Revisiting Secure Computation Using Functional Encryption: Opportunities and Research Directions
越来越多的安全危害和隐私泄露事件引起了与网络空间有关的严重隐私问题。这种隐私问题有助于制定一些法规和法案，以限制隐私敏感数据的可用性和使用。安全计算问题最初由Andrew Yao于1986年正式提出，并被称为安全两方计算，由于其在构建许多现有的隐私保护方法中的基础作用，一直是学术界研究的焦点。现有的安全计算解决方案大多依赖于混淆电路和同态加密技术来解决安全计算问题，包括效率和安全保证。然而，在新兴的计算密集型和数据密集型应用（诸如新兴的机器学习解决方案）中采用这些安全计算方法仍然具有挑战性。最近提出的函数加密方案已经显示出其作为最近提出的隐私保护机器学习方法中的底层安全计算基础的前景。本文回顾了安全计算问题，新兴的和有前途的功能加密技术，并提出了一个全面的研究。我们首先简要总结了现有的传统安全计算方法建立在混淆电路，不经意传输，和同态加密技术。然后，我们阐述了新兴的功能加密的安全计算方法的独特性和挑战，并概述了几个研究方向。
2020-12-07 cs.CR
FL-DABE-BC: A Privacy-Enhanced, Decentralized Authentication, and Secure Communication for Federated Learning Framework with Decentralized Attribute-Based Encryption and Blockchain for IoT Scenarios
提出融合DABE、HE、SMPC与区块链的FL-DABE-BC框架，在物联网设备端实现去中心化认证加密，并通过雾层安全聚合与差分隐私保护模型训练。
2024-10-26 cs.CR
Secure and Privacy-Friendly Local Electricity Trading and Billing in Smart Grid
本文提出了两个分散的，安全的和隐私友好的协议，分别为本地电力交易和计费。交易协议采用基于安全多方计算的竞价算法，并允许用户在他们自己之间交易他们的多余电力。投标选择和交易价格的计算以分散和不经意的方式进行。计费协议基于一种简单的隐私友好型聚合技术，允许供应商计算客户的月度账单，而无需了解他们的细粒度用电数据。我们还使用真实数据实现并测试了交易协议的性能。我们的研究结果表明，它可以在不到5分钟的在线阶段进行2500投标，显示其可行性为一个典型的电力交易期为30分钟。
2018-01-25 cs.CR
FAPL-DM-BC: A Secure and Scalable FL Framework with Adaptive Privacy and Dynamic Masking, Blockchain, and XAI for the IoVs
本文提出FAPL-DM-BC框架，结合自适应隐私学习、动态掩码、区块链溯源、安全聚合与可解释AI，为车联网提供安全、可扩展且可解释的联邦学习方案。
2025-01-02 cs.CR
Privacy Preserving k Secure Sum Protocol
安全多方计算（SMC）允许各方知道协同计算的结果，同时保护个人数据的隐私。安全和计算是SMC的一个重要应用。在我们提出的协议中，允许各方计算总和，同时保持他们的个人数据的秘密，增加了计算复杂性的黑客个人数据。在本文中，单个当事人的数据被分解成一个固定数量的段。为了增加复杂性，我们使用了随机化技术与分割
2009-12-04 cs.CR
FL-DECO-BC: A Privacy-Preserving, Provably Secure, and Provenance-Preserving Federated Learning Framework with Decentralized Oracles on Blockchain for VANETs
本文提出FL-DECO-BC框架，结合区块链去中心化预言机与联邦学习，为VANETs提供隐私保护、可证明安全和数据来源可追溯的分布式机器学习方案。
2024-07-30 cs.CR
Multi-party Secure Broad Learning System for Privacy Preserving
多方学习是通过整合来自多方的数据来提高学习性能的一种不可或缺的技术。不幸的是，直接集成多方数据将无法满足隐私保护要求。因此，隐私保护机器学习（PPML）成为多方学习中的一个重要研究课题。本文提出了一种基于安全多方交互协议的PPML方法，即多方安全广义学习系统（MSBLS），并给出了该方法的安全性分析。现有的PPML方法一般不能同时满足安全性、准确性、效率和适用范围等多方面的要求，而MSBLS在这些方面都取得了令人满意的效果。该方法采用交互式协议和随机映射生成数据的映射特征，然后采用高效的广义学习方法对神经网络进行训练分类器。这是第一个结合安全多方计算和神经网络的隐私计算方法。从理论上讲，这种方法可以保证模型的精度不会因为加密而降低，而且计算速度非常快。我们在三个经典数据集上验证了这一结论。
