SECMACE: Scalable and Robust Identity and Credential Management Infrastructure in Vehicular Communication Systems
经过多年的学术和工业研究，人们对即将到来的车载通信（VC）系统的基本安全构建模块达成了共识。越来越多的人对部署专用身份和凭证管理基础设施达成共识，即，车辆公钥基础设施（VPKI），实现匿名认证，并朝着这一方向努力实现标准化。尽管标准化机构（IEEE 1609.2和ETSI）和协调工作（Car 2Car通信联盟（C2C-CC））取得了进展，但部署VPKI的重要问题仍然没有得到解决。VPKI是安全和隐私保护VC系统的核心构建块，对VPKI的深入理解仍然缺乏。本文件有助于缩小这一差距。我们提出了SECMACE，VPKI系统，它是兼容的IEEE 1609.2和ETSI标准规范。我们提供了我们的国家的最先进的VPKI的详细描述，改善现有的建议，在安全和隐私保护，和效率。SECMACE促进了VC系统中的多域操作，并增强了用户隐私，特别是防止了基于时间信息的链接别名，并提供了更强的保护，即使是针对诚实但好奇的VPKI实体。我们提出了多种政策的车辆VPKI的互动，基于这两个大规模的移动跟踪数据集，我们评估了成熟的实施SECMACE。到目前为止，我们的研究结果表明，适度的计算资源可以支持大面积的车辆非常低的延迟和最有前途的政策方面的隐私保护可以支持适度的开销。
2017-07-18 cs.CR
Software-Defined Location Privacy Protection for Vehicular Networks
虽然联网汽车的采用率正在增长，但安全和隐私问题仍然是社会提出的主要障碍。这些问题要求汽车制造商和标准化组织提出方便的隐私保护解决方案。其中一个主要的解决方案是使用假名改变策略（PCS）。然而，ETSI最近发布了一份技术报告，强调缺乏标准化和有效的PCS [1]。这种令人担忧的情况要求在保护最终用户隐私的方式上进行创新性转变。软件定义网络（SDN）正在成为以动态方式管理网络的关键5G使能器。支持SDN的无线网络正在开辟新的可编程和高度灵活的隐私感知解决方案。我们利用这种模式，提出了一个创新的软件定义的位置隐私架构的车辆网络。所提出的体系结构是上下文感知的，可编程的，可扩展的，并能够包括所有现有的和未来的体系结构变化的战略。为了证明我们的架构的优点，我们考虑一个案例研究，涉及四个动态变化的策略，我们部署在我们的架构，并与他们的静态实现比较。我们还详细介绍了SDN控制器如何根据上下文在策略之间动态切换。
2020-01-24 cs.CR
A Global Cybersecurity Standardization Framework for Healthcare Informatics
National Sun Yat-sen University（国立中山大学）；Thumbay Institute for AI in Healthcare（通贝医疗人工智能研究院）；Gulf Medical University（海湾医科大学）；University of Derby（德比大学）
针对医疗数字化下PHI保护法规不完善的问题，本研究结合德尔菲法、DBSCAN与TOPSIS构建医疗网络安全标准化框架，划分5类安全活动并排序，为医疗领域隐私安全落地提供参考。
2024-10-06 cs.CR cs.LG
Preserving The Safety And Confidentiality Of Data Mining Information In Health Care: A literature review
本文综述了医疗数据挖掘中的隐私保护机制、数据保护法规及缓解策略，指出尚无单一最优方案，并呼吁未来研究关注大规模医疗数据环境下的隐私技术与评估标准标准化。
2023-10-30 cs.CR
A Survey on Privacy for B5G/6G: New Privacy Challenges, and Research Directions
