Assessing Mobile Application Privacy: A Quantitative Framework for Privacy Measurement
本文提出一种隐私量化框架,系统评估Android应用的隐私风险,通过定性标签帮助用户做出知情决策,推动隐私优先的数字环境建设。
2023-10-31 cs.CR
Preserving Privacy of Mobile Reader Holders in Server-less RFID Authentication and Searching Protocols
随着物联网和普适计算的发展,利用移动RFID阅读器的无服务器RFID认证和搜索协议越来越受到研究者的关注。然而,手机阅读器持有者隐私的泄露是目前研究中被广泛忽视的问题。本文主要研究在无服务器RFID认证和搜索协议中移动阅读器持有者的隐私保护问题。我们提出了一个详细的要求,作为未来协议设计的原则,和一个计划,以提高目前大多数协议。我们应用我们的计划,两个经典的协议。通过与原协议的比较,证明了该方案的安全性和有效性。
2014-04-30 cs.CR
Outsource Photo Sharing and Searching for Mobile Devices With Privacy Protection
随着移动设备的激增,基于云的照片共享和搜索服务由于移动设备的资源约束而变得普遍。与此同时,人们也越来越关注照片中的隐私。在这项工作中,我们提出了一个框架\ourprotocolNSP,它使云服务器提供隐私保护的照片共享和搜索作为一项服务,移动终端用户。寻求隐私的用户可以通过我们的框架分享他们的照片,只允许他们授权的朋友使用资源有限的移动设备浏览和搜索他们的照片。这是通过我们精心设计的架构和新颖的外包隐私保护计算协议实现的,通过这些协议,有关外包照片甚至搜索内容(包括结果)的信息都不会透露给云服务器。我们的框架与大多数现有的图像搜索技术兼容,并且只需对现有的云系统进行很少的更改。我们的原型系统与31,772现实生活中的图像的评估表明,我们的系统的通信和计算效率。
2014-10-24 cs.CR
Short Paper: Privacy Comparison of Contact Tracing Mobile Applications for COVID-19
随着COVID-19大流行,全球各地都发生了疫情。为了阻止或减缓COVID-19污染的进展,许多国家已经部署了接触者追踪系统,以通知与COVID阳性者接触的人。联系人跟踪系统在移动应用中实现,并利用诸如蓝牙的技术来跟踪人之间的交互。本文从隐私保护的角度出发,讨论了基于接触追踪系统的智能手机应用。
2020-10-07 cs.CR
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
Ecosystem-Driven Privacy Exposure in Mobile Gaming Apps: A Configuration-Aware Empirical Analysis
Computer Science Department, Jamoum University College, Umm Al-Qura University(乌姆·古拉大学贾穆姆学院计算机科学系)
本研究通过配置感知的实证分析,检查Android移动游戏应用的权限、清单配置、导出组件和SDK生态系统复杂性,发现隐私暴露与生态系统级架构决策强相关,而非仅权限请求。
2026-05-25 cs.CR
Beyond Permissions: A Configuration-Aware Empirical Assessment of Privacy Exposure in Children-Oriented and General-Audience Mobile Gaming Apps
Computer Science Department, Jamoum University College, Umm Al-Qura University(乌姆·古拉大学贾穆姆大学学院计算机科学系)
本文通过三阶段方法分析Android游戏隐私风险,发现儿童游戏虽请求权限较少,但配置层面风险高且嵌入第三方跟踪SDK,为隐私设计提供改进方向。
2026-03-30 cs.CR
Contact Tracing Mobile Apps for COVID-19: Privacy Considerations and Related Trade-offs
接触者追踪是公共卫生官员和当地社区抗击新型疾病传播(如COVID-19大流行)的重要工具。新加坡政府刚刚发布了一款名为TraceTogether的手机应用程序,旨在帮助卫生官员在发现感染者后追踪暴露情况。然而,这种跟踪应用程序的存在对隐私有重要的影响。在这里,我们分析了其中的一些影响,并讨论了改善隐私问题的方法,而不减少对公共卫生的有用性。我们希望通过撰写本文档来确保隐私是围绕移动联系人追踪应用程序的对话的核心特征,并鼓励社区努力开发具有更强隐私保护的替代有效解决方案。重要的是,尽管我们讨论了可能的修改,但本文档并不意味着正式的研究论文,而是对TraceTogether等直接接触追踪应用程序的一些隐私特征的回应,以及对社区的早期评论请求。撰写日期:2020-03-24轻微更正:2020-03-30
2020-03-30 cs.CR
Improving Air Interface User Privacy in Mobile Telephony