2022-06-22 cs.CR
Privacy-Preserving Credit Card Approval Using Homomorphic SVM: Toward Secure Inference in FinTech Applications
本文提出PP-FinTech方案，利用CKKS同态加密SVM、混合核和自适应阈值机制，在信用卡审批中实现隐私保护且性能接近明文模型的安全金融机器学习推理。
2025-05-09 cs.CR
Privacy-Preserving Detection Method for Transmission Line Based on Edge Collaboration
针对输电线路图像在边缘协同检测中的隐私泄露问题，提出基于 MPC 的 SecYOLOv7 安全单阶段模型，并通过双非边缘服务器协议实现低开销、低误差的隐私保护检测。
2023-08-17 cs.CR
Lockcoin: a secure and privacy-preserving mix service for bitcoin anonymity
Lockcoin通过混合服务实现比特币匿名性，采用盲签名和多签名方案，提供高效且安全的匿名解决方案。
2026-01-07 cs.CR
A Privacy Preserving Collusion Secure DCOP Algorithm
近年来，一些研究提出了解决分布式约束优化问题（DCOPs）的隐私保护算法。所有这些研究都假设代理人不会串通。在这项研究中，我们提出了第一个隐私保护的DCOP算法，是免疫联盟，诚实的大多数的假设下。我们的算法- PC-SyncBB -是基于经典的分支定界DCOP算法。它提供约束、拓扑和决策隐私。我们评估其性能不同的基准，问题的大小和约束密度。我们表明，实现安全联盟是可行的。由于所有现有的隐私保护DCOP算法的基础上，他们的安全性假设单独进行的代理，我们认为这项研究是必要的第一步，解除这一潜在的有害假设，在所有这些算法。
2019-05-22 cs.CR
Secure and Privacy-preserving Network Slicing in 3GPP 5G System Architecture
本文提出SPNS协议，结合5G网络切片与洋葱路由，防止RAN节点或攻击者获取完整切片信息，实现端到端加密，并通过实验验证其在多跳环境中保护用户隐私和提升通信安全性的效果。
2023-05-27 cs.CR
Secure protocol to protect location privacy in distance calculation
一些应用程序需要计算不同人之间的距离。例如，如果我们想在流行病的情况下获得人们的密切接触者，或者当法官施加限制令时，就需要这样做。然而，定期披露位置可能会对相关方构成隐私威胁。连续的位置数据可以用来推断个人信息的所有者，如行为，宗教信仰，购买习惯，例程等，在本文中，我们表明，它是可能的计算双方之间的距离，而不透露他们的纬度和经度数据。为此，我们设计了一个安全的协议的基础上的ElGamal密码系统及其同态性质。该协议允许计算距离，同时保护位置隐私。协议的安全性和性能进行了分析。安全性分析表明，任何参与方都无法获知有关位置的任何信息。
2020-04-11 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
Privacy-Enhanced Living: A Local Differential Privacy Approach to Secure Smart Home Data
本文提出一种基于本地差分隐私和随机响应技术的智能家居数据保护系统，通过在聚合器端结合混淆方法与隐马尔可夫模型，实现双层隐私保护，以应对物联网设备带来的安全挑战。
2023-08-06 cs.CR
Privacy-Preserving Patient Identity Management Framework for Secure Healthcare Access
Institut national de la recherche scientifique（国家科学研究院）
本文提出一种隐私保护的患者身份管理框架，旨在满足医疗保健的操作和监管需求，通过根信任锚、匿名假名和条件可追溯机制，在确保操作可靠性的同时提供强隐私保护。
2026-03-07 cs.CR
Optimal Accuracy-Privacy Trade-Off for Secure Multi-Party Computations
