: A Survey
持续连接的智能手机和平板电脑的广泛采用开发了移动应用程序的使用，其中许多使用位置来提供地理定位服务。这些服务为用户提供了新的前景：早上获得工作方向，中午在餐馆登记入住，晚上查看第二天的天气，都可以从任何嵌入GPS芯片的移动终端上进行。在这些基于位置的应用程序中，用户的位置被发送到服务器，服务器使用它们来提供上下文和个性化的答案。然而，没有什么能阻止后者收集、分析并可能分享所收集的信息，这为许多隐私威胁打开了大门。事实上，移动数据可以揭示有关用户的敏感信息，其中包括一个人的家庭、工作地点甚至宗教和政治偏好。出于这个原因，许多隐私保护机制已经提出了这些最后几年，以提高位置隐私，同时使用地理定位服务。本文调查和组织在这方面的贡献，从经典的积木的隐私威胁和位置隐私保护机制的最新发展。我们将在线和离线用例之间的保护机制进行了划分，并根据其算法的性质将其分为六类。此外，本文调查的评估指标，用于评估保护机制的隐私，效用和性能。最后，开放的挑战和新的方向，以解决计算位置隐私的问题，指出和讨论。
2018-10-08 cs.CR
Security and Privacy on Generative Data in AIGC: A Survey
本综述首次从信息安全属性角度系统分析AIGC生成数据的安全与隐私问题，梳理了隐私、可控性、真实性和合规性方面的对策，并总结基准与未来方向。
2024-11-07 cs.CR
Private Graph Data Release: A Survey
近年来，图分析在各个领域的应用产生了巨大的社会和经济效益。然而，图形分析的日益广泛的采用伴随着保护图形数据中的私有信息的需求的相应增加，特别是考虑到真实世界的图形数据中的许多隐私泄露，这些数据本应保留敏感信息。本文提供了一个全面的调查私有图数据发布算法，寻求实现隐私和实用性之间的良好平衡，特别关注可证明的私有机制。这些机制中的许多是差分隐私框架到图形数据的自然扩展，但我们也研究了更一般的隐私公式，如河豚隐私，解决了差分隐私的一些限制。我们还对私有图数据发布机制在社交网络、金融、供应链和医疗保健中的应用进行了广泛的调查。这份调查报告及其提供的分类法应该使越来越重要的私人分析和数据发布领域的从业者和研究人员受益。
2022-06-04 cs.CR
Internet of Things: Survey on Security and Privacy
物联网（IoT）旨在用于不同实体或“事物”之间的无处不在的连接。虽然其目的是提供有效和高效的解决方案，但设备和网络的安全性是一个具有挑战性的问题。连接的设备数量以及系统的ad-hoc性质进一步加剧了这种情况。因此，安全和隐私已成为物联网面临的重大挑战。在本文中，我们旨在提供与物联网的隐私和安全挑战相关的全面调查。本文档从所使用的技术和架构的角度解决了这些挑战。这项工作还侧重于物联网固有的漏洞以及基于数据机密性，完整性和可用性的安全原则的各个层的安全挑战。该调查分析了当时为物联网发表的文章，并将其与该领域的安全危机及其对未来的预测联系起来。
2017-07-10 cs.CR
A Comprehensive Survey on Local Differential Privacy Toward Data Statistics and Analysis
收集和分析从智能设备生成的大量数据在人群感知中变得越来越普遍，这是数据驱动决策的基石。但是，对这些数据进行广泛的统计和分析将严重威胁参与用户的隐私。局部差分隐私（LDP）是一种优秀的分布式隐私模型，能够在数据收集和分析过程中为每个用户提供强隐私保护。LDP确保每个用户的数据首先在客户端进行本地扰动，然后发送到服务器端，从而保护数据免受客户端和服务器端的隐私泄露。该调查全面系统地概述了LDP的隐私模型、研究任务、启用机制和各种应用程序。具体而言，我们首先提供了一个理论总结LDP，包括LDP模型，LDP的变种，LDP算法的基本框架。然后，我们从频率估计、均值估计和机器学习的角度研究和比较了用于各种数据统计和分析任务的不同LDP机制。此外，我们还总结了实际的基于LDP的应用场景。最后，我们概述了LDP下的几个未来研究方向。
2021-01-28 cs.CR
Privacy in Targeted Advertising: A Survey
