Data hiding in Fingerprint Minutiae Template for Privacy Protection
针对目前指纹识别系统中最常用的指纹特征点模板，提出了一种新的数据隐藏方案。为了保持指纹识别的准确性和数据隐藏的不可检测性，人们提出了各种数据嵌入策略。在基于位替换的数据嵌入中，我们用待隐藏的数据替换原始细节点模板中每个元素的最后几位。该策略可以进一步改进，使用优化的基于比特替换的数据嵌入，这能够最小化数据隐藏对指纹识别性能的影响。第三种策略是一种保序机制，用于降低数据隐藏的可检测性。通过使用这样的机制，攻击者将难以区分具有隐藏数据的细节点模板与原始细节点模板。实验结果表明，所提出的数据隐藏方案对常见的个人数据具有足够的隐藏容量，数据隐藏后指纹识别的准确率可以接受。
2017-10-02 cs.CR
Blind-Touch: Homomorphic Encryption-Based Distributed Neural Network Inference for Privacy-Preserving Fingerprint Authentication
本文提出Blind-Touch系统，通过同态加密和分布式神经网络推理实现隐私保护指纹认证，在保持高准确率的同时显著提升云端处理效率。
2024-04-01 cs.CR
Near-Optimal Fingerprinting with Constraints
最近的几项研究表明，人们表现出很大的行为独特性。这对隐私有着严重的影响，因为大多数人在大型数据集中变得越来越可重新识别，或者在他们浏览网页时只使用他们的几个属性（称为指纹）就可以被跟踪。通常，这些攻击的成功取决于对关于个体的可学习属性的数量的明确约束，即，他们指纹的大小。这些限制可以是预算以及数据持有者施加的技术限制。例如，Apple限制iOS上另一个应用程序可以调用的应用程序数量，以减轻泄露设备上已安装应用程序列表的潜在隐私威胁。在这项工作中，我们解决了识别属性的问题（例如，智能手机应用），其可以用作给定对指纹大小的约束的用户的指纹。我们给出了一般最好的指纹算法，并在几个真实世界的数据集上评估了它们的有效性。我们的研究结果表明，在许多实际情况下，目前的隐私卫士限制可以查询的个人属性的数量不足以减轻其潜在的隐私风险。
2016-06-03 cs.CR
Privacy-Preserving Database Fingerprinting
当与其他方共享敏感的关系数据库时，数据库所有者旨在（i）具有对数据库条目的隐私保证，（ii）在接收者未经授权共享其数据库的情况下具有责任保证（通过指纹识别），以及（iii）向接收者提供高质量（实用）数据库。我们观察到，共享一个关系数据库的隐私和责任保证是正交的目标。前者可以通过向数据库中注入噪声来防止对原始数据值的推断来实现，而后者可以通过在数据库中隐藏唯一标记来跟踪未经授权重新分发数据的恶意方（数据接收方）来实现。我们同时实现这两个目标，提出了一种新的入门级差异私有指纹机制的关系数据库。在一个高层次上，所提出的机制满足隐私和责任的要求，利用随机化的性质，是固有的指纹，并实现所需的入门级隐私保证。更具体地说，我们设计了一个比特级的随机响应方案，以实现差分隐私保证任意数据录入时，共享整个数据库，然后，在此基础上，我们开发了一个$ε$ -入口级差分隐私指纹机制。接下来，我们从理论上分析了隐私保障，指纹鲁棒性和数据库效用之间的关系，推导出封闭形式的表达式。该分析的结果使我们能够约束属性推断攻击所造成的隐私泄漏，并描述了隐私-效用耦合和隐私-指纹鲁棒性耦合。此外，我们还提出了一个基于SVT的解决方案，以控制累积的隐私损失时，数据库的指纹副本与多个收件人共享。
2022-03-06 cs.CR cs.DB
Collusion-Resilient Probabilistic Fingerprinting Scheme for Correlated Data
为了获得个性化的服务，个人与各种服务提供商共享他们的个人数据，希望他们的数据将保持机密。因此，在这些服务提供商未经授权分发其个人数据的情况下（或在数据泄露的情况下），数据所有者希望确定此类数据泄露的来源。已经开发了数字指纹方案，以将隐藏的和唯一的指纹嵌入到共享的数字内容（特别是多媒体）中，以提供这种责任担保。然而，现有技术利用内容中的高冗余，其通常不包括在个人数据中。在这项工作中，我们提出了一个概率指纹识别方案，有效地生成指纹，考虑指纹识别概率（保持数据效用高）和公知的数据点之间的固有相关性。为了提高该方案对恶意服务提供商合谋的鲁棒性，我们还利用Boneh-Shaw指纹码作为该方案的一部分。此外，观察隐私保护的数据共享技术（添加受控噪声的共享数据）和建议的指纹方案之间的相似性，我们第一次尝试开发一个数据共享计划，同时提供隐私和指纹的鲁棒性。我们的实验表明，指纹的鲁棒性和隐私有冲突的目标，我们提出了一种混合的方法来控制这样的权衡与设计参数。使用所提出的混合方法，我们表明，个人可以提高他们的隐私水平略有妥协的指纹鲁棒性。我们实施和评估所提出的计划在真实的基因组数据的性能。我们的实验结果表明，该计划的效率和鲁棒性。
2020-01-27 cs.CR
You get PADDING, everybody gets PADDING! You get privacy? Evaluating practical QUIC website fingerprinting protections for the masses