安全多方计算的目的是使协议参与者能够计算他们的私人输入的公共函数，同时保持他们的输入秘密，而不求助于任何可信的第三方。然而，公开这些计算的公共输出不可避免地会揭示一些关于私有输入的信息。我们提出了一个措施，推广Renyi熵和g-熵，以量化这种信息泄漏。为了控制和抑制这种信息流，我们引入了函数替换的概念，用一个近似函数的计算来代替一个揭示敏感信息的函数的计算。我们展示了这种方法提供的隐私增益的理论界限，并通过实验表明，这提高了输入的机密性，同时控制计算输出值的失真。最后，我们调查固有的妥协之间的准确性的计算和隐私的输入，我们演示了如何实现这种最佳的权衡。
2018-03-01 cs.CR
When Secure Aggregation Falls Short: Achieving Long-Term Privacy in Asynchronous Federated Learning for LEO Satellite Networks
本文针对低轨卫星网络中传统安全聚合在间歇可见性和多轮隐私泄露方面的不足，提出异步联邦学习框架LTP-FLEO，通过隐私感知卫星划分、模型年龄平衡和公平全局聚合实现长期隐私保护并加速收敛。
2025-08-19 cs.CR
A Novel Framework using Elliptic Curve Cryptography for Extremely Secure Transmission in Distributed Privacy Preserving Data Mining
隐私保护数据采掘是一种在挖掘过程中确保个人信息隐私的方法。最重要的任务是从分布的多个数据库中检索信息。数据一旦进入数据仓库，就可以被挖掘算法用来检索机密信息。建议的框架有两个主要任务，安全传输和保密信息在采矿过程中。安全传输是通过使用椭圆曲线密码和数据失真的隐私保护，确保高度安全的环境。
2012-04-12 cs.CR cs.DB
Leveraging Secure Multiparty Computation in the Internet of Things
物联网中的集中式系统--无论是本地中间件还是基于云的服务--都无法从根本上解决所收集数据的隐私问题。我们提出了一个架构，其核心是安全多方计算，以实现数据处理系统已经纳入支持隐私保护的架构。
2018-06-06 cs.CR
On the Security of Privacy-Preserving Vehicular Communication Authentication with Hierarchical Aggregation and Fast Response
在[3]中，作者提出了一种用于安全车辆通信的高效安全和隐私保护方案。该方案由四个协议组成：系统设置，STP和STK分发协议，公共字符串同步协议，以及车载通信协议。在这里，我们定义了安全模型的协议，STP和STK分布，以及协议的车辆通信，分别。然后，我们证明了这两个协议是安全的，在我们的模型。
2015-08-07 cs.CR
The Communication-Friendly Privacy-Preserving Machine Learning against Malicious Adversaries
针对恶意敌手下隐私保护机器学习（PPML）的性能开销问题，提出一种基于GPU的高效安全多方计算（MPC）协议，支持线性和非线性层，实现跨多种机器学习模型的安全高效推理。
2024-11-14 cs.CR
SPRESSO: A Secure, Privacy-Respecting Single Sign-On System for the Web
单点登录（SSO）系统，如OpenID和OAuth，允许网站，所谓的依赖方（RP），将用户身份验证委托给身份提供商（IdP），如Facebook或Google。这些系统非常受欢迎，因为它们为用户提供了一种方便的方式来登录RP，并将用户身份验证的大部分负担从RP转移到IdP。然而，目前的系统有一个缺点，因为它们不尊重用户的隐私：IdP知道用户在哪个RP登录。除了一个例外，即Mozilla的BrowserID系统（a.k.a. Mozilla Persona），目前的SSO系统甚至没有考虑到用户隐私。不幸的是，最近发现的利用BrowserID设计缺陷的攻击表明BrowserID也不提供用户隐私。因此，在本文中，我们提出了第一个隐私尊重单点登录系统的Web，称为SPRESSO（安全隐私尊重单点登录）。该系统易于使用，分散和平台无关。它完全基于标准的HTML5和Web功能，不使用浏览器扩展，插件或其他可执行文件。现有的单点登录系统和对这种系统的大量攻击说明安全单点登录系统的设计是非常重要的。因此，我们还进行了形式化的分析SPRESSO的表达模型的基础上，以正式证明SPRESSO享有强大的身份验证和隐私属性。
2015-08-07 cs.CR
Secure Random Sampling in Differential Privacy