在过去的几十年中，移动无线电信网络已经取得了巨大的发展。目前，移动用户正在熟悉最新的5G网络，关于下一代Beyond 5G（B5 G）/6 G网络的讨论已经启动。预计B5 G/6 G将把现有的网络能力提升到一个新的水平，具有更高的速度，增强的可靠性和无缝连接。为了使这些期望成为现实，研究人员正在研究与B5 G/6 G相关的新技术、架构和基于智能的决策过程。隐私考虑是一个关键方面，需要进一步关注这些发展，因为数十亿人和设备将通过即将到来的网络传输数据。然而，主要的认识仍然偏向于网络安全。目前还没有关于B5 G/6 G隐私的讨论。为了解决这一差距，本文对B5 G/6 G网络的隐私相关方面进行了全面调查。首先，它讨论了不同的隐私角度的分类。基于分类，本文然后概念化的一组挑战，出现的障碍，以达到隐私保护。接下来，这项工作提供了一套适用于B5 G/6 G网络拟议架构的解决方案，以缓解挑战。它还概述了隐私保护的标准化举措。最后，本文总结了未来方向的路线图，这将是对隐私增强的B5 G/6 G网络的新研究的舞台。这项工作为隐私方面提供了基础，这将在使用这些未来网络时对人们的日常生活产生重大影响。
2022-12-14 cs.CR
Open RAN Security: Challenges and Opportunities
开放式RAN（ORAN，O-RAN）代表了RAN（无线电接入网络）的一种新的行业级标准，它定义了支持供应商设备之间互操作的接口，并以较低的成本提供网络灵活性。Open RAN集成了网络软件化和人工智能的优势和进步，以增强RAN设备和操作的操作。Open RAN提供了新的可能性，使不同的利益相关者可以在这个开放的生态系统中开发RAN解决方案。然而，Open RAN的好处带来了新的安全和隐私挑战。由于Open RAN提供了与目前完全不同的RAN配置，如果管理不当，可能会导致严重的安全和隐私问题，利益相关者对Open RAN部署的安全性采取谨慎的态度是可以理解的。特别是，本文深入分析了与开放RAN架构相关的安全和隐私风险和挑战。然后，它讨论了可能的安全和隐私解决方案，以确保开放RAN架构，并提出了相关的开放RAN安全相关的安全标准化工作。最后，我们讨论了如何使用Open RAN在5G和RAN之外部署更先进的安全和隐私解决方案。
2022-12-03 cs.CR
5G Security and Privacy: A Research Roadmap
蜂窝网络是一个重要的基础设施，因此其安全性至关重要。5G -最新一代蜂窝网络-结合了不同的技术来增加容量，减少延迟并节省能源。然而，由于其复杂性和规模，确保其安全性极具挑战性。在本白皮书中，我们概述了支持4G LTE和5G协议及其相关防御的系统分析的最新方法，并介绍了初步的安全和隐私路线图，涵盖了不同的研究挑战，包括标准化组织定义的蜂窝协议的正式和全面分析，实现协议的软件验证，强大防御的设计以及应用程序和设备安全。
2020-03-30 cs.CR cs.CY cs.NI
VeSPA: Vehicular Security and Privacy-preserving Architecture
标准化和协调工作已经达成共识，在即将到来的车辆通信（VC）系统中使用专用车辆公钥基础设施（VPKI）。然而，仍然有几个技术挑战没有结论性的答案;这样一个重要但开放的挑战是短期凭证的获取，假名：每辆车应该如何与VPKI交互，例如，多久一次？每辆车都应该自己决定假名的使用寿命吗？思考这些问题绝非易事。每个选择都可能影响用户隐私和系统性能，并可能因此影响其安全性。在本文中，我们做了一个新的系统的努力来解决这个多方面的问题。我们制定了三个普遍适用的政策和实验评估VPKI系统的性能，利用两个大规模的移动数据集。我们认为最有前途的，在效率方面，假名收购政策，我们发现，在这一类的政策，最有前途的政策方面的隐私保护可以支持适度的开销。此外，在所有情况下，这项工作是第一个提供有形的证据表明，国家的最先进的VPKI可以服务于相当大的地区或域与适度的计算资源。
2020-01-21 cs.CR
Auditing the Privacy of Synthetic Gene Expression Data: A Unified Weighted-Distance Framework for No-Box Membership Inference
Emory University（埃默里大学）
本研究提出统一加权距离框架审计合成基因表达数据的隐私，通过五种无盒成员推断攻击评估，发现谱残差化显著提升攻击效能，而通路先验不可迁移。
2026-10-06 cs.CR
The Key to Intelligent Transportation: Identity and Credential Management in Vehicular Communication Systems
车载通信（VC）系统将极大地增强智能交通系统。但它们的安全性和保护用户隐私是部署的先决条件。工业界和学术界的努力带来了许多不同的建议。这些现在已经汇聚到一个共同的观点，特别是在安全基础设施的设计，车辆公钥基础设施（VPKI），应使安全的有条件匿名的VC。标准化的努力和行业准备采用这种方法暗示了它的成熟。然而，还有几个悬而未决的问题，在部署之前得到结论性的答案至关重要。在本文中，我们提炼并批判性地调查了VC系统中身份和凭证管理的最新技术水平，并绘制了解决一系列关键的剩余安全和隐私挑战的路线图。