网站指纹（WF）是一个众所周知的威胁用户的网络隐私。新的互联网标准，如QUIC，包括填充以支持对WF的防御。以前的工作只分析了用户在VPN后面时防御的有效性。然而，这并不是大多数用户浏览互联网的方式。在本文中，我们提供了一个全面的评估QUIC填充为基础的防御WF当用户直接浏览网页。我们证实了以前的说法，网络层填充不能提供良好的保护，对强大的对手能够观察到所有的流量痕迹。我们进一步证明，这种填充是无效的，即使对对手的流量可见性和处理能力的限制。在应用程序层，我们表明，防御需要部署的第一和第三方，他们只能在有限的情况下阻止流量分析。我们确定部署有效WF防御的挑战，并提供解决这些挑战的建议。
2022-12-15 cs.CR
Fingerprinting and Tracing Shadows: The Development and Impact of Browser Fingerprinting on Digital Privacy
IU International University of Applied Science（IU应用科学大学）
本文综述了浏览器指纹识别技术的发展，分析了其数据熵与唯一性，并指出该技术在用户不知情或未同意的情况下追踪用户，对数字隐私构成复杂挑战。
2024-11-18 cs.AI cs.CR cs.CY
A Study of Feasibility and Diversity of Web Audio Fingerprints
不幸的是，之前关于浏览器指纹识别的测量研究在很大程度上排除了基于Web音频API的指纹识别。我们通过对网络音频指纹识别机制的有效性进行首次系统研究来解决这个问题。本文重点研究了网络音频指纹的可行性和多样性。除了3个已知的音频指纹向量外，我们还设计并实现了4个新的音频指纹向量，它们通过获得不同方法生成的波形的FFT来工作。我们的研究分析了来自2093个网络用户的音频指纹，并对网络音频指纹的性质提出了新的见解。首先，我们表明，音频指纹向量，不像其他先前的向量，揭示了一个明显的善变与一些用户的浏览器给出了不同的指纹在重复的尝试。然而，我们表明，它是可以设计一个基于图形的分析机制，共同考虑所有不同的指纹的用户，从而制定一个稳定的指纹识别机制。我们的分析还表明，及时这样做是可能的。接下来，我们研究音频指纹的多样性，并将其与现有技术进行比较。我们的研究结果表明，音频指纹的多样性远远低于其他向量，在2093个用户中只有95个不同的指纹。与此同时，进一步的分析表明，网络音频指纹可以潜在地带来相当大的附加值（在熵方面），现有的指纹机制。我们还表明，我们的研究结果与W3C提供的关于音频指纹的当前安全和隐私建议相矛盾。总的来说，我们的系统研究使浏览器开发人员能够衡量音频指纹所带来的隐私侵犯程度，从而帮助他们在未来设计隐私保护功能时采取更明智的立场。
2021-07-29 cs.CR
Collusion-resistant and privacy-preserving P2P multimedia distribution based on recombined fingerprinting
在P2P系统中，匿名指纹被认为是提高版权多媒体内容合法分发的匿名指纹效率的一种方便方法。重组的想法是受生物DNA序列的交配、重组和遗传原理的启发，但适用于二进制序列，如遗传算法。然而，现有的基于重组的指纹识别系统并没有提供一个方便的解决方案的共谋抵抗，因为它们需要双层指纹识别代码，使这种系统的实际实施具有挑战性的任务。事实上，抗共谋被认为是指纹识别方案的最相关的要求，并且缺乏对该问题的任何可接受的解决方案将可能阻止内容商家部署重组方法的任何实际实现。在本文中，通过引入两项重要的改进来克服这一缺点，为基于重组的系统的未来实际应用铺平了道路。首先，Nuida等人的抗共谋码首次以分段方式使用。其次，一个新版本的叛逆者追踪算法提出了加密域，也是第一次，使之有可能为买家提供安全的框架。此外，所提出的方法避免了使用公钥密码学的多媒体内容和昂贵的密码协议，导致优良的性能方面的计算和通信负担。本文还分析了所提出的系统的安全性和隐私特性的正式和非正式的，而合谋的抵抗和该方法的性能通过实验和模拟。
2017-03-03 cs.CR
The First Early Evidence of the Use of Browser Fingerprinting for Online Tracking
本文提出FPTrace框架，通过模拟交互、捕获广告竞价与监控HTTP流量，首次提供浏览器指纹被广泛用于广告追踪、定向并绕过GDPR/CCPA退出机制的实证证据。
2025-02-19 cs.CR
Uncovering Relationships between Android Developers, User Privacy, and Developer Willingness to Reduce Fingerprinting Risks
Google（谷歌）
研究通过调查246名Android开发者，探讨平台隐私保护措施对开发者意愿的影响，发现开发者普遍支持隐私保护措施，但更倾向于可选实施，且指纹使用开发者更支持该措施。
2026-03-30 cs.CR cs.HC
Understanding the Privacy-Preserving Potential of HTTP/2 Against Webpage Fingerprinting
CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心）
本研究聚焦HTTP/2的应用层防御，利用其特性模拟多种防御，通过统一蓝图评估其隐私-开销权衡，挖掘其抵御网页指纹识别的隐私保护潜力。
2026-09-07 cs.CR
Fingerprinting Smart Devices Through Embedded Acoustic Components