差分隐私是保护敏感数据隐私的最突出的技术之一，这归因于其强大的数学保证和对大量数据计算的普遍适用性，包括统计分析和机器学习。以前的工作表明，具体实施的差分隐私机制是容易受到统计攻击。此漏洞是由实数值近似为浮点数造成的。本文提出了一种实用的解决方案，有限精度浮点漏洞，其中拉普拉斯分布的逆变换采样本身可以被反转，从而使攻击的原始值可以检索到不可忽视的优势。所提出的解决方案具有推广到任何无限可分的概率分布的优点，并在现代架构中的简单实现。最后，该解决方案已被设计为使侧信道攻击不可行，因为固有的指数，在域的大小，蛮干攻击。
2021-11-24 cs.CR
Privacy Preserving and Ownership Authentication in Ubiquitous Computing Devices using Secure Three Way Authentication
在今天的技术和小工具的世界几乎每个人都有一个便携式设备，无论是笔记本电脑或智能手机。用户希望所有的服务都在他的指尖，并通过他拥有的便携式设备访问它们。也许他想从其他用户或服务提供商那里获得一些数据，或者他想在家里控制他的智能设备。在当前的移动环境时代，用户设备和服务提供商之间的交互必须足够安全，而不管用于访问或利用服务的设备的类型如何。在本文中，我们提出了一个“安全的三路认证（STWA）”技术，旨在保护用户的隐私，并完成所有权认证，以安全地提供服务的用户设备。该技术还将帮助用户或服务提供商在交换的加密密码短语的帮助下检查设备是否受到损害。
2012-06-05 cs.CR
Privacy Preserving Ultra-Short-term Wind Power Prediction Based on Secure Multi Party Computation
挖掘风电场输出数据的时空相关性有利于提高超短期风电功率预测的精度。然而，如果风电场由独立的实体拥有，由于隐私问题以及业务管理法规政策，他们可能不愿意直接分享他们的数据。虽然在数据共享过程中已经设计了加密方法来保护隐私，但是在机器学习过程中，在提取多个风电场之间的非线性关系的同时对原始数据进行加密仍然是一个具有挑战性的问题。本文介绍了一种基于机器学习树模型和安全多方计算（SMPC）的技术，可以成功地提取复杂的关系，同时保护数据隐私。提出了一种基于最大平均差异（MMD）的方案，有效地选择相邻的候选风电场参与协同模型训练，从而提高了模型训练的准确性，减轻了数据采集的负担。在中国内蒙古的一组风电场收集的真实世界数据上，对所提出的方法进行了评估，表明它能够在保护隐私的同时实现相当大的效率和性能改进
2023-01-31 cs.CR
How to Securely Shuffle? A survey about Secure Shufflers for privacy-preserving computations
University of Twente（特文特大学）；Inria（法国国家信息与自动化技术研究院）
本文综述了26种安全洗牌协议，分析其分类、比较及隐私保护技术，提供选择指南和未来研究方向。
2025-12-01 cs.CR cs.LG
A Secure and Efficient Direct Power Load Control Framework Based on Blockchain
直接负荷控制（DLC）的安全性和隐私性是智能电网的一个基本挑战。在本文中，我们提出了一个基于区块链的框架来提高DLC的安全性和隐私性。我们提出了一种方法，使参与节点共享他们的数据与分销公司在一个匿名和安全的方式。为了减少数据分发的相关开销，我们提出了一种基于哈希的事务生成方法。我们还概述了DLC的过程中管理负载的消费者网站。定性分析证明了所提出的方法的安全性和隐私。
2018-12-20 cs.CR
A framework of blockchain-based secure and privacy-preserving E-government system
电子政府（e-government）利用信息和通信技术有效、高效和透明地向个人和组织提供公共服务。电子政务是最复杂的系统之一，需要分布式、安全和隐私保护，这些系统的失败可能会在经济和社会上付出高昂的代价。大多数现有的电子政务系统，如网站和电子身份管理系统，都集中在重复的服务器和数据库上。集中式管理和验证系统可能遭受单点故障，并使系统成为网络攻击的目标，例如恶意软件、拒绝服务攻击（DoS）和分布式拒绝服务攻击（DDoS）。区块链技术可以实现高度安全和隐私保护的分散系统，其中交易不受任何第三方组织的控制。使用区块链技术，现有数据和新数据存储在块的密封隔间中（即，账本）以可验证和不可变的方式分布在网络上。区块链技术增强了信息安全和隐私，其中数据在整个网络中加密和分布。本文提出了一种基于区块链技术的去中心化电子政务点对点（P2P）系统框架，该框架可以在保证信息安全和隐私的同时，提高公共部门的信任度。此外，提出了一个原型的建议系统，与理论和定性分析的支持，这种系统的安全和隐私的影响。
2020-06-25 cs.CR
Pure Differential Privacy from Secure Intermediaries