定向广告已经改变了各种企业的营销格局，为广告商创造了新的机会，通过使用许多中介实体和技术的基础设施提供个性化广告来接触潜在客户。广告和分析公司收集、汇总、处理和交易大量用户的个人数据，这引发了个人和组织的严重隐私问题。本文详细介绍了移动环境中相关的隐私风险和建议的解决方案。我们概述了广告平台和广告/分析网络之间的信息流、分析流程、广告来源和标准、基于用户兴趣和分析背景的定向广告的测量分析以及应用内和浏览器内定向广告的广告投放流程的详细信息;我们还概述了数据共享和跟踪技术。我们讨论了保护用户隐私的挑战，包括与私人信息抽取和各种广告实体之间的交换，第三方跟踪，重新识别私人信息和相关的隐私风险的隐私威胁。随后，我们提出了各种技术保护用户隐私和全面分析的建议，基于这些技术，我们比较的基础架构，隐私机制和部署方案的建议。最后，我们讨论了潜在的研究挑战和开放的研究问题。
2021-06-20 cs.CR
The Emerged Security and Privacy of LLM Agent: A Survey with Case Studies
本综述全面概述了LLM agent面临的新涌现的安全与隐私问题，通过分类分析威胁、评估影响、回顾防御策略并结合案例研究，旨在激发未来研究以提升其可靠性与可信度。
2025-11-02 cs.CR
Differential Privacy in Cognitive Radio Networks: A Comprehensive Survey
背景/简介：将认知无线电（CR）与传统无线网络相结合，有助于以有效的方式解决频谱稀缺问题。CR的机会性和动态频谱接入特征向其未授权用户提供了在需要时利用未充分利用的频谱的功能，因为CR节点可以感测频谱的空闲频带并且还可以接入它们以执行通信。CR节点的各种能力取决于彼此之间以及集中式基站之间的数据的有效且连续的报告，这反过来可能导致隐私泄露。实验研究表明，CR用户的隐私在认知周期中很容易受到损害，因为他们有意或无意地共享各种个人身份信息（PII），例如位置、设备ID、信号状态等。为了保护这种隐私泄露，研究人员开发了各种隐私保护策略，并且根据我们，差分隐私是其中最重要的。
2021-12-11 cs.CR
On Protecting the Data Privacy of Large Language Models (LLMs): A Survey
本文综述了大型语言模型面临的数据隐私威胁（被动泄露与主动攻击），评估了各阶段隐私保护机制的有效性与局限，并展望了未来研究方向。
2024-03-14 cs.CR
A Survey on Privacy of Health Data Lifecycle: A Taxonomy, Review, and Future Directions
该综述梳理健康数据生命周期的10类隐私问题，按阶段适配性分类现有隐私保护方法，提出医疗隐私保护技术分类体系，指出密码技术应用广泛但需适配医疗特殊需求，并给出未来研究方向。
2023-11-09 cs.CR
A World Full of Privacy and Security (Mis)conceptions? Findings of a Representative Survey in 12 Countries
该研究通过12国12,351人的大规模在线调查，考察八大安全与隐私主题错误观念的影响因素，发现居住国影响最强且存在区域差异。
2022-12-22 cs.CR
Smart Car Privacy: Survey of Attacks and Privacy Issues
本文综述了智能汽车网络架构、安全演进及VANETs中的攻击与隐私问题，并分类了防御机制，强调安全与隐私在车联网中的重要性。
2025-08-05 cs.CR
A Survey on Security and Privacy Issues of UAVs