智能设备的广泛使用引起了安全和隐私方面的担忧。指纹识别智能设备可以帮助验证物理设备，但它也可能通过允许在用户不知情的情况下进行远程识别而危及隐私。我们提出了一种新的指纹识别方法，使用智能手机的麦克风和扬声器来唯一地识别单个设备。在制造过程中，设备麦克风和扬声器中会出现细微的缺陷，这会导致产生和接收的声音出现异常。我们利用这一观察结果，通过回放和记录音频样本来识别智能设备。我们使用音频度量工具来分析和探索不同的声学特征，并分析它们成功识别智能设备的能力。我们的实验表明，甚至可以对具有相同供应商和型号的设备进行指纹识别;我们能够准确区分来自同一型号的15个不同设备的所有录制音频片段的93%以上。我们的研究确定了突出的声学特征，能够指纹识别设备的成功率高，并探讨了背景噪声和其他变量对指纹识别精度的影响。
2014-03-13 cs.CR
A Secure Fingerprinting Framework for Distributed Image Classification
深度学习（DL）技术已被广泛用于许多场景中的图像分类，例如，面部识别和嫌疑人追踪这样一个高度商业化的应用，引发了对其DL模式的知识产权保护。为了解决这个问题，主流的方法是在训练过程中将唯一的水印嵌入到目标模型中。然而，现有的努力集中在检测版权侵权的一个给定的模型，而很少考虑的问题，叛徒跟踪。此外，水印嵌入过程可能以分布式方式引起训练数据的隐私问题。在本文中，我们提出了SECUREMARK-DL，一个新的指纹识别框架，以解决上述两个问题，在分布式学习环境。它为每个客户在目标模型中嵌入一个唯一的指纹，一旦出现争议，可以从任何可疑模型中提取和验证。此外，在训练过程中采用了一种新的隐私划分技术，以保护训练数据的隐私。大量的实验证明了SECUREMARK-DL对各种攻击的鲁棒性，以及即使将长位（304位）指纹嵌入到输入图像中也具有高分类准确率（> 95%）。
2022-09-05 cs.CR
Temporal fingerprints: Identity matching across fully encrypted domain
本文提出利用个体事件间隔时间分布作为时间指纹，在以太坊全加密交易平台中实现跨域身份匹配，并证明其优于已有模型，揭示了仅凭活跃时间即可威胁用户隐私的风险。
2024-07-05 cs.CR
Characterizing Browser Fingerprinting and its Mitigations
本研究探讨了浏览器指纹识别这一非 cookie 跨站追踪技术，详细分析了其工作原理、普及程度及可用的缓解防御措施。
2023-10-12 cs.CR
A Survey and Future Outlook on Indoor Location Fingerprinting Privacy Preservation
本文综述了室内位置指纹隐私保护机制，基于密码学、匿名化、差分隐私和联邦学习，并提出新的漏洞分类和未来研究方向。
2025-10-15 cs.CR eess.SP
Fingerprinting Codes and the Price of Approximate Differential Privacy
我们展示了新的下限样本的复杂性$(\varepsilon, δ)$ -差分私人算法，准确地回答大型计数查询。对数据库$D \in (\{0,1\}^d)^n$的计数查询具有以下形式：“数据库中的各个记录的哪一部分满足属性$q$？“我们表明，为了回答$D$上的$\gg nd$计数查询的任意集合$\mathcal{Q}$到误差$\pm α$内，有必要$$ n \geq \tildeΩ\Bigg(\frac{\sqrt{d} \log |\mathcal{Q}|}{α^2 \varepsilon} \Bigg). $$这个界限对于多对数因子是最优的，正如私有乘法权重算法所证明的那样（Hardt和Rothblum，FOCS'10）。特别是，我们的下界是第一个表明，所需的准确性和$(\varepsilon, δ)$ -差分隐私的样本复杂度是渐近大于所需的仅仅是准确性，这是$O(\log |\mathcal{Q}| / α^2)$。此外，我们表明，我们的下界持有$k$方式边际查询（其中$|\mathcal{Q}| = 2^k \binom{d}{k}$）的特定情况下，$α$是不是太小相比，$d$（例如，当$α$是任何固定常数）。我们的结果依赖于短\emph{fingerprinting codes}（Boneh和Shaw，CRYPTO'95，Tardos，STOC'03）的存在，我们表明这与差…
2018-10-23 cs.CR
Stay Connected, Leave no Trace: Enhancing Security and Privacy in WiFi via Obfuscating Radiometric Fingerprints
WiFi芯片组的固有硬件缺陷在传输信号中表现出来，导致独特的辐射指纹。此指纹可用作额外的身份验证手段，以增强安全性。事实上，最近的工作提出了实用的指纹识别解决方案，可以很容易地实现在商业现成的设备。在本文中，我们证明了分析和实验，这些解决方案是非常容易受到模仿攻击。我们还证明，这种独特的基于设备的签名可以被滥用，通过跟踪用户设备来侵犯隐私，并且，截至目前，用户除了关闭设备之外，没有任何方法来防止这种隐私攻击。我们提出了RF-Veil，这是一种辐射指纹识别解决方案，不仅对冒充攻击具有鲁棒性，而且通过混淆非合法接收器的发射器的辐射指纹来保护用户隐私。具体来说，我们引入一个随机模式的相位误差的传输信号，只有预期的接收器可以提取原始指纹的发射机。在一系列的实验和分析中，我们揭示了采用朴素随机化的脆弱性，统计攻击，并介绍了对策。最后，我们通过实验证明了RF-Veil在保护用户隐私和增强安全性方面的有效性。更重要的是，我们提出的解决方案允许与不使用RF-Veil的其他设备进行通信。