最近的工作在差分隐私探索了本地随机化与安全的中介相结合的前景。具体来说，在安全混洗模型（其中中介随机地置换消息）以及安全聚合模型（其中中介添加消息）中存在各种协议。这些协议大多局限于近似差分隐私。一个例外是Ghazi，Golowich，Kumar，Manurangsi，Pagh和Velingker的shuffle协议（arXiv：2002.01919）：它在纯差分隐私下计算有界和。它的加性误差是$\tilde{O}(1/\varepsilon^{3/2})$，其中$\varepsilon$是隐私参数。在这项工作中，我们给出了一个新的协议，确保$O(1/\varepsilon)$错误下纯差分隐私。我们还展示了如何使用它来测试均匀分布在$[d]$。测试人员的样本复杂度对$d$有最佳依赖性。我们的工作依赖于一类新的安全中介机构是独立的利益。
2021-12-27 cs.CR cs.DS
Secure and Efficient Privacy-preserving Authentication Scheme using Cuckoo Filter in Remote Patient Monitoring Network
随着智能医疗设备和系统的普遍进步，远程患者监护（RPM）网络在现代医疗系统中的潜力正在发展。医疗专业人员（医生、护士或医学专家）可以通过RPM网络访问有关患者的生命体征和敏感生理信息，并提供适当的治疗以提高生活质量。然而，RPM网络中通信的无线性质使得设计用于安全通信的有效机制具有挑战性。为了保证RPM网络的安全性，近年来提出了许多认证方案。医疗物联网（IoMT）使用假名、数字签名和认证密钥交换（AKE）协议来开发安全授权和隐私保护通信。然而，由于在医院云服务器上维护大量的密钥对或别名结果，传统的认证协议面临开销挑战。在这项研究工作中，我们确定了这一研究差距，并提出了一种新的安全和高效的隐私保护认证方案，使用布谷鸟过滤器的RPM网络。在我们提出的方案中使用布谷鸟过滤器提供了一种有效的方式，相互匿名认证和医疗专业人员和患者之间的秘密共享密钥建立过程。此外，我们使用基于相关性的异常检测模型来识别行为不端的传感器节点，以建立安全的通信。使用SPAN和AVISPA工具的安全性分析和正式的安全验证表明，我们提出的方案对消息修改攻击，重放攻击和中间人攻击的鲁棒性。
2022-11-07 cs.CR
3LSAA: A Secure And Privacy-preserving Zero-knowledge-based Data-sharing Approach Under An Untrusted Environment
随着数据汇集和分析成为许多云应用程序的关键功能，需要与批准方进行适当的数据共享。然而，传统的数据共享方案通过集中的数据托管服务器可能会牺牲所有者的隐私，并且安全性较弱。主要是，服务器物理上拥有所有数据，而原始数据所有者只有虚拟所有权，并失去实际的访问控制。因此，我们提出了一个3层的SSE-ABE-AES（3LSAA）密码为基础的隐私保护的数据共享协议的基础上，假设服务器是诚实的，但好奇。3LSAA协议实现了在服务器不可信的情况下自动访问控制管理和方便的文件搜索。除了实现数据的自我主权，我们的方法还提高了系统的可用性，消除了传统的SSE和ABE方法的缺陷，并提供了一个本地的AES密钥恢复方法，用户的可用性。
2021-10-13 cs.CR
Privacy-Preserving and Secure Spectrum Sharing for Database-Driven Cognitive Radio Networks
University of South Florida（南佛罗里达大学）；Bellini College of Artificial Intelligence, Cybersecurity and Computing（贝利尼人工智能、网络安全与计算学院）；Zurich University of Applied Sciences (ZHAW)（苏黎世应用科学大学）；Department of Informatics, University of Zurich (UZH)（苏黎世大学信息学系）
本文提出SLAPX框架，通过可委托匿名凭证和可验证延迟函数，实现数据库驱动认知无线电网络中的隐私保护频谱共享和安全防御。
2026-03-02 cs.CR
Secure and Privacy-Preserving Authentication for Data Subject Rights Enforcement
本文针对GDPR下数据主体权利执行中的认证问题，提出了一种利用基于属性的凭证和eID，在独立身份提供商帮助下安全且保护隐私地认证数据主体的架构。
2024-04-24 cs.CR
Hiding Your Awful Online Choices Made More Efficient and Secure: A New Privacy-Aware Recommender System