2017-01-04 cs.CR
Policy-Driven AI in Dataspaces: Taxonomy, Explainability, and Pathways for Compliant Innovation
Department of CST Tsinghua University Beijing, China（计算机科学与技术系 清华大学 北京中国）；Department of CSE Chandigarh University Mohali, India（计算机科学与工程系 印度昌迪加尔大学 摩哈利）
本文针对AI驱动数据空间的隐私、性能与合规挑战，综述相关隐私保护与政策感知AI技术，提出基于多维度的技术分类体系，指出研究空白并给出未来发展方向，为构建可信合规的数据空间AI系统奠定基础。
2025-07-30 cs.AI cs.CR
Towards Deploying a Scalable & Robust Vehicular Identity and Credential Management Infrastructure
经过多年的学术和工业研究，人们对即将到来的车载通信（VC）系统的基本安全构建模块达成了共识。人们越来越倾向于部署车辆公钥基础设施（VPKI），以实现匿名身份验证，并朝着这个方向进行标准化努力。然而，仍有一些重大的技术问题尚未解决。现有的VPKI实例化建议要么需要额外的详细规范，要么需要增强的安全和隐私功能。同样重要的是，建立VPKI效率和可扩展性的实验工作有限。在本文中，我们关注的正是这些问题。我们利用常见的VPKI方法，并提供一个具有精确定义的增强型系统，这些功能可以提高其弹性和用户隐私保护。特别是，我们偏离了VPKI实体完全可信的常见假设，我们在面对诚实但好奇的安全基础设施时提高了用户隐私。此外，我们以符合标准的方式全面实施我们的VPKI，并进行广泛的评估。随着更强大的保护和更丰富的功能，我们的系统实现了非常显着的性能改进比以前的系统-有助于最先进的VPKI的部署。
2016-01-05 cs.CR
Securing Vehicle-to-Everything (V2X) Communication Platforms
现代车载无线技术使车辆能够在任何时间、任何地点、任何网络上交换信息，形成车联网（V2X）通信平台。尽管V2X应用程序有很多好处，但它也面临着安全和隐私方面的巨大挑战，这是一个非常合理的问题，因为在汽车通信网络和应用程序中，违规行为并不少见。在本调查中，我们提供了V2X生态系统的广泛概述。我们还回顾了主要的安全/隐私问题，当前的标准化活动以及V2X领域内提出的现有防御机制。然后，我们确定了现有安全解决方案的语义差距，并概述了可能的开放问题。
2020-03-12 cs.CR cs.NI
Privacy-Preserving Data Processing in Cloud : From Homomorphic Encryption to Federated Analytics
本文综述了云计算中隐私保护的数据处理方法，包括同态加密、差分隐私以及联邦学习等技术，探讨了其在医疗、金融等领域的应用及隐私与效率的权衡。
2026-01-10 cs.CR cs.DC
A Critical Analysis of the Medibank Health Data Breach and Differential Privacy Solutions
The University of Sydney（悉尼大学）；Dalian Neusoft University of Information（大连东软信息学院）
本文提出一种熵感知的差分隐私框架，通过整合拉普拉斯和高斯机制及自适应预算分配，有效降低重新识别风险，同时保持分析效用，符合GDPR和澳大利亚隐私原则。
2026-01-09 cs.CR
Security and Privacy Management of IoT Using Quantum Computing
Praxis Business School（普拉西斯商学院）
本文探讨量子计算对物联网安全的影响，分析后量子密码学（PQC）族和量子方法（如QKD、QRNG）在资源受限环境中的部署潜力，并强调隐私管理、合规与标准化协作。
2025-11-05 cs.CR