虽然与2G(GSM)相比,3G和4G移动网络的安全属性已经显著改善,但是在用户隐私方面仍然存在显著的缺点。已经提出了对2G、3G和4G协议的许多可能的修改,旨在提供更大的用户隐私;然而,它们都需要对现有部署的基础设施进行重大修改,这在实践中几乎肯定是不切实际的。在这篇文章中,我们提出了一种方法,不需要任何改变现有的部署网络基础设施或移动设备,但提供了改进的用户身份保护的空中接口。所提出的方案利用用于单个USIM的多个IMSI来为用户提供一定程度的相似性。所需的唯一改变是对归属网络中的认证中心的操作和对USIM的改变,并且该方案可以立即部署,因为它对现有的移动电话基础设施是完全透明的。我们提出了两种不同的方法来使用和管理多个IMSIs。
2015-04-13 cs.CR
PriMobiBench: Characterizing Visual Privacy Leakage in VLM-Driven Mobile GUI Agents
Tsinghua University(清华大学);Shandong University(山东大学);Wuhan University(武汉大学)
针对VLM驱动的移动GUI代理的视觉隐私泄露问题,提出首个基准PriMobiBench和数据集MobiLeak,量化了高成功率的敏感信息提取与用户画像风险,并验证了掩码缓解方案的有效性。
2026-09-15 cs.CR
Utility-aware and privacy-preserving mobile query services
基于位置的查询为移动道路网络旅行者提供基本服务。虽然基于位置的服务(LBS)的好处很多,但将移动旅行者的位置信息暴露给不受信任的LBS提供商可能会导致隐私泄露。在本文中,我们提出了StarCloak,一个实用程序感知和攻击弹性的方法来建立一个隐私保护的查询系统,移动用户在道路网络上行驶。StarCloak有几个令人满意的特性。首先,StarCloak支持用户定义的k用户匿名性和l段不可否认性,以及用户指定的空间和时间效用约束,以实现效用感知和个性化的位置隐私。其次,与传统的解决方案,是漠不关心的基础道路网络结构,StarCloak使用的概念,明星,并提出了有效的位置隐藏在道路网络的伪装图。第三,StarCloak通过随机的星选择和修剪,实现了对重放和查询注入攻击的强大攻击弹性。最后,为了实现高吞吐量的可扩展查询处理,StarCloak通过考虑查询评估和网络通信成本来做出成本感知的星选择决策。我们评估StarCloak在两个真实世界的道路网络数据集下的各种隐私和效用的限制。结果表明,StarCloak与其最相关的竞争对手XStar相比,提高了查询成功率和吞吐量,减少了匿名化时间和网络使用量,并具有更高的攻击弹性。
2019-07-15 cs.CR
P4QS: A Peer to Peer Privacy Preserving Query Service for Location-Based Mobile Applications
基于位置的服务提供了网络世界和物理世界的有趣组合。但是,它们也可能威胁到用户的隐私。现有的隐私保护协议需要可信节点,存在严重的安全和计算瓶颈。提出了一种基于对等网络结构的分布式匿名协议。每个移动节点负责匿名化特定区域。移动节点在匿名查询中进行协作,而不需要访问关于彼此的任何信息。在提议的协议中,每个请求将与随机选择的票一起发送。服务器生成的加密响应基于此票证的哈希值通过网络发送到特定的移动节点(称为代理节点)。用户将查询代理以获得响应。消息的所有部分都是加密的,除了匿名器和代理所需的字段。这将保护P2P网络上的数据包交换。实验结果表明,该协议能够有效地实现位置服务中的用户隐私保护。
2016-06-08 cs.CR
A Clustering-based Location Privacy Protection Scheme for Pervasive Computing
在普适计算环境中,由于移动网络和定位技术的不断发展,基于位置的服务(LBS)变得越来越重要。然而,LBS的广泛部署可能会危及移动用户的位置隐私。因此,为移动用户的位置隐私提供保护措施,使其免受攻击是一个重要的研究课题。本文提出了一种新的位置隐私保护方案。我们的方法支持的位置K-匿名的移动用户与他们自己想要的匿名水平聚类范围很广。所有用户的整个区域被递归地划分为簇,以获得最小边界矩形(MBR)。用户的确切位置信息被他的MBR替换。隐私分析表明,我们的方法可以实现高弹性的位置隐私威胁,并提供更多的隐私比用户期望的。复杂性分析表明,随着移动用户的加入或离开,聚类可以实时的调整。此外,聚类算法具有很强的鲁棒性。
2010-11-13 cs.CR
EPDA: Enhancing Privacy-Preserving Data Authentication for Mobile Crowd Sensing
移动人群感知系统作为一种流行的应用,旨在通过群体智能提供更方便的服务。随着嵌入传感器的智能手机和智能可穿戴设备的普及,移动人群感知正在成为获取个体各类感知数据的高效途径,这将使人们的生活更加便利。然而,移动人群感知系统目前面临着一个严峻的挑战,即敏感信息和有价值的数据的隐私泄露,这可能会引起参与者的严重关注。为了解决这个问题,我们提出了一个增强的安全证书的隐私保护可验证的数据认证方案,移动人群感知,命名为EPDA。该方案通过采用改进的无证书环签名作为密码学基础,为移动人群感知提供无条件匿名数据认证服务,大规模感知数据需要由特定群体中的合法成员签名,并且可以在不暴露参与者真实身份的情况下进行验证。在随机预言机模型下,证明了EPDA在适应性选择消息攻击和身份攻击下是安全的。最后,进行了广泛的模拟。实验结果表明,该算法有效地降低了感知数据认证过程中的计算量和时间消耗。