在21世纪，无人机行业，也被称为无人机（UAV），随着其大量的空域用户而迅速增长。该技术在人质救援和包裹递送等民用应用中的巨大好处将在未来整合智能城市。如今，商用无人机的可负担性大规模扩大了其使用范围。然而，由于缺乏有效的安全实现，无人机技术的发展与漏洞和威胁有关。此外，无人机在软件和硬件方面的复杂性引发了潜在的安全和隐私问题。因此，对工业界、学术界和政府提出了重大挑战。在本文中，我们广泛调查无人机的安全和隐私问题，提供了一个系统的分类在四个层次：硬件级，软件级，通信级，传感器级。特别是，对于每个级别，我们彻底调查（1）影响无人机的潜在恶意攻击的常见漏洞，（2）危及无人机民用应用的现有威胁，（3）对手为危及无人机的安全和隐私而进行的主动和被动攻击，（4）保护无人机免受此类恶意活动的可能对策和缓解技术。此外，我们总结了关于无人机安全和隐私问题的经验教训。最后，我们总结了我们的调查，提出了关键的陷阱，并提出了有前途的未来研究方向的无人机的安全和隐私。
2021-10-05 cs.CR
A Survey on Machine Unlearning: Techniques and New Emerged Privacy Risks
本文系统综述了机器遗忘技术，重点分析其在定义、实现和应用中的隐私脆弱性，并探讨最新恶意攻击带来的新隐私威胁。
2024-06-10 cs.CR
Fairness and Privacy-Preserving in Federated Learning: A Survey
本文综述联邦学习中的隐私保护与公平性问题，梳理隐私机制、公平概念及兼顾二者的有限研究，并指出未来方向。
2023-07-14 cs.CR
A Survey of Security and Privacy Issues in V2X Communication Systems
随着多个试点项目探索其能力和可行性，车联网（V2X）通信正受到工业界和学术界越来越多的关注。由于全球约50%的道路车辆出口来自欧盟（EU），并且在欧盟有关安全和数据保护的立法背景下，V2X计划必须考虑整个系统堆栈的安全和隐私方面，以及道路安全。与这一原则相反，我们对相关标准、研究成果和欧盟试点项目的调查表明，情况并非如此;我们发现了多个与安全和隐私相关的缺陷和标准之间的不一致之处。我们对与这些漏洞相关的原因和困难进行根本原因分析，并对与这些根本原因相关的已识别的安全和隐私问题进行分类。因此，我们的全面分析揭示了一些需要改进标准的领域，这些领域在相关工作中没有明确确定。我们的分析填补了其他相关调查留下的空白，这些调查侧重于特定的技术领域，但不一定指出标准规范中的根本问题。我们提出建议，以解决这些差距，全面改善车辆通信的安全和保障。
2022-08-31 cs.CR
A Game-Theoretic Taxonomy and Survey of Defensive Deception for Cybersecurity and Privacy
对数据库和关键基础设施的网络攻击威胁到公共和私营部门。无处不在的跟踪和可穿戴计算侵犯了隐私。倡导者和工程师最近提出使用防御性欺骗作为一种手段，利用攻击者通常享有的信息不对称作为防御者的工具。然而，欺骗一词的使用范围很广，含义也多种多样。在本文中，我们调查了2008-2018年的24篇文章，这些文章使用博弈论来模拟网络安全和隐私的防御性欺骗。然后，我们提出了一个分类法，定义了六种类型的欺骗：扰动，移动目标防御，混淆，混合，蜂蜜-X和攻击者的参与。这些类型由它们的信息结构、代理人、行动和持续时间来描述：这些正是博弈论所捕捉的概念。我们的目标是严格定义类型的防御性欺骗，捕捉快照的文献状态，提供一个菜单的模型，可用于应用研究，并确定有前途的领域，为未来的工作。我们的分类法为理解网络安全和隐私中常见的不同类型的防御性欺骗提供了系统的基础。
2019-05-22 cs.CR
Privacy Preservation Techniques (PPTs) in IoT Systems: A Scoping Review and Future Directions
School of Information Technology, Carleton University（卡尔顿大学信息技术学院）
本文通过综述物联网系统中隐私保护技术的发展，探讨其隐私目标、技术整合及未来研究方向。
2026-02-09 cs.CR
Unique Security and Privacy Threats of Large Language Models: A Comprehensive Survey