Can Machine Learning Break Wi-Fi Privacy? A Study on MAC Address Randomization
Universitat Pompeu Fabra（庞培法布拉大学）；University of Cagliari（卡利亚里大学）
本研究通过机器学习指纹识别暴露了MAC地址随机化协议的漏洞，利用未加密硬件信息、帧间到达时间和模拟信号强度，结合HT能力字段的位分解，实现了高达89.6%的设备识别准确率。
2026-06-25 cs.CR cs.NI
Security and Privacy in O-RAN for 6G: A Comprehensive Review of Threats and Mitigation Approaches
James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院）
本文综述了O-RAN在6G中的安全漏洞和隐私问题，分析了基本漏洞、攻击向量及威胁，评估现有和未来安全机制，并探讨标准化活动以加强安全框架。
2026-03-22 cs.CR cs.NI
Balancing Privacy and Progress in Artificial Intelligence: Anonymization in Histopathology for Biomedical Research and Education
University of Stavanger（斯塔万格大学）；Stavanger University Hospital（斯塔万格大学医院）
本文针对组织病理学数据共享中的隐私保护与AI发展矛盾，分析法规、再识别风险及标准化挑战，并提出数据共享指南以促进多学科研究与教育。
2023-08-08 cs.AI cs.CE cs.CR
A Survey on Machine Learning-based Misbehavior Detection Systems for 5G and Beyond Vehicular Networks
University of Luxembourg（卢森堡大学）
在部署车辆到一切（V2X）技术方面取得了重大进展。V2X与5G的集成实现了超低延迟和高可靠性的V2X通信。然而，虽然通信性能得到了增强，但安全和隐私问题却有所增加。攻击变得更具侵略性，攻击者变得更具战略性。标准化组织提出的公钥基础设施不能单独防御这些攻击。因此，作为补充，应设计复杂的系统来检测这种攻击和攻击者。机器学习（ML）最近已经成为确保我们未来道路安全的关键推动因素。许多V2X不当行为检测系统（MDS）都采用了这种模式。然而，分析这些系统是一个研究空白，开发有效的ML为基础的MDS仍然是一个悬而未决的问题。为此，本文提出了一个全面的调查和分类ML为基础的MDS。我们从安全和ML的角度分析和讨论它们。然后，我们给出了一些经验教训和建议，帮助开发，验证和部署基于ML的MDS。最后，我们强调开放的研究和标准化问题与一些未来的方向。
2022-01-25 cs.CR cs.LG cs.NI
Consumer Beware! Exploring Data Brokers' CCPA Compliance
University of California, Irvine（加州大学尔湾分校）
本文首次对加州官方登记的543家数据经纪人进行大规模系统性CCPA合规性研究，发现超40%未响应数据访问请求，响应者存在额外信息索取问题，揭示合规缺失与流程不规范，强调需加强执法与标准化检查。
2025-11-14 cs.CR cs.CY
SoK: Usability Studies in Differential Privacy
本文系统梳理差分隐私可用性研究，识别DP工具在实现与参数沟通中的核心挑战和最佳实践，提出以用户为中心的设计方向以促进更广泛采用。
2025-07-02 cs.CR cs.HC
Web3.0 Security: Privacy Enhancing and Anonym Auditing in Blockchain-based Structures
针对区块链驱动的Web 3.0数据安全与隐私问题，本文提出融合隐私增强技术和Tor匿名审计的运行时安全协议与框架，并通过与现有方法评估比较验证其价值。
2023-07-24 cs.CR cs.DC
Securing the Internet of Medical Things (IoMT): Real-World Attack Taxonomy and Practical Security Measures
本文针对IoMT的患者安全与隐私风险，提出覆盖架构各层的真实攻击分类法、漏洞与缓解策略，并结合历史事件给出工程安全指南及合规框架。