2020-11-27 cs.CR cs.CY cs.NI
Domain Name Encryption Is Not Enough: Privacy Leakage via IP-based Website Fingerprinting
虽然域名加密技术（如DNS over TLS（DoT）、DNS over HTTPS（DoH）和加密客户端Hello（ECH））的安全优势是显而易见的，但它们对用户隐私的积极影响却被仍然暴露的IP地址信息所削弱。然而，内容分发网络、基于DNS的负载均衡、不同网站在同一服务器上的共同托管以及IP地址流失都导致域-IP映射不稳定，并阻止直接的基于IP的浏览跟踪。在本文中，我们表明，这种不稳定性是不是一个障碍（假设一个通用的DoT/DoH和ECH部署），通过引入基于IP的网站指纹技术，允许网络级的观察员，以确定在规模的网站用户访问。我们的技术利用了大多数网站的复杂结构，这些网站除了主要的网站之外，还从多个域加载资源。使用超过20万个网站的指纹，我们可以成功地识别84%的网站。对于热门网站，准确率提高到92%，对于热门和敏感网站，准确率提高到95%。我们还评估了生成的指纹随着时间的推移的鲁棒性，并证明它们在两个月后仍然可以有效地成功识别约70%的测试网站。最后，我们讨论了网站所有者和托管服务提供商的策略，以阻止基于IP的网站指纹识别，并最大限度地提高DoT/DoH和ECH提供的隐私优势。
2021-06-16 cs.CR cs.NI
Preserving Location Privacy in Mobile Edge Computing
新兴的移动边缘计算技术以其低延迟和位置感知等特性吸引着传统的LBS和LS部署。虽然这种移植将避免来自中央云提供商的位置隐私威胁，但在MEC场景的LS中仍然存在隐私问题。在指纹定位过程中会产生位置隐私威胁，由于威胁模型和信息语义的不同，以往的位置隐私研究效果不佳。针对MEC环境下的位置隐私问题，设计了一种新颖有效的MEC设备位置隐私保护方案LoPEC。通过对RAN接入点的适当建模，提出了对指纹数据进行加噪的方法，成功地诱使攻击者识别出真实位置。我们的评估证明，LoPEC有效地防止攻击者在单点和轨迹场景中精确地获取用户的位置。
2018-04-05 cs.CR
Probing for Passwords -- Privacy Implications of SSIDs in Probe Requests
探测请求帮助移动设备发现活动的Wi-Fi网络。它们通常包含大量可用于识别和跟踪设备及其用户的数据。过去的几年一直是一场猫捉老鼠的游戏，改进指纹识别并引入针对指纹识别的对策。本文分析了现场实验中移动设备和操作系统发送的探测请求的内容。在其中，我们发现用户（可能是偶然的）在SSID字段中输入了大量数据，并找到了密码、电子邮件地址、姓名和度假地点。通过这些发现，我们强调，探测请求应被视为敏感数据，并得到很好的保护。为了保护用户隐私，我们建议和评估一个隐私友好的基于哈希的探测请求和改进的用户控制的建设。
2022-07-06 cs.CR
BinaryShield: Cross-Service Threat Intelligence in LLM Services using Privacy-Preserving Fingerprints
Microsoft Redmond, USA（微软红mond分校）；Microsoft New York, USA（微软纽约分校）
BinaryShield通过隐私保护技术实现跨服务威胁情报共享，提升LLM安全防护能力。
2026-02-28 cs.AI cs.CL cs.CR
Our fingerprints don't fade from the Apps we touch: Fingerprinting the Android WebView
大量研究表明，浏览器指纹识别对用户的安全和隐私是有害的。然而，人们对浏览器指纹识别对Android混合应用程序的影响知之甚少。在Android混合应用程序中，一个精简的Chromium浏览器被集成到一个应用程序中。这些应用程序通过在本地应用程序和网络之间进行双向通信来扩大攻击面。本文研究了浏览器指纹对这些嵌入式浏览器的影响。为此，我们使用Android框架来记录和提取用于指纹识别的信息。我们研究了超过20，000个应用程序，包括Google Play商店中最受欢迎的应用程序。我们排除了Instagram等流行应用程序中的安全漏洞和严重的信息泄露。我们的研究表明，混合应用程序中的指纹可能包含特定于帐户和特定于设备的信息，这些信息可以在多个设备上唯一地识别用户。此外，我们的研究结果表明，混合应用程序浏览器并不总是遵守标准的浏览器特定的隐私政策。
2022-08-03 cs.CR cs.SE
VeriDIP: Verifying Ownership of Deep Neural Networks through Privacy Leakage Fingerprints
Anhui University of Technology（安徽工业大学）；James Cook University（詹姆斯库克大学）；Macquarie University（麦考瑞大学）；Southeast University（东南大学）
VeriDIP利用成员推断攻击估计隐私泄露下界作为指纹，并采用较少隐私样本增强性能，高效验证深度神经网络所有权，在图像和表格数据集上表现优异。
2023-09-07 cs.AI cs.CR cs.LG
Browser Fingerprinting Using WebAssembly
本文提出一种利用 WebAssembly 计算能力的浏览器指纹识别新方法，通过 CPU 操作、内存任务和 I/O 活动生成指纹，即使伪造 User-Agent 也能高精度识别设备，并提出了隐私风险缓解策略。