本文系统综述了大型语言模型在预训练、微调、部署和智能体四个场景中面临的独特隐私与安全威胁，并分析了相应的防御对策，为后续攻防研究提供方向。
2025-09-18 cs.CR
A Survey of RFID Authentication Protocols Based on Hash-Chain Method
安全和隐私是RFID通信中固有的问题。已经提出了几种协议来克服这些问题。散列链通常被用于协议中，以提高RFID认证的安全性和隐私性。虽然这些协议能够为RFID安全和隐私问题提供特定的解决方案，但它们未能提供集成的解决方案。本文是一个调查，密切观察这些协议的重点和局限性。
2010-08-14 cs.CR
A Survey on Security and Privacy Issues of Bitcoin
比特币是一种流行的加密货币，它将所有交易记录在一个名为区块链的分布式公共账本中。比特币的安全性在很大程度上依赖于基于分布式共识协议的激励兼容工作量证明（PoW），该协议由称为矿工的网络节点运行。作为激励的交换，矿工们应该诚实地使用区块链。自2009年推出以来，比特币经济以惊人的速度增长，现在价值约1700亿美元。比特币市场价值的指数级增长促使对手利用其弱点来获利，研究人员发现系统中的新漏洞，提出对策并预测即将到来的趋势。在本文中，我们提出了一个系统的调查，涵盖了比特币的安全和隐私方面。我们首先介绍比特币协议及其主要组件的概述，以及它们在系统中的功能和交互。我们回顾了比特币及其底层主要技术（如区块链和基于PoW的共识协议）中现有的漏洞。这些漏洞导致各种安全威胁的执行，以比特币的正常功能。然后，我们讨论了国家的最先进的安全解决方案的可行性和鲁棒性。此外，我们提出了当前比特币的隐私和匿名考虑，并讨论了与隐私相关的威胁比特币用户随着现有的隐私保护解决方案的分析。最后，我们总结了关键的开放性挑战，并提出了未来研究的方向，为比特币提供严格的安全和隐私技术。
2017-12-25 cs.CR
From 5G to 6G: A Survey on Security, Privacy, and Standardization Pathways
本文综述6G协议的安全与隐私问题，分析IoT、边缘计算和AI集成带来的风险，考察评估框架并提出定制化缓解策略与标准化路径。
2024-10-04 cs.CR
A Survey on Metaverse: Fundamentals, Security, and Privacy
Metaverse作为下一代互联网的一种发展模式，旨在为人类建立一个完全沉浸式的，超时空的，自我维持的虚拟共享空间，供人们玩耍，工作和社交。在延展实境、人工智能和区块链等新兴技术的最新进展的推动下，虚拟实境正在从科幻小说走向即将到来的现实。然而，metaverse的严重隐私入侵和安全漏洞（继承自底层技术或出现在新的数字生态中）可能会阻碍其广泛部署。与此同时，一系列基本挑战（例如，可伸缩性和互操作性）可能由于虚拟实境的固有特性（例如，沉浸式现实性、超时空性、可持续性和异质性）而出现在虚拟实境安全性供应中。在本文中，我们提出了一个全面的调查的基本面，安全性和隐私的metaverse。具体来说，我们首先研究了一种新的分布式元宇宙架构及其三重世界交互的关键特征。然后，我们讨论了安全和隐私的威胁，提出了关键的挑战，metaverse系统，并审查了国家的最先进的对策。最后，我们为构建未来的虚拟实境系统绘制了开放的研究方向。
2022-09-09 cs.CR
Privacy Preserving Web Query Log Publishing: A Survey on Anonymization Techniques
发布包含有研究或营销价值信息的Web查询日志可能会侵犯搜索引擎用户的隐私。因此，渲染查询日志，以限制查询链接到个人，同时保留数据的有用性进行分析，是一个重要的研究问题。本文对这一领域的最新研究进行了综述和讨论。
2012-11-10 cs.CR cs.DB
Security and Privacy in Virtual Reality: A Literature Survey
本文综述了虚拟现实（VR）领域的隐私与安全问题，分类并分析了潜在威胁及其因果，重点探讨了VR认证研究，并概述了VR在网络安全教育和安全方案可用性评估等方面的应用。