2025-07-25 cs.CR
A Provably Secure Network Protocol for Private Communication with Analysis and Tracing Resistance
针对匿名通信网络易受AI元数据分析、去中心化部署难、缺乏可证明安全的问题，提出无需阈值模型和可信第三方的去中心化匿名路由协议，严格证明其极端对抗下的身份隐私不可区分性，仿真验证了其安全高效，为数字环境隐私通信提供可证明安全方案。
2025-08-03 cs.CR cs.SY eess.SY
Expert opinions on making GDPR usable
本研究通过访谈法律、认证与可用性专家，验证可用隐私定义、目标、准则及 Usable Privacy Cube 模型，并确认评估隐私可用性的必要性。
2023-08-16 cs.CR cs.CY cs.HC
Design and Optimization of Cloud Native Homomorphic Encryption Workflows for Privacy-Preserving ML Inference
Independent Researcher（独立研究者）
针对云环境下ML推理的数据隐私问题，提出集成容器化HE模块与Kubernetes编排的云原生HE工作流框架，结合密文打包等优化策略，实现3.2倍推理加速与40%内存降低，为零信任云下安全MLaaS部署提供可行方案。
2025-10-28 cs.AI cs.CR
Privacy-Preserving Federated Learning with Verifiable Fairness Guarantees
CryptoFair-FL通过加密技术实现隐私保护下的公平性验证，有效降低公平性违规并保持高隐私保护水平。
2026-02-13 cs.CL cs.CR cs.CV
Zero-Knowledge Proof of Traffic: A Deterministic and Privacy-Preserving Cross Verification Mechanism for Cooperative Perception Data
针对网联自动驾驶汽车协同感知数据真实性验证难的问题，提出基于密码学的zk-PoT机制，可确定性交叉验证且保护隐私，经仿真验证性能良好，可兼容现有ITS标准。
2023-12-13 cs.CR cs.NI
Future G Network's New Reality: Opportunities and Security Challenges
未来G网络通过ISAC技术构建网络物理环境，带来自主系统等新能力，但面临感知层安全威胁，需采用分层纵深防御策略并加强标准化与治理。
2025-10-10 cs.CR
From Principle to Practice: Vertical Data Minimization for Machine Learning
ETH Zurich（苏黎世联邦理工学院）
针对机器学习部署中数据最小化原则被忽视的问题，提出基于数据泛化的垂直数据最小化（vDM）工作流及PAT算法，在保障数据效用的同时最小化经验隐私风险，为实际应用奠定基础。
2023-11-22 cs.AI cs.CR cs.LG
Let's Measure the Elephant in the Room: Facilitating Personalized Automated Analysis of Privacy Policies at Scale
University of Oxford（牛津大学）
本文提出神经符号系统PoliAnalyzer，通过NLP提取隐私政策形式化表示并与用户偏好进行逻辑合规分析，在大规模网站隐私政策中实现高准确率的个性化自动分析，显著降低用户认知负担。
2025-07-15 cs.CL cs.CR cs.CY
A Confidential Computing Transparency Framework for a Comprehensive Trust Chain
针对机密计算中TEE证明不足以建立信任、透明度措施缺乏标准化的问题，提出三级透明度框架，并通过800余人实证研究表明透明度可提升用户信任。
2024-12-05 cs.CR
Intelligent Reflecting Surface for Wireless Communication Security and Privacy