2025-05-31 cs.CR
Server-side Fingerprint-Based Indoor Localization Using Encrypted Sorting
作为导航主要来源的GPS信号在室内环境中不起作用。因此，Wi-Fi接入点已开始越来越多地用于通过依赖于基于指纹的方法在建筑物内进行定位和跟踪。然而，对于这些类型的方法，已经出现了关于用户隐私的几个问题。恶意的个人可以通过简单地分析他们的无线信号来确定客户端的日常习惯和活动。虽然已经有努力将隐私纳入现有的基于指纹的方法，他们是有限的同态加密方案的特点，他们采用。在本文中，我们建议利用另一个同态算法，即DGK，其独特的加密排序能力，从而将大部分的计算推到服务器端，以提高这些方法的性能。我们开发了一个Android应用程序，并在哥伦比亚大学宿舍内测试了我们的系统。与现有系统相比，结果表明，在客户端可以实现更多的节能，DGK可以是一个可行的选择，具有更强大的服务器计算能力。
2020-08-26 cs.CR
FP-Fed: Privacy-Preserving Federated Detection of Browser Fingerprinting
本文提出首个基于差分隐私联邦学习的分布式浏览器指纹检测系统 FP-Fed，使用户无需共享数据即可协作训练端侧模型，在 18.3k 网站上的实验证明其仅凭运行时信号即可实现高效且高精度的检测。
2023-11-28 cs.CR cs.CY
Tor circuit fingerprinting defenses using adaptive padding
在线匿名和隐私一直基于通过创建不可区分的网络元素来混淆对手。Tor是最大和最广泛部署的匿名系统，旨在对抗现实的现代对手。最近，研究人员已经设法通过捕获和分析流量轨迹来识别Tor的电路，从而确定底层流量的类型。在这项工作中，我们研究了电路指纹识别问题，将其与网站指纹识别隔离开来，并重新审视了该模型中以前的研究结果，表明即使应用层流量相同，也可能进行准确的攻击。然后，我们使用基于WTF-PAD的Tor通用自适应填充框架，逐步创建针对电路指纹的防御。我们提出了一个简单的防御，延迟一小部分的流量，以及一个更先进的，可以有效地隐藏洋葱服务电路零延迟。我们彻底评估这两种防御，无论是分析和实验，发现新的微妙的指纹，但也显示了我们的防御的有效性。
2022-01-11 cs.CR
On the Feasibility of Fingerprinting Collaborative Robot Network Traffic
University of Waterloo（滑铁卢大学）
本文研究协作机器人加密流量中的隐私泄露问题，提出基于信号处理的流量分类方法以实现高级运动识别，并评估了填充与时序操纵等防御手段的可行性与局限性。
2025-03-07 cs.CR cs.RO
Multi-Biometric Fuzzy Vault based on Face and Fingerprints
secunet Security Networks AG（赛库耐特安全网络股份公司）；Federal Office for Information Security（联邦信息安全办公室）
模糊保险库方案已被建立为适合于隐私保护的生物认证的密码原语。为了提高准确性和隐私保护，多个特征的生物特征信息可以在特征级融合，然后将其锁定在模糊保险库中。我们构建了一个基于人脸和多个指纹的多生物特征模糊保险库。在由FRGCv 2人脸和MCYT-100指纹数据库构建的多生物特征数据库上，在30位以上的错误接受安全性下实现了完美的识别准确率。此外，我们提供了一个形式化的特征级融合在多生物特征模糊保险库，在此基础上，相关的安全问题进行了阐述。所述安全问题，我们定义的对策，通常被忽视，可能会损害整个系统的安全。
2023-01-17 cs.CR cs.CV
Fingerprint template protection using minutia-pair spectral representations
生物特征数据的存储需要某种形式的模板保护，以保护在生物特征数据库中注册的人的隐私。一种方法是使用辅助数据系统。这里，有必要将原始生物特征测量转换为固定长度的表示。在本文中，我们扩展了Stanko和Skoric [WIFS 2017]的谱函数方法，该方法为指纹提供了固定长度的表示。首先，我们引入了一个新的光谱函数，捕捉不同的信息，从细节点的方向。它是对原始谱函数的补充，我们使用它们来从指纹图像中提取信息。其次，我们构建了一个辅助数据系统，包括零泄漏量化，其次是代码偏移方法。我们展示的经验数据表明，应用我们的助手数据系统只会导致很小的性能损失相比，指纹认证的基础上不受保护的光谱功能。
2018-04-05 cs.CR
Scalable Data Classification for Security and Privacy
Facebook（脸书）
基于内容的数据分类是一个开放的挑战。传统的数据丢失防护（DLP）类系统通过对相关数据进行指纹识别并监控端点以获取指纹数据来解决这个问题。由于Facebook中有大量不断变化的数据资产，这种方法在发现什么数据在哪里方面既不具有可扩展性，也没有效率。本文是关于一个端到端系统，该系统旨在大规模检测Facebook中的敏感语义类型，并自动执行数据保留和访问控制。这里描述的方法是我们的第一个端到端隐私系统，它试图通过结合数据信号、机器学习和传统的指纹识别技术来解决这个问题，以映射和分类Facebook内的所有数据。所描述的系统在生产中实现了各种隐私类别的平均F2分数为0.9+，同时处理数十个数据存储中的大量数据资产。