2024-12-23 cs.CR
Image Privacy Protection: A Survey
本文基于隐私保护目标对图像隐私保护方法进行系统综述，定义隐私敏感域并构建涵盖数据级、内容级和特征级三个层级的综合框架，分析了各类别的主要方法、代表性方案及未来挑战。
2024-12-05 cs.CR
A Survey on Limitation, Security and Privacy Issues on Additive Manufacturing
增材制造（AM）的发展速度之快超出了任何人的想象，它现在已经是一个价值数十亿美元的产业。增材制造在汽车、航空航天、生物医学和制药等各个领域都很流行，用于生产零件/组件/子系统。然而，当前的AM技术可能面临安全问题和隐私丢失的巨大风险。针对增材制造过程的安全问题，许多研究人员都在研究防御机制，以应对这些安全问题，并寻找有效的方法来消除这些风险。研究人员还一直在进行实验，为用户的隐私和安全组件建立一个安全框架。这项调查包括四个部分。在第一部分中，我们将探讨增材制造在打印能力、安全性和可能的解决方案方面的相关限制。第二部分将介绍对AM的不同类型的攻击及其影响。下一部分将分析和讨论AM设备的访问控制和认证机制和框架。最后一节审查了各个工业部门的安全问题，并提供了对增材制造过程安全性的观察。
2021-03-11 cs.CR
Security and Privacy in Big Data Sharing: State-of-the-Art and Research Directions
大数据共享（Big Data Sharing，BDS）是指数据所有者共享数据，使用户能够根据协议查找、访问和使用数据的行为。近年来，由于其广泛的应用，例如大数据交易和跨域数据分析，BDS已经成为一个新兴的话题。然而，由于BDS平台涉及多方，因此出现了安全和隐私侵犯问题。已经有许多解决方案用于在不同的大数据操作中增强安全性和保护隐私（例如，数据操作、数据检索、数据共享和数据外包）。据我们所知，目前还没有专门针对这些安全和隐私解决方案的广泛和系统性发展的调查。在这项研究中，我们对为解决BDS中的安全和隐私问题而引入的最先进的解决方案进行了全面调查。为了更好地理解，我们首先介绍了BDS的一般模型，并确定了安全和隐私要求。我们根据确定的要求讨论和分类最先进的BDS安全和隐私解决方案。最后，基于所获得的见解，我们提出并讨论了新的有前途的研究方向。
2022-10-17 cs.CR
Privacy-Preserving Generative Models: A Comprehensive Survey
De Montfort University（德蒙福特大学）；University of Basel（巴塞尔大学）
本文通过分析100篇文献，系统综述了隐私保护生成模型，提出GANs和VAEs的隐私与效用指标新分类体系，并指出当前挑战与未来研究方向。
2025-02-05 cs.CR cs.LG
A survey on Blockchain-based applications for reforming data protection, privacy and security
在过去的几年里，许多尖端技术显著地改变了现代社会、经济和工业，还有更多的技术正在开发和早期实施中，这反过来又会导致更广泛的采用和更大的改变。区块链技术以及其他新兴技术预计将在某些领域改变全球商业和个人生活方式的几乎所有方面。它一直在传播，从金融服务到医疗保健，供应链和网络安全的多部门应用程序与日俱增。同时，在数字世界中，数据保护和隐私是客户，公司和政策制定者也认真考虑的最大问题，因为最近报告的事件中安全漏洞和监视的增加。在这种情况下，区块链有能力和潜力彻底改变在线世界中个人数据的信任，安全和隐私。因此，本文的目的是研究区块链应用于隐私和安全领域改革的实际案例，讨论其影响以及机遇和挑战。
2020-09-01 cs.CR
A Survey on Security and Privacy Issues in Modern Healthcare Systems: Attacks and Defenses