2018-11-09 cs.CR
The Limits of Differential Privacy (and its Misuse in Data Release and Machine Learning)
差分隐私(DP)是一个简洁的隐私定义,可以与某些定义良好的数据使用在交互式查询的上下文中共存。然而,DP既不是解决所有隐私问题的灵丹妙药,也不是所有以前隐私模型的替代品。事实上,当试图将其使用范围扩展到其设计的环境之外时,应格外小心。本文回顾了DP的局限性及其在个人数据汇集、个人数据发布和机器学习方面的误用。
2020-11-04 cs.CR
A Privacy-Preserving Localization Scheme with Node Selection in Mobile Networks
Chongqing University of Posts and Telecommunications(重庆邮电大学);Nanyang Technological University(南洋理工大学)
本文提出PPLZN方案,通过节点选择实现目标和锚点位置隐私保护,提升定位精度和降低通信开销。
2026-01-07 cs.CR
DPolicy: Managing Privacy Risks Across Multiple Releases with Differential Privacy
本文提出DPolicy系统,通过同时考虑多个差分隐私保证并引入高级策略语言,解决组织内多次数据发布中累积隐私风险难以管理的问题,实现细粒度的组织级隐私风险管理。
2025-05-10 cs.CR
Strong Privacy-Preserving Universally Composable AKA Protocol with Seamless Handover Support for Mobile Virtual Network Operator
针对 MVNO 需向 MNO 暴露用户身份与主密钥导致的隐私泄露问题,提出支持双向认证、无缝切换、匿名与不可链接性的通用可组合 AKA 方案。
2024-09-07 cs.CR
Efficient and Privacy-Preserving Distribution Statistics Analytics on Mobile Spatial Data
School of Cyberspace Science and Technology, Beijing Institute of Technology(北京理工大学网络空间安全学院);Shandong Key Laboratory of Energy Industry Internet Big Data Technology(山东省能源工业互联网大数据技术重点实验室);Department of Computing, The Hong Kong Polytechnic University(香港理工大学计算系);School of Computer Science and Information Engineering, Hefei University of Technology(合肥工业大学计算机与信息学院)
针对移动空间数据分布统计中的隐私保护问题,提出基于非共谋服务器和分布式点函数(DPF)的eSpat-B方案及更高效的eSpat+方案,在保证100%准确率的同时显著降低计算和通信开销。
2026-06-18 cs.CR
Privacy-preserving targeted mobile advertising: A Blockchain-based framework for mobile ads
有针对性的广告是基于个人之间的关系推断出的偏好配置文件,他们对以前的广告和时间活动在互联网上,这引起了严重的隐私问题的监测响应。在本文中,我们提出了一个基于区块链的广告平台的新建议,该平台提供:用于隐私保护用户简档的系统,从广告系统私下请求广告,用于呈现和点击广告的计费机制,根据简档兴趣将广告上传到云的广告系统,用于在基于区块链的网络中实现广告操作的各种类型的交易,以及允许云系统私有地计算用于各种资源(诸如广告、移动用户简档)的访问策略的方法。我们的主要目标是为定向广告设计一个去中心化的框架,该框架可以将广告私下交付给行为特征与广告系统定义的广告准确匹配的用户。我们实现了我们提出的框架的POC,即定制矿工,并实验性地评估了基于区块链的应用内广告系统的各种组件,实现了各种关键组件;例如,评估用户简档,实现访问策略,加密和解密用户配置文件。我们观察到,用于遍历各种树大小的策略的处理延迟、具有各种密钥大小的用户简档的加密/解密时间以及各种兴趣的用户简档评估为与当前实现的广告系统的处理时间相同的可接受的处理时间量。
2020-08-24 cs.CR
Buying Privacy: User Perceptions of Privacy Threats from Mobile Apps
随着科技和科技公司的力量、普及和社会影响力的增长,一些公司--尤其是一些移动应用--已经被视为隐私威胁。先前的工作已经考虑了各种因素如何影响威胁的感知,包括社会因素,政治言论和用户界面设计。在这项工作中,我们调查用户可见的上下文线索如何影响感知移动应用程序是否构成隐私威胁。我们对2109名用户进行了一项用户研究,发现用户依赖于上下文线索-例如广告的存在和发生(以及支付时间)-来确定移动应用程序构成隐私威胁的程度。我们还量化了用户评估与已发布的数据汇集实践相匹配的准确程度,并确定了有关支付处理方式的常见误解。这项工作为用户如何评估移动应用程序带来的隐私威胁以及数据汇集的社会规范提供了新的见解。