智能反射面（IRS）是未来无线通信中一种很有前途的技术。由于其通过能量聚焦和能量归零来定制信道条件的优异能力，它是分别从物理层安全和隐蔽通信理论来增强无线通信安全性和隐私性的理想技术。在这篇文章中，我们首先提出了一些结果应用IRS提高窃听信道的平均保密率，使完美的通信隐蔽性，并故意创造额外的随机性，在无线传播隐藏活跃的无线传输。然后，我们确定了未来研究的多个挑战，以充分释放IRS在物理层安全和隐蔽通信方面提供的好处。借助大量的数值研究，我们证明了在无线通信中设计IRS单元的幅度时，考虑安全性和隐私性的必要性，其中最优值并不总是文献中通常采用的$1$。此外，我们揭示了可实现的保密性能和IRS的信道状态信息（CSI）在合法和恶意用户的估计精度之间的权衡，这提出了基本的资源分配的IRS辅助物理层安全的背景下的挑战。最后，讨论了利用深度神经网络和场景图像的被动信道估计方法，作为在不利用资源匮乏的导频的情况下实现CSI可用性的潜在解决方案。这种方法作为一个可见的途径，以显着提高在IRS辅助无线网络的隐蔽通信速率。
2021-08-30 cs.CR cs.ET cs.IT
Pathway to Secure and Trustworthy ZSM for LLMs: Attacks, Defense, and Opportunities
School of Computing, Dublin City University（都柏林城市大学计算机学院）；Institute of Business Administration, University of Sindh（信德大学工商管理学院）；Munster Technological University（芒斯特理工大学）；Centre Tecnològic de Telecomunicacions de Catalunya (CTTC)（加泰罗尼亚电信技术中心）
针对ZSM网络中微调LLM的隐私风险，本文研究成员推理攻击，验证其最高92%的攻击成功率，并探讨防御机制与未来方向。
2025-01-06 cs.AI cs.CR cs.DC
Seeing is Deceiving: Exploitation of Visual Pathways in Multi-Modal Language Models
University of Wisconsin - Madison（威斯康星大学麦迪逊分校）；Hampton College（汉普顿学院）；Texas A&M University（德克萨斯农工大学）；Liberty University（自由大学）；Arizona State University（亚利桑那州立大学）
本文综述多模态语言模型中视觉输入的安全利用，分类攻击策略并评估防御方法，旨在提升多模态AI系统的安全性与可靠性。
2024-11-07 cs.AI cs.CR
Secure Multi-Modal Data Fusion in Federated Digital Health Systems via MCP
School of Information, Computer, and Communication Technology（信息、计算机与通信技术学院）；Sirindhorn International Institute of Technology, Thammasat University（泰国朱拉安吞国际技术学院，泰国 Thammasat 大学）
针对数字健康中异构医疗数据安全融合的难题，提出基于MCP的多模态联邦医疗框架，整合特征对齐、差分隐私安全聚合与能量感知调度，在准确率、掉线率和隐私效用权衡上均表现更优。
2025-10-02 cs.AI cs.CR cs.CY
Breaking Data Silos: Towards Open and Scalable Mobility Foundation Models via Generative Continual Learning
Center for Urban Science and Computation（城市科学与计算中心）；Tsinghua University（清华大学）
MoveGCL通过生成持续学习实现开放和可扩展的移动基础模型，解决数据孤岛问题，实现跨机构协作与隐私保护。
2025-12-29 cs.CR cs.LG
QORE : Quantum Secure 5G/B5G Core
本文提出QORE框架，利用NIST标准化的ML-KEM和ML-DSA算法及混合PQC配置，实现5G/B5G核心网向抗量子密码的平滑迁移，实验证明性能开销小，满足运营商级要求。
2025-10-22 cs.CR cs.DC cs.NI