本文提出一种新型隐私感知推荐系统，结合隐私感知机器学习与同态加密、多方计算等密码学原语，无需可信第三方或安全硬件，在保证隐私的同时将计算和内存开销降低三个数量级，首次在低功耗设备上实现1亿条目规模的隐私推荐。
2024-05-30 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
SPOQchain: Platform for Secure, Scalable, and Privacy-Preserving Supply Chain Tracing and Counterfeit Protection
本文提出基于区块链的SPOQchain平台，通过精密批处理机制消除生命周期冗余，在保障用户隐私的同时实现高效、可扩展的供应链追溯与防伪验证。
2024-08-30 cs.CR
Efficient Secure Aggregation for Privacy-Preserving Federated Machine Learning
针对联邦学习安全聚合中通信与计算开销大的问题，提出e-SeaFL协议，利用辅助节点和同态向量承诺实现单轮通信的可验证聚合，效率较现有最优方法提升一个数量级。
2024-11-08 cs.CR
Secure Hot Path Crowdsourcing with Local Differential Privacy under Fog Computing Architecture
众包在物联网（IoT）中起着数据汇集的重要作用，其中一组工作人员配备有互联网连接的地理定位设备，以收集传感器数据用于营销或研究目的。在本文中，我们考虑众包这些工人的热行程路径，每个工人需要报告他的实时位置信息，这是敏感的，必须加以保护。基于加密的方法是保护位置的最直接方式，但不适合资源有限的设备。此外，局部差分隐私是一种强隐私概念，已经被部署在许多软件系统中。然而，局部差分隐私技术需要大量的参与者来保证估计的准确性，而众包并不总是这样。针对这一问题，提出了一种基于trie树的迭代统计方法，该方法结合了加性秘密共享和局部差分隐私技术。该方法具有良好的性能，即使在有限的参与者数量，而不需要复杂的计算。具体而言，所提出的方法包含三个主要组成部分：迭代统计，自适应采样和安全报告。我们从理论上分析了所提出的方法的有效性，并进行了大量的实验表明，所提出的方法不仅提供了严格的隐私保证，但也显着提高了以前现有的解决方案的性能。
2020-12-26 cs.CR
A Secure Communication Scheme for Corporate and Defense Community
安全性是现代通信系统的主要关注点之一。用户需要一个安全的通信环境，在他们与任何人共享消息时为人们提供隐私。隐私是当今的首要关注。本文旨在为发送者和接收者之间的通信提供一个最佳的平台。本文设计的原型系统将为消息路由提供一个更好的匿名路径。它将确保一个完整的隐私，而他或她正在使用这个系统进行通信。由于该系统提供了一个安全的通信环境，它应该是有用的不同的政府和非政府组织内部的秘密通信。执法部门可以使用该系统进行任何操作，因为它将加密和解密消息，以提供安全的通信平台。
2019-03-06 cs.CR
DuetSGX: Differential Privacy with Secure Hardware
差分隐私为个人提供了正式的隐私保证，但许多差异隐私系统的部署需要可信的第三方（数据管理者）。我们提出DuetSGX，这是一个使用安全硬件（英特尔的SGX）的系统，可以消除对可信数据管理员的需求。数据所有者提交的加密数据只能在运行DuetSGX系统的安全区域内解密，确保敏感数据永远不会提供给数据管理者。分析师提交用Duet语言编写的查询，该语言专门用于验证程序是否满足差分隐私; DuetSGX使用Duet类型检查器在运行前验证每个查询是否满足差分隐私。因此，DuetSGX同时提供了本地差分隐私和中央差分隐私的好处：噪音只会添加到最终结果中，不存在可信的第三方。我们已经实现了DuetSGX的概念验证实现，并将其作为开源发布。
2020-10-20 cs.CR cs.DB
AgentCrypt: Advancing Privacy and (Secure) Computation in AI Agent Collaboration
J.P. Morgan AI Research（摩根大通人工智能研究院）
AgentCrypt通过三层框架提升AI代理协作中的隐私和安全计算，解决传统访问控制不足和LLM安全性的不足问题，实现数据安全计算和隐私保护。
2026-05-08 cs.CR
Towards Privacy-Preserving Medical Imaging: Federated Learning with Differential Privacy and Secure Aggregation Using a Modified ResNet Architecture