2022-11-14 cs.CR cs.HC
PAS-MC: Privacy-preserving Analytics Stream for the Mobile Cloud
在当今的数字世界中,个人数据正在不断被收集和分析,而无需数据所有者的同意和选择。随着数据所有者不断在其个人设备上生成数据,将私人数据存储在其自己的设备上但允许第三方分析师执行聚合分析的紧张局势产生了一个有趣的困境。本文介绍了PAS-MC,第一个实用的隐私保护和匿名流分析系统。PAS-MC确保每个数据所有者在响应分析师的查询之前在本地私有化其敏感数据。PAS-MC还可以防止交通分析攻击,最小的信任漏洞。我们评估了该计划在加州交通数据集,并表明,我们可以私下和匿名流车辆位置更新,但保持高准确性。
2016-04-17 cs.CR
Multi-frame Signature-cum Anomaly-based Intrusion Detection Systems (MSAIDS) to Protect Privacy of Users over Mobile Collaborative Learning (MCL)
流氓DHCP是未经授权的服务器,它向用户发布错误的IP地址并非法嗅探流量。该贡献特别为用户提供隐私,并增强了[24]中解释的移动支持的协作框架(MSCF)的安全性。本文介绍了支持新算法的多帧签名和基于异常的入侵检测系统(MSAIDS),并在现有IDS中包含新规则。主要目标是检测恶意攻击,阻止流氓DHCP服务器的非法活动。这种创新的安全机制增强了用户的信心,保护网络免受非法干预,恢复用户的隐私。最后,本文通过仿真验证了这一想法,并将研究结果与已知的现有技术进行了比较。
2012-10-07 cs.CR
Formal Analysis of UMTS Privacy
移动通信设备的普遍存在和移动数据应用的持续发展(其导致高水平的移动设备的活动和交换的数据,通常对用户透明)使得隐私保护成为移动电话系统的重要特征。我们使用应用的pi演算和ProVerif工具对UMTS认证和密钥协商协议进行了正式分析。我们正式验证模型的隐私属性。我们展示了一种可链接性攻击,这使得它有可能,对于低成本设备的个人,跟踪UMTS用户。该攻击利用了设计不当的错误消息泄露的信息。
2011-09-09 cs.CR
Privacy Bills of Materials: A Transparent Privacy Information Inventory for Collaborative Privacy Notice Generation in Mobile App Development
本文提出 PriBOM 隐私物料清单方法,通过团队角色协作、静态分析与隐私声明分析预填充,支持移动应用透明化隐私文档和隐私声明生成。
2025-03-16 cs.CR cs.SE
On the Privacy of the Opal Data Release: A Response
本文档是对墨尔本大学关于Opal数据集发布隐私的报告的回应。Opal数据集由Data 61(CSIRO)与新南威尔士州交通局(TfNSW)联合发布。这些数据包括两个单独的星期的“自来水/自来水”数据的个人谁使用任何四种不同的公共交通方式从TfNSW:公共汽车,轻轨,训练和渡轮。这些点击是通过智能票务系统记录的,该系统被称为Opal,可在澳大利亚新南威尔士州使用。
2017-05-24 cs.CR
Beyond GDPR: Examining Disclosure Gaps in Mobile AR Privacy Policies under U.S. State Privacy Laws
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);Rochester Institute of Technology(罗切斯特理工学院);Hong Kong Baptist University(香港浸会大学)
研究美国各州隐私法下移动增强现实隐私政策披露差距,构建数据集,得出分类法并建立自动化流程进行审计,发现广泛差距,四项要求违规率超90%,还发布相关资源支持未来研究。
2026-07-28 cs.CR
Anonymizing Periodical Releases of SRS Data by Fusing Differential Privacy
开发了自发报告系统(SRS),以收集包含个人人口统计学和敏感信息(如药物适应症和不良反应)的不良事件记录。SRS数据的发布可能会泄露数据提供者的隐私。与其他微数据不同,很少有人提出匿名化方法来保护个人隐私,同时发布SRS数据。MS(k,θ*)-bounding是SRS数据的第一个隐私模型,它考虑了多个单独的记录,多值敏感属性和罕见事件。然后提出了PPMS(k,θ*)-定界方法,解决了周期性SRS发布场景中后续事件引起的交叉发布攻击问题。微数据匿名化的一个新趋势是将传统的语法模型和差分隐私模型相结合,融合了两种模型的优点,产生了一种更好的隐私保护方法。本文提出了PPMS-DP(k,θ*,ε)框架,该框架是PPMS(k,θ*)-边界的增强,包含差分隐私,以提高周期性发布SRS数据的隐私保护。我们提出了两个符合PPMS-DP(k,θ*,ε)框架的匿名化算法PPMS-DPnum和PPMS-DPall。在FAERS数据集上的实验结果表明,PPMS-DPnum和PPMS-DPall都比PPMS-(k,θ*)-bounding提供了明显更好的隐私保护,而不牺牲数据失真和数据效用.