2020-07-06 cs.AI cs.CR cs.CY
Differential Privacy for Markov Chain State Trajectories
Georgia Institute of Technology（佐治亚理工学院）
该研究针对马尔可夫链状态轨迹的隐私泄露问题，提出一种在线差分隐私框架，通过最小化最短路径总边权重生成私有轨迹，实验显示其在3-差分隐私下熵降最多80%，能兼顾隐私与数据实用性。
2026-08-11 cs.CR
Your Smart Home Can't Keep a Secret: Towards Automated Fingerprinting of IoT Traffic with Neural Networks
近年来，物联网（IoT）技术被广泛采用，并深刻改变了人们的日常生活。然而，与此同时，这种快速发展的技术也带来了新的隐私问题，需要更好地理解和衡量。在这项工作中，我们研究如何从灵巧家庭网络中产生的网络流量中泄露私人信息。虽然研究人员已经提出了在干净的实验设置下推断物联网设备类型或用户行为的技术，但在复杂但现实的网络环境中，这种方法的有效性变得值得怀疑，其中启用了网络地址和端口转换（NAPT）和虚拟专用网络（VPN）等常见技术。使用传统方法进行流量分析（例如，通过经典的机器学习模型）在这些设置下的效果要差得多，因为手动选择的特征不再独特。在这项工作中，我们提出了一个基于序列学习技术（如LSTM）的流量分析框架，并利用数据包之间的时间关系进行设备识别攻击。我们在不同的环境设置下进行了评估（例如，具有多个非IoT设备的纯IoT和嘈杂环境）。结果表明，我们的框架能够以高准确度区分设备类型。这一结果表明，物联网网络通信对用户的隐私构成了突出的挑战，即使它们受到加密保护并通过网络网关变形。因此，需要开发物联网流量的新隐私保护方法来缓解这一新问题。
2019-08-31 cs.CR
Differential Privacy for Symbolic Trajectories via the Permute-and-Flip Mechanism
Georgia Institute of Technology（佐治亚理工学院）
本文提出一种新的差分隐私机制，用于保护符号系统轨迹，通过随机选择低误差的私有近似词替代原始敏感词，实验证明其在交通数据集上误差减少55%。
2026-03-30 cs.CR
A fingerprint based crypto-biometric system for secure communication
为了确保数据的安全传输，密码学被视为最有效的解决方案。密钥是该过程中的重要实体。一般来说，随机生成的密钥（256位）很难记住。然而，这种密钥需要存储在受保护的地方或通过共享通信线路传输，这实际上对安全性构成了另一种威胁。作为替代方案，研究人员主张在通信会话期间使用发送者和接收者的生物特征生成密钥，从而避免密钥存储，同时又不损害安全性。然而，基于生物特征的密码密钥生成具有很少的问题，诸如生物特征的隐私、通信用户之间的生物特征数据的共享（即，发送方和接收方），以及从不可撤销的生物特征生成可验证密钥。这项工作解决了上述问题。在这项工作中，已经提出了一个框架，用于两个用户之间的安全通信，使用基于指纹的密码生物识别系统。为此，Diffie-Hellman（DH）算法用于从发送方和接收方的私钥生成公钥，该公钥被共享并进一步用于在两端产生对称的加密密钥。该方法利用不可撤销指纹生成对称密码系统的可撤销密钥。生物特征数据既不存储也不共享，保证了生物特征数据的安全性，并使用会话密钥实现了完美的前向保密。这项工作还确保了两个用户之间通信的消息的长期安全性。通过对FVC 2002和NIST专用数据库的四个数据集的实验评估，证明该框架具有隐私保护功能，可以应用于实际的访问控制系统中。
2018-05-22 cs.CR
Smartphone User Fingerprinting on Wireless Traffic
提出U-Print攻击系统，通过分析空中MAC层帧，利用时序卷积网络和k-means聚类识别智能手机应用、操作及用户身份，在真实环境中用户推断准确率达98.4%。
2025-11-05 cs.CR
Fingerprint Attack: Client De-Anonymization in Federated Learning
The University of Melbourne（墨尔本大学）
本文提出一种针对联邦学习梯度的新型指纹攻击，证明梯度聚类可轻易打破洗牌匿名化，并验证差分隐私训练可有效防御该攻击。
2023-09-12 cs.AI cs.CL cs.CR
Erasing Radio Frequency Fingerprints via Active Adversarial Perturbation
本文针对射频指纹可能泄露用户隐私的问题，提出一种基于主动对抗扰动的擦除方法，通过扰动导频信号隐藏硬件特征并误导识别模型，同时不影响通信功能，并在LTE系统中验证了其有效性。
2024-06-12 cs.CR
Texture to the Rescue: Practical Paper Fingerprinting based on Texture Patterns