计算系统和无线通信的最新进展使医疗保健系统比以前更有效。现代医疗设备可以自动监测和管理患者的不同健康状况，而无需医疗专业人员的任何手动干预。此外，医疗系统中植入式医疗设备（IMD）、体域网（BAN）和物联网（IoT）技术的使用改善了整体患者监测和治疗过程。然而，这些系统在软件和硬件方面都很复杂，并且在安全、隐私和治疗之间进行优化对于医疗保健系统至关重要，因为任何安全或隐私侵犯都可能对患者的治疗和整体健康状况产生严重影响。事实上，由于医疗设备和应用程序中存在许多设计缺陷以及缺乏适当的安全措施，医疗保健领域正面临越来越多的安全挑战和威胁。在本文中，我们探讨了医疗保健系统的各种安全和隐私威胁，并讨论了这些威胁的后果。我们对不同的潜在攻击进行了详细的调查，并讨论了它们的影响。此外，我们审查了现有的安全措施，提出了医疗保健系统，并讨论其局限性。最后，我们总结了未来的研究方向，以确保医疗保健系统对常见的漏洞。
2020-05-15 cs.CR
Advancing Differential Privacy: Where We Are Now and Future Directions for Real-World Deployment
本文基于2022年跨领域DP研讨会成果，综述差分隐私领域现有实践与前沿方法，梳理落地挑战与研究方向，覆盖基础设施、隐私效用权衡等多方面内容，为隐私相关算法与设计决策提供参考。
2024-03-12 cs.CR
Privacy-preserving Machine Learning in Internet of Vehicle Applications: Fundamentals, Recent Advances, and Future Direction
School of Computing, Queen’s University（女王大学计算学院）
针对车联网（IoV）应用中机器学习（ML）面临的隐私挑战，本研究全面综述了隐私保护机器学习（PPML）在IoV中的基础、最新进展与挑战，分析应用领域隐私问题，讨论技术性能并提出未来方向。
2026-10-20 cs.CR
Advances in Differential Privacy and Differentially Private Machine Learning
本文综述差分隐私理论、Renyi DP与Concentrated DP等新变体、新机制及其在隐私保护机器学习中的理论进展与实际部署。
2024-04-06 cs.CR
Security and Privacy in the Emerging Cyber-Physical World: A Survey
随着低成本智能物联网设备的出现，网络物理安全领域变得越来越重要。过去的研究已经证明了针对网络和物理域之间的过渡过程的新威胁向量，其中攻击者利用传感系统作为信号注入或提取私人信息的攻击表面。最近，已经有人试图描述信号注入的抽象模型，但他们主要关注信号处理的路径。本文旨在系统化现有的研究所产生的安全和隐私问题的网络世界和物理世界的相互作用，广泛的CPS应用的背景下。系统化的主要目标是（1）揭示攻击模式并提取现有工作的一般攻击模型，（2）了解可能的新攻击，以及（3）激励针对新兴网络物理威胁的防御措施的发展。
2021-05-27 cs.CR
Systematic Survey on Privacy-Preserving Architectures for IoT and Vehicular Data Sharing: Techniques, Challenges, and Future Directions
Ho Chi Minh City University of Technology (HCMUT)（胡志明市理工大学）；Vietnam National University Ho Chi Minh City（越南国立大学胡志明市）；FPT University（FPT大学）；RMIT University（皇家墨尔本理工大学）；Ton Duc Thang University（顿特堂大学）
本文系统分析了75篇关于物联网和车联网数据共享中隐私保护架构的论文，揭示了隐私-效率-信任三重困境，并指出混合架构是未来发展方向。
2026-03-04 cs.CR