2022-11-19 cs.CR
Release Connection Fingerprints in Social Networks Using Personalized Differential Privacy
在社交网络中,不同的用户可能具有不同的隐私偏好,并且存在许多具有公共身份的用户。大多数关于差异化私人社交网络数据发布的工作都忽略了这一事实。我们的目标是在用户级个性化隐私偏好下,发布私人用户在n跳内连接的公共用户数量,称为n范围连接指纹(CFPs)。针对基于个性化差分隐私(PDP)的CFPs的隐私保护发布,提出了基于距离的指数预算吸收(DEBA)和基于距离的阶梯函数均匀预算吸收(DUBA-LF)两种方案,并对这两种方案的隐私保护性能进行了理论分析.在真实数据集上的实验结果表明,该方案在发布错误方面具有较好的性能。
2017-11-24 cs.CR
An Empirical Analysis of Google Play Data Safety Disclosures: A Consistency Study of Privacy Indicators in Mobile Gaming Apps
Umm Al-Qura University(乌姆古拉大学)
本研究通过分析41款移动游戏应用,探讨开发者报告的数据安全披露与APK中提取的隐私指标一致性,发现设备ID披露一致性较高,而位置、个人信息和数据共享存在显著不一致。
2026-03-25 cs.CR
Conciliating Privacy and Utility in Data Releases via Individual Differential Privacy and Microaggregation
本文提出基于个体差分隐私(iDP)与微聚合预处理的数据发布方法,通过降低记录变化敏感性来减少噪声,在强隐私(小ε)下保持数据效用,实验证明其优于传统DP。
2023-12-21 cs.CR
Joint Optimization of Privacy and Cost of in-App Mobile User Profiling and Targeted Ads
在线移动广告生态系统提供广告和分析服务,收集、汇总、处理和交易大量消费者的个人数据,并进行基于兴趣的广告定位,这引发了严重的隐私风险,用户在使用互联网服务时感到不舒服的趋势日益增长。在本文中,我们解决用户的隐私问题,通过开发一个最佳的动态优化成本效益的框架,以保护用户隐私的分析,基于广告的推理,时间应用程序的使用行为模式,和基于兴趣的广告定位。在解决这个动态模型的一个主要挑战是缺乏知识的分析过程中随时间变化的更新。我们制定了一个混合整数优化问题,并开发了一个等价的问题,表明该算法不需要随时间变化的用户行为更新的知识。接下来,我们开发了一种在线控制算法来解决等价问题,并通过将其分解为各种情况来克服求解非线性规划的困难,并实现用户隐私,成本和定向广告之间的权衡。我们进行了广泛的实验,并通过使用POC(概念验证)“系统应用程序”实现其关键组件来证明所提出的框架的适用性。我们比较所提出的框架与其他隐私保护方法,并调查它是否实现了更好的隐私和功能的各种性能参数。
2022-05-10 cs.CR
PrivFL: Practical Privacy-preserving Federated Regressions on High-dimensional Data over Mobile Networks
联邦学习(FL)使大量用户能够共同学习由集中式服务器协调的共享机器学习(ML)模型,其中数据分布在多个设备上。这种方法使服务器或用户能够使用梯度下降来训练和学习ML模型,同时将所有训练数据保持在用户的设备上。我们考虑在移动网络上训练ML模型,其中用户辍学是一种常见现象。虽然联邦学习旨在降低数据隐私风险,但ML模型隐私并没有受到太多关注。在这项工作中,我们提出了PrivFL,这是一个隐私保护系统,用于训练(预测)线性和逻辑回归模型以及联邦设置中的不经意预测,同时保证数据和模型隐私,并确保用户退出网络的鲁棒性。基于加性同态加密(HE)方案和聚合协议,设计了两种隐私保护协议用于训练线性和逻辑回归模型。利用联邦学习的训练算法,在我们的训练协议的核心是一个安全的多方全局梯度计算活用户的数据。我们分析了我们的训练协议对半诚实的对手的安全性。只要聚合协议在聚合隐私博弈下是安全的,并且加性HE方案是语义安全的,PrivFL保证了用户对服务器的数据隐私,以及服务器对用户的回归模型隐私。我们展示了PrivFL在真实数据集上的性能,并展示了它在联邦学习系统中的适用性。
2020-04-05 cs.CR
UniHand: Privacy-preserving Universal Handover for Small-Cell Networks in 5G-enabled Mobile Communication with KCI Resilience