在本文中，我们提出了一种新的纸张指纹识别技术的基础上，分析半透明的图案时，光源照射通过纸张。这些图案代表了纸张的固有纹理，是在制造过程中由木质颗粒随机交织而成的。我们表明，这些模式可以很容易地被商品相机捕获，并浓缩成一个紧凑的2048位指纹代码。在这一领域的突出作品（Nature 2005，IEEE S&P 2009，CCS 2011）都集中在基于纸“表面”的纸指纹识别上。我们的动机是观察到，单独捕获表面错过了重要的独特特征，如不均匀的厚度，杂质的随机分布，以及纸张中不同的材料具有不同的不透明度。通过实验，我们证明了嵌入的纸张纹理比表面上的特征提供了更可靠的指纹来源。基于收集的数据集，我们实现了0%的错误拒绝率和0%的错误接受率。我们进一步报告说，我们提取的指纹包含807个自由度（DoF），这远远高于虹膜代码的249个DoF（具有相同的2048位大小）。基于纹理的指纹的大量DoF使得我们的方法在非常大的数据库中识别时具有极高的可扩展性;它还允许在基于纠错技术的隐私保护认证方案中安全使用提取的指纹。
2019-05-07 cs.CR
Adversarial Example Based Fingerprinting for Robust Copyright Protection in Split Learning
针对Split Learning模型缺乏版权保护框架的问题，提出首个利用对抗样本生成指纹并嵌入模型的版权保护方案，在保持模型准确率的同时实现了高指纹验证成功率并抵御标签推断攻击。
2025-03-05 cs.CR
SSS-PRNU: Privacy-Preserving PRNU Based Camera Attribution using Shamir Secret Sharing
照片响应非均匀性（PRNU）噪声已被证明是基于相机的取证中非常有效的工具。它有助于将照片与点击它的设备进行匹配。在今天的场景中，每小时都有数百万张图像上传，从社交资料上的几张共享图像中计算这种独特的PRNU模式非常容易。这危及相机所有者的隐私，并成为隐私意识社会的主要关注点。我们提出SSS-PRNU计划，方便法医调查人员进行犯罪调查，而不侵犯人民的隐私。在两者之间保持平衡。为了保护隐私，在诸如ARM TrustZone的可信执行环境中计算可疑图像的相机指纹和PRNU噪声的提取。提取后的摄像头指纹和PRNU噪声的敏感信息使用Shamir秘密共享（SSS）方案分配到多个混淆的份额。这些共享在理论上是安全的，不会泄露底层内容的信息。加密的信息被分发到多个第三方服务器，其中在相机指纹和PRNU噪声之间的共享基础上计算相关性。这些部分相关值被组合在一起以获得最终相关值，该最终相关值成为匹配判定的基础。本文的主要贡献是将相关值的计算转换到加密域，使其更适合于分布式环境。实验结果验证了该方案的可行性，为基于PRNU的源摄像机归属提供了一个安全的框架。通过安全性分析和计算、存储开销评估，分析了方案的可行性。
2021-06-13 cs.CR cs.MM
Mobile IMUs Reveal Driver's Identity From Vehicle Turns
随着辅助或自动驾驶的车辆操纵数据变得丰富，其隐私侵犯/泄露的含义已成为越来越多的关注。特别地，如果驾驶员的身份可以与从他的移动或可穿戴设备收集的数据相关联，则用于对驾驶员进行指纹识别的表面将显著扩展，所述移动或可穿戴设备在世界范围内广泛部署并且具有越来越强的感测能力。根据这一趋势，本文研究了一个快速新兴的驾驶数据源，具有驾驶员的隐私影响。我们首先表明，这种隐私威胁可以通过任何带有IMU的移动终端来实现（例如，陀螺仪和加速计）。然后，我们介绍了Dri-Fi（驾驶员指纹），这是一种驾驶数据分析引擎，可以根据车辆转弯对驾驶员进行指纹识别。Dri-Fi基于仅在车辆转弯期间获取的IMU数据实现这一点。与现有的驱动程序指纹识别方案相比，这种方法大大扩展了攻击面。从这些数据中，Dri-Fi提取了三个新的特征--沿转弯轴的加速度、其偏差和偏航率偏差--并利用它们来识别驾驶员。我们的广泛评估表明，配备了Dri-Fi的对手可以在一个转弯内正确识别驾驶员，在12个，8个和5个驾驶员中分别具有74.1%，83.5%和90.8%的准确率-典型的直系亲属或亲密朋友圈。此外，通过对多个转弯的测量，对手可以分别在12、8和5个驾驶员上实现高达95.3%、95.4%和96.6%的准确度。
2017-10-12 cs.CR cs.CY
The Privacy-Utility Tradeoff in Rank-Preserving Dataset Obfuscation
本文研究数据集混淆中秩保持与用户匿名性的权衡，通过大偏差理论刻画单字母机制的性能极限，并将最优混淆信道建模为可高效求解的凸优化问题。
2023-05-11 cs.CR cs.DB cs.IT
A Privacy-Preserving Trajectory Synthesis Method Based on Vector Translation Invariance Supporting Traffic Constraints
针对现有基于区域划分的差分隐私聚合查询难以生成高可用约束轨迹的问题，提出基于轨迹关联的聚合查询方法，通过带惩罚项的梯度下降合成轨迹，兼具更高效用与隐私安全性。
2023-10-08 cs.CR
Differential Privacy in Aggregated Mobility Networks: Balancing Privacy and Utility
本文提出基于差分隐私的聚合移动网络隐私模型，通过向起终点GPS注入平面拉普拉斯噪声并用稀疏向量机制选择噪声水平，在保护用户起终点不被推断的同时，使查询响应在网络和轨迹层面接近原始数据，网络长度偏差最大仅9%。
2024-01-14 cs.CR
Exploiting Multimodal Biometrics in E-Privacy Scheme for Electronic Health Records