Istanbul University-Cerrahpasa（伊斯坦布尔大学-切尔拉帕萨分校）；Queen’s University（女王大学）
本文提出结合本地差分隐私、安全多方计算安全聚合与 DPResNet 的联邦医学影像分类框架，并在 BloodMNIST 跨医院场景中验证其可在严格保密下取得接近非隐私模型的性能。
2024-12-01 cs.CR cs.LG
Lightning-Fast and Privacy-Preserving Outsourced Computation in the Cloud
在本文中，我们提出了一个在云中快速保护隐私的外包计算框架，我们称之为LightCom。使用LightCom，用户可以在单个云服务器上安全地实现外包数据存储和快速安全的数据处理，而不是现有的多服务器外包计算模式。具体来说，首先提出了一种面向云服务器的LightCom安全计算框架，该框架在云服务器上配置多个可信处理单元（TPU），可应对侧信道攻击。在LightCom平台下，设计了两个专用的快速处理工具包，分别针对TPU的边信道信息泄漏，实现了常用的安全整数计算和安全浮点计算。此外，我们的LightCom还可以在数据处理过程中保证访问模式保护，并在计算后实现用户隐私信息的检索。我们证明了所提出的LightCom可以成功地实现单一云外包数据处理的目标，以避免额外的计算服务器和可信计算服务器，并使用模拟演示了LightCom的实用性和效率。
2019-09-27 cs.CR
PBF: A New Privacy-Aware Billing Framework for Online Electric Vehicles with Bidirectional Auditability
最近，已经引入了在线电动车辆（OLEV）概念，其中车辆在移动时通过从安装在道路下的基础设施无线传输的电力来推进。缺乏安全和公平的计费是广泛采用这种有前途的技术的主要障碍之一。本文介绍了一种安全和隐私意识的公平计费框架，通过安装在道路下的充电板，在移动中的OLEV。我们首先提出了两种极端轻量级的相互认证机制，一种是直接认证，另一种是基于哈希链的车辆和充电板之间的认证，可用于道路上不同的车辆速度。其次，我们提出了一个安全的和隐私意识的移动无线电力传输的车辆与双向可追溯性的保证，利用博弈论的方法。每个充电板向车辆传输固定量的能量，并相应地以隐私感知的方式向车辆收费。我们的协议保证了安全，隐私意识，公平的计费机制的OLEVs，同时从道路上接收电力。此外，我们提出的框架可以发挥至关重要的作用，消除安全和隐私的挑战，在部署电力传输技术的OLEV。
2015-04-21 cs.CR
SePEnTra: A secure and privacy-preserving energy trading mechanisms in transactive energy market
本文提出SePEnTra模型，利用加法秘密共享和Pedersen承诺，在交易能源市场中实现安全隐私的能源数据共享与恶意活动检测，同时保持低计算复杂度和通信开销。
2023-04-12 cs.CR
HERMES: Scalable, Secure, and Privacy-Enhancing Vehicle Access System
我们提出了HERMES，一个可扩展的，安全的，和隐私增强系统的用户共享和访问车辆。HERMES将车辆访问令牌生成的操作安全地外包给一组不受信任的服务器。它建立在早期的建议，即SePCAR [1]，并扩展了系统设计，以提高效率和可扩展性。为了满足系统和用户对安全和私有计算的需求，HERMES有效地利用并结合了几个密码原语和安全多方计算。它隐藏车辆的密钥和服务器的交易细节，包括车辆预订细节，访问令牌信息以及用户和车辆身份。它还规定了用户在发生争议时的责任。此外，我们提供了语义安全性分析，并证明HERMES满足其安全性和隐私性的要求。最后但并非最不重要的是，我们证明了HERMES是高效的，与SePCAR相比，它可以扩展到大量的用户和车辆，使其适用于现实世界的部署。我们使用两种不同的多方计算协议进行评估：HtMAC-MiMC和CBC-MAC-AES。我们的结果表明，使用HtMAC-MiMC的HERMES仅需约1.83 ms即可为单个车主生成访问令牌，而对于拥有超过1000辆汽车的大型租赁公司分支机构，则需要约11.9 ms。它每秒分别处理546和84个访问令牌生成。这导致HERMES比SePCAR中的单个车主访问令牌生成快696倍（使用HtMAC-MiMC）和42倍（使用CBC-MAC-AES）。此外，我们还证明了HERMES在车辆方面也是实用的，因为在原型车辆车载单元上执行的访问令牌操作…
2021-03-19 cs.CR
Efficient Privacy-Preserving Computation Based on Additive Secret Sharing