针对 5G 小基站高频切换中的认证与隐私缺陷,本文提出 UniHand 通用切换方案,实现双向认证、强匿名、前向保密、无密钥托管和 KCI 弹性,并通过形式化分析与实验验证其安全性和成本效益。
2024-04-04 cs.CR
The Feasibility of Dynamically Granted Permissions: Aligning Mobile Privacy with User Preferences
当前的智能电话操作系统通过在首次使用时询问的基础上提示用户来调节应用许可。先前的研究表明,这种方法是无效的,因为它没有考虑上下文:应用程序首次请求访问数据的情况可能与随后请求访问的情况有很大不同。我们进行了一项纵向的131人的实地研究,以分析用户隐私决策背后的背景,以规范对敏感资源的访问。我们构建了一个分类器,通过检测上下文何时发生变化来代表用户做出隐私决策,并在必要时根据用户过去的决策和行为推断隐私偏好。我们的目标是在没有进一步用户干预的情况下自动授予适当的资源请求,拒绝不适当的请求,并且仅在系统不确定用户偏好时提示用户。我们表明,我们的方法可以准确地预测用户的隐私决策的96.8%的时间,这是一个四倍的出错率降低相比,目前的系统。
2017-03-06 cs.CR
The Privacy Exposure Problem in Mobile Location-based Services
移动位置服务(LBS)是由移动众包提供的基于用户位置的上下文感知智能服务。由于智能手机能够收集和传播大量的用户位置嵌入式传感信息,移动用户的隐私保护已成为一个至关重要的问题。本文提出了一个度量隐私暴露量化的概念,这是主观的和定性的性质,以支持移动LBS评估隐私保护解决方案的有效性。该指标结合了活动覆盖率和活动一致性,以解决两个主要的隐私威胁,即活动热点披露和活动转换披露。此外,我们提出了一种算法来最大限度地减少移动LBS的隐私暴露。我们通过大量的模拟评估所提出的度量和隐私保护传感算法。此外,我们还实现了基于Android的移动系统中的算法,并进行了真实世界的实验。我们的模拟和实验结果表明,(1)所提出的度量可以适当地量化在空间域中的人类活动的隐私暴露水平和(2)所提出的算法可以有效地掩盖用户的活动热点和过渡在高和低用户移动水平。
2018-08-02 cs.CR cs.NI
Proceedings of the Third Workshop on Mobile Security Technologies (MoST) 2014
这是2014年5月17日在美国加利福尼亚州圣何塞举行的第三届移动安全技术研讨会(MoST)的会议记录。该研讨会是IEEE计算机协会安全和隐私研讨会的一部分,与IEEE安全和隐私研讨会一起举行。
2014-10-24 cs.CR
Differentially-private Continual Releases against Dynamic Databases
针对动态数据库差分隐私持续发布的研究空白,提出将动态数据库表示为变更日志的方法,论证变更约束必要性,探究两类持续发布模式的隐私特性与预算优化,还扩展至本地差分隐私并提出随机响应持续发布新方法。
2023-05-05 cs.CR
Privacy-aware Secure Region-based Handover for Small Cell Networks in 5G-enabled Mobile Communication
5G移动通信网络提供用户和服务提供商之间的无缝通信,并承诺实现几个严格的要求,例如无缝移动性和大规模连接。虽然5G可以提供许多好处,但安全和隐私问题仍然需要解决。例如,将小小区网络(SCN)纳入5G,使网络更接近连接的用户,提供更好的服务质量(QoS),导致切换过程(HO)的数量显著增加,这将影响网络的安全性、延迟和效率。因此,设计一个方案,通过安全认证,以避免SCN的后果,支持无缝切换是至关重要的。为了解决这个问题,本文提出了一种基于区域的安全切换方案,具有用户匿名性和有效的撤销机制,支持5G中SCN的无缝连接。在这种情况下,我们介绍了三个隐私保护认证协议,即,初始认证协议、区域内切换协议和区域间切换协议,用于处理三种通信场景。据我们所知,这是第一篇考虑5G通信中区域内和区域间切换场景中的隐私和安全性的论文。我们提出的方案的详细的安全性和性能分析表明,它是对许多安全威胁的弹性,是具有成本效益的计算,并为5G移动通信提供了一个有效的解决方案。
2022-06-20 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
Mobile Privacy-Preserving Crowdsourced Data Collection in the Smart City