现有的方法来保护隐私的电子健康记录是不够的，现有的医疗法律或他们是过于限制他们的使用。例如，基于灵巧卡的加密系统要求患者始终在场以授权访问医疗记录。由50名医生管理的问卷，以确定和分类不同的电子健康记录属性。该系统采用JAVA和MySQL数据库开发工具，利用患者的多种生物特征信息实现院前监护病历的查询。该系统提供了适用的安全性，当病人的记录与其他从业人员，雇主，组织或研究机构共享。系统评估的结果表明，经过10次不同的模拟，指纹和虹膜的平均响应时间分别为6秒和11.1秒。该系统通过限制暴露给用户的数据量来保护隐私和机密性。该系统还使紧急医疗技术人员能够轻松可靠地访问患者电子健康记录的必要属性，同时仍然使用患者指纹和虹膜来维护数据的隐私和机密性。
2015-02-04 cs.CR cs.CY
Frequency-based Randomization for Guaranteeing Differential Privacy in Spatial Trajectories
随着GPS设备的普及，大量的轨迹数据被不断收集，各种基于位置的服务也被开发出来，极大地造福了我们的日常生活。然而，发布的轨迹也带来了对个人隐私的严重关注，最近的一些研究表明，空间轨迹中存在个人身份信息。由于在隐私保护和效用保存之间进行权衡，轨迹匿名化是不平凡的。此外，恢复攻击还没有得到很好的研究，在目前的文献。为了解决这些问题，我们提出了一个基于频率的随机化模型，具有严格的差分隐私保证轨迹数据发布。特别是，我们引入了两个随机机制，通过注入拉普拉斯噪声来扰动轨迹中重要位置的局部/全局频率分布。我们设计了一个分层索引以及一个新的搜索算法，以支持有效的轨迹修改，确保修改后的轨迹满足扰动分布，而不损害隐私保证或数据效用。在真实轨迹数据集上进行的大量实验验证了该方法在抵抗个体重识别和恢复攻击的同时保持了期望的数据效用以及在实践中的可行性。
2022-07-08 cs.CR cs.DB
DoHFuse: A Dual-Branch Architecture with DMAGLSTM for Website Fingerprinting over DNS over HTTPS/3
Harbin Institute of Technology（哈尔滨工业大学）；China Mobile Research Institute（中国移动研究院）
针对DoH/3流量易受网站指纹攻击的问题，提出双分支框架DoHFuse，结合到达间隔时间序列和精细统计特征，通过改进的DMAG-LSTM捕获突发对齐时间模式，实验表明DoH/3仍易受攻击，填充机制不足以保证隐私。
2026-06-24 cs.CR
DecETT: Accurate App Fingerprinting Under Encrypted Tunnels via Dual Decouple-based Semantic Enhancement
针对加密隧道下应用指纹识别性能不佳的问题，提出DecETT方法，通过引入TLS语义锚点增强应用特征，并利用双重解耦模块分离隧道特征，在五种加密隧道上超越现有方法。
2025-04-22 cs.CR
Mitigating Location Privacy Attacks on Mobile Devices using Dynamic App Sandboxing
我们提出了一个系统，称为矩阵，开发保护隐私的移动终端用户从位置推断和传感器侧信道攻击的设计，实施和评估。MATRIX为用户提供了对位置和传感器的控制和可见性（例如，加速度计和陀螺仪）通过移动应用程序访问。它实现了一个PrivoScope服务，可以审计设备上应用程序的所有位置和传感器访问，并生成实时通知和图形以可视化这些访问;以及一个合成位置服务，使用户能够向他们认为有用但不信任其私人信息的应用程序提供模糊或合成的位置轨迹或传感器跟踪。这些服务的设计目的是可扩展且易于用户使用，从而向他们隐藏所有潜在的复杂性。MATRIX还实现了一个位置提供程序组件，该组件通过使用来自Google Maps Directions API的历史数据整合交通信息，并使用来自用户驾驶实验的统计信息整合加速度，为用户生成真实的隐私保护合成身份和轨迹。通过使用随机线性规划建模/求解用户调度和使用二次规划建模/求解用户驾驶行为来生成随机交通模式。我们使用用户研究、流行的位置驱动应用程序和机器学习技术对MATRIX进行了广泛的评估，并证明它可移植到全球大多数Android设备上，可靠，开销低，生成的合成轨迹难以与对手的真实移动轨迹区分开来。
2018-08-13 cs.CR
$k^{τ,ε}$-anonymity: Towards Privacy-Preserving Publishing of Spatiotemporal Trajectory Data
移动网络运营商可以通过被动或主动监控设备位置来跟踪用户。记录的轨迹为大型用户群体的活动提供了前所未有的前景，这使得开发新的网络解决方案和服务成为可能，并扩大了跨研究学科的研究。然而，个人轨迹的披露引起了严重的隐私问题：因此，这些数据往往受到限制性的非披露协议的保护，限制了其可用性并阻碍了潜在的使用。在本文中，我们有助于发展的技术解决方案的隐私保护发布的移动用户的时空轨迹的问题。我们提出了一种算法，概括的数据，使他们满足$k^{τ,ε}$ -匿名，原始的隐私标准，阻止攻击的轨迹。与现实世界的数据集的评估表明，我们的算法达到了其目标，同时保留了相当程度的准确性的数据。我们的工作是朝着开放的，隐私保护的时空轨迹数据集的方向迈出了一步。
2017-01-09 cs.CR cs.CY
A Measurement of Genuine Tor Traces for Realistic Website Fingerprinting
U.S. Naval Research Laboratory（美国海军研究实验室）；Georgetown University（乔治城大学）
本文提出GTT23，首个真实Tor跟踪数据集，用于改进网站指纹识别研究和防御。
2026-01-21 cs.CR