云计算的出现为用户提供了一种新的计算范式--海量复杂的计算任务可以外包给云服务器。但隐私问题也随之而来。全同态加密在隐私保护计算中显示出巨大的潜力，但它还没有准备好用于实践。目前，安全多方计算（MPC）仍然是处理敏感数据的主要方法.在本文中，基于秘密共享的MPC范式，我们提出了一个安全的两方计算方案，在云服务器可以安全地评估功能与高效率。首先在典型的加性秘密共享（ASS）的基础上提出了乘性秘密共享（MSS）。在此基础上，设计了MSS和ASS之间的共享秘密交换协议，并给出了一系列的比较协议和基本函数。我们证明了所有的协议是普遍可组合安全的诚实但好奇的模型。最后，我们将展示我们的协议在通信效率和功能完整性方面的显着进步。
2021-03-31 cs.CR
A Survey On Secure Machine Learning
本综述探究安全多方计算（MPC）与机器学习的结合，调研相关SecureML库的隐私保护等效能，还探索其在ML游戏环境中的创新应用。
2025-05-21 cs.CR
RAIN: Secure and Robust Aggregation under Shuffle Model of Differential Privacy
Beijing Institute of Technology（北京理工大学）；Minzu University of China（中央民族大学）
RAIN提出了一种在差分隐私洗牌模型下实现安全、稳健和可验证的聚合框架，通过符号空间聚合和秘密共享协议提升隐私保护和对抗鲁棒性。
2026-03-03 cs.CR
Secure Aggregation Is Not All You Need: Mitigating Privacy Attacks with Noise Tolerance in Federated Learning
National Taiwan University（台湾大学）
联邦学习是一种协作方法，旨在创建AI模型的同时保护数据隐私。当前的联邦学习方法往往严重依赖于安全聚合协议来保护数据隐私。然而，在某种程度上，这样的协议假设编排联邦学习过程的实体（即，服务器）并非完全恶意或不诚实。我们调查安全聚合的漏洞，如果服务器是完全恶意的，并试图获得访问私人，潜在的敏感数据可能会出现。此外，我们还提供了一种方法来进一步防御这种恶意服务器，并证明了在联邦学习设置中重建数据的已知攻击的有效性。
2022-11-10 cs.AI cs.CR
Privacy protection of occupant behavior data and using blockchain for securely transferring temperature records in HVAC systems
建筑行业的能源消耗比例很大，制冷和供暖系统的数量也很大。建筑采暖、通风、空调等系统的节能一直是学者们研究的课题。将居住者行为数据应用于建筑节能优化已开始受到学者们的关注。然而，乘员行为数据涉及乘员隐私的许多方面。不同类型的乘员行为数据包含不同层次的乘员隐私信息。在利用乘员行为进行节能时，对乘员行为数据进行隐私保护至关重要。本文介绍了使用乘员行为数据时的隐私问题，以及使用区块链技术保护数据隐私的方法。使用区块链进行隐私保护的两种选择，将数据记录作为交易发送并将文件存储在区块链上，都将通过开放获取论文中的温度记录进行解释和评估。可以在传感器和本地建筑物管理系统之间使用发送数据作为事务。在区块链上存储文件可以用于不同建筑管理系统的协作。讨论了使用区块链进行数据和文件传输的优点，缺点和潜力。研究结果对利用居住者行为数据进行建筑节能优化具有一定的参考价值。
2019-04-09 cs.CR
Privacy preserving distributed optimization using homomorphic encryption
本文研究了如何一个系统操作员和一组代理安全地执行一个分布式投影梯度算法。特别地，每个参与者持有一组问题系数和/或状态，其值对于数据所有者是私有的。相关问题提出了两个问题：如何安全地计算给定函数;以及首先应该计算哪些函数。对于第一个问题，我们利用同态加密技术，提出了一种新的算法，该算法可以实现具有完美正确性的安全多方计算。对于第二个问题，我们确定了一类可以安全计算的函数。电力系统的两个案例研究，一个需求响应问题和最优潮流问题的正确性和计算效率的建议算法进行了验证。
2018-05-23 cs.CR
Private Map-Secure Reduce: Infrastructure for Efficient AI Data Markets
OpenMined Foundation（OpenMined基金会）；Reyvism Analytics（Reyvism分析）；New York University（纽约大学）
本文提出Private Map-Secure Reduce (PMSR)网络原生范式，通过密码学强制执行的市场将MapReduce扩展至去中心化环境，使计算移动到数据端，为下一代AI数据市场建立可扩展、公平且隐私有保障的基础设施。
2025-11-03 cs.CR