智慧城市依靠动态和实时数据来实现智能城市应用,如智能交通和流行病检测。然而,来自物联网设备的大数据流,特别是来自行人和汽车等移动平台的大数据流,引发了严重的隐私问题。未来的自动驾驶汽车将产生、收集和消费大量数据,用于提供安全、高效的交通解决方案。感测数据将内在地包含个人可识别和可归因的信息-外部(其他车辆、环境)和内部(驾驶员、乘客、设备)。自动驾驶车辆连接到基础设施云(例如,Amazon)、边缘云以及移动云(车对车)。显然,这些不同的实体在路由和传输高度动态的数据时必须及时地进行合作和互操作。为了最大限度地提高感测数据的可用性和效用,利益相关者必须有信心,他们传输,接收,汇总和推理的数据始终得到适当的保护和保护。为数据交换提供端到端安全性有许多不同的比喻,但它们通常需要管理和控制侧通道。这项工作提出了一个可扩展的智能城市隐私保护架构,名为授权分析,使每个节点(例如车辆)能够泄露(上下文)本地私有化数据。授权分析被证明可以优雅地扩展到物联网范围部署。
2016-07-11 cs.CR
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
TRIDENT -- A Three-Tier Privacy-Preserving Propaganda Detection Model in Mobile Networks using Transformers, Adversarial Learning, and Differential Privacy
针对移动平台宣传内容检测的隐私与准确率平衡问题,提出结合Transformer、对抗学习与差分隐私的三层TRIDENT模型,在二分类数据集上以0.83的F1分数实现强隐私保护与极小性能损失。
2025-06-12 cs.CR cs.CY
Quantifying Temporal Privacy Leakage in Continuous Event Data Publishing
流程挖掘利用从不同类型的信息系统中提取的事件数据来发现和分析实际的流程。事件数据通常包含关于执行活动的人或为其执行活动的人的高度敏感信息。因此,过程挖掘中的隐私问题越来越受到关注。为了减轻隐私相关的风险,已经提出了几种隐私保护技术。差分隐私是提供强隐私保证的这些技术之一。然而,所提出的技术假定事件数据仅在一次拍摄中发布,而业务流程是连续执行的。因此,事件数据重复发布,导致额外风险。在本文中,我们证明了连续发布的事件数据是不独立的,和不同的版本之间的相关性可能会导致隐私退化时,相同的差分隐私机制被应用到每个版本。我们量化这种隐私退化的形式的时间隐私泄漏。我们将连续事件数据发布场景应用于现实生活中的事件日志,以展示隐私泄露。
2022-09-29 cs.CR
A Narrative Review of Identity, Data, and Location Privacy Techniques in Edge Computing and Mobile Crowdsourcing
Toronto Metropolitan University(多伦多都会大学)
本文综述移动众包与边缘计算中的身份、数据和位置隐私保护技术,梳理文献趋势、技术进展及未来方向。
2024-10-28 cs.CL cs.CR
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
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
Privacy-preserving mHealth Data Release with Pattern Consistency
结合可穿戴传感技术和无线通信技术的移动医疗系统可以持续监测用户的健康状况。然而,mHealth系统引发了严重的隐私问题,因为它收集的数据是私人信息,例如心率和血压。在本文中,我们提出了一个有效的和隐私保护的mHealth数据发布方法的统计数据的目标,以保持原始数据箱中的独特模式。该方法采用桶划分算法和差分隐私算法进行隐私保护。提出了一种定制的桶划分算法,根据一定的条件和参数将数据库的值桶组合成桶,以保持模式。然后将差分隐私算法应用于桶,以防止攻击者能够识别原始数据的微小更改。我们证明了所提出的方法实现了差分隐私。我们还显示了所提出的方法的准确性,通过大量的模拟真实数据。真实的实验表明,我们的分区算法优于国家的最先进的保持原始数据的模式的一个因素的1.75。
2018-09-12 cs.CR
Practical Attacks Against Privacy and Availability in 4G/LTE Mobile Communication Systems
移动通信系统现在构成全世界生活的重要部分。正在部署第四代“长期演进”(LTE)移动通信网络。LTE规范套件被认为不仅在功能方面而且在用户的安全性和隐私方面都明显优于其前身。我们仔细分析了LTE接入网络协议规范,发现了几个漏洞。使用商用LTE移动设备在真实的LTE网络中,我们证明了利用这些漏洞的廉价,实用的攻击。我们的第一类攻击包括三种不同的方式,使LTE设备泄漏其位置:半被动攻击者可以在城市内的2个区域内定位LTE设备,而主动攻击者可以通过蜂窝塔信号强度信息使用GPS坐标或三边测量精确定位LTE设备。sq.km第二类攻击可以持续拒绝向目标LTE设备提供部分或全部服务。据我们所知,我们的工作构成了第一个公开报道的针对LTE接入网络协议的实际攻击。我们提出了几种对策来抵御我们的特定攻击。我们还讨论了可能的权衡,可以解释为什么这些漏洞存在,并建议安全裕度引入到未来的规范,以解决这种权衡应纳入更大的灵活性,以适应随后的变化,在权衡平衡。
2017-08-07 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
Geo-MOEA: A Multi-Objective Evolutionary Algorithm with Geo-obfuscation for Mobile Crowdsourcing Workers
移动互联网和共享经济的快速发展带来了空间众包的繁荣。SC应用根据任务请求者和外包工人(如滴滴、美团和Uber)上报的位置信息分配各种任务。然而,SC服务器通常不值得信赖,并且暴露用户的位置会引起隐私问题。在本文中,我们设计了一个框架称为Geo-MOEA(多目标进化算法与地理混淆),以保护在移动网络环境中的工作人员参与SC平台的位置隐私。我们提出了一种自适应的区域化混淆方法与推理误差界的基础上的地理不可侵犯性(一个强的概念,差分隐私),这是适合于大规模的位置数据和任务分配的情况下。这使得每个工作者能够报告利用个性化推断误差阈值自适应地生成的伪位置。此外,作为一种流行的计算智能方法,MOEA被引入到SC服务可用性和隐私保护之间的权衡优化,同时确保理论上的最一般的条件下保护位置集更大的搜索空间。最后,在两个公共数据集上的实验结果表明,我们的Geo-MOEA方法在保证差分和地理失真位置隐私的同时,实现了高达20%的服务质量损失减少。
2022-11-17 cs.CR
Secure Data Storage Structure and Privacy-Preserving Mobile Search Scheme for Public Safety Networks
在公共安全(PS)情况下,代理可能需要关键和个人身份信息。因此,不仅需要提供上下文和位置感知信息,而且还应该保护这些信息的隐私。现有的解决方案没有解决PS环境中的这样的问题。本文提出了一个框架,其中匿名的个人信息(PI)是访问授权的公共安全代理人在PS环境下。特别是,我们提出了一个安全的数据存储结构,以及隐私保护的移动搜索框架,适用于公共安全网络(PSN)。因此,同时实现了PI的可用性和隐私性。然而,这样一个框架的设计遇到了很大的挑战,包括可扩展性,数据的可靠性,计算和通信和存储效率等,我们利用安全索引(SI)的方法和修改布隆过滤器(BF)创建一个安全的数据存储结构来存储加密的元数据。因此,我们的建设,使安全和隐私保护的多关键字搜索能力。此外,我们的系统扩展性非常好,保持数据的可用性,施加最小的延迟,并具有负担得起的存储开销。我们提供了广泛的安全分析,仿真研究,并与最先进的解决方案的性能比较,以证明所提出的方法的效率和有效性。据我们所知,这项工作是第一次在私营部门战略框架内解决这些问题。
2016-02-14 cs.CR
Online Context-aware Data Release with Sequence Information Privacy
本文提出序列信息隐私(SIP)这一新隐私概念,兼顾数据流内在相关性与轻量级模块化设计,并针对瞬时与批量两种在线发布模型提出数据扰动机制,在提供与LDP相似隐私保证的同时实现两倍以上的效用提升。
2023-07-26 cs.CR
ZKSENSE: A Friction-less Privacy-Preserving Human Attestation Mechanism for Mobile Devices
最近的研究表明,20.4%的互联网流量来自自动代理。为了识别和阻止这种恶意的流量,验证用户人性的机制被广泛部署,其中CAPTCHA是最受欢迎的。传统的CAPTCHA需要额外的用户努力(例如,解决数学难题),这可能严重降低最终用户的体验,特别是在移动设备上,并提供对可疑准确性的零星人性化验证。最近的解决方案,如谷歌的reCAPTCHA v3,利用用户数据,从而引起了严重的隐私问题。为了解决这些问题,我们提出了zkSENSE:第一个基于零知识证明的人性认证系统的移动设备。zkSENSE将人类认证移动到边缘:到用户自己的设备上,在那里以隐私保护和无缝的方式评估用户的人性化。zkSENSE通过基于通过使用公开可用的传感器数据和从一小群志愿者收集的数据训练的模型对移动终端的运动传感器输出进行分类来实现这一点。为了确保过程的完整性,分类结果包含在一个可以与远程服务器安全共享的人性零知识证明中。我们将zkSENSE实现为Android服务,以证明其有效性和实用性。在我们的评估中,我们表明zkSENSE成功地验证了用户在各种攻击场景中的人性,并展示了92%的准确率。在一台使用两年的三星S9上,zkSENSE的认证大约需要3秒(而视觉验证码需要9.8秒),并且消耗的电池量可以忽略不计。
2021-09-07 cs.CR