CryptGraph: Privacy Preserving Graph Analytics on Encrypted Graph
许多图挖掘和分析服务已经部署在云上,这可以减轻用户实现和维护图算法的负担。然而,将图形分析放在云端可能会侵犯用户的隐私。为了解决这个问题,我们提出了CryptGraph,它在加密的图上运行图分析,以保护用户的图数据和分析结果的隐私。在CryptGraph中,用户在将其上传到云端之前对其图形进行加密。云在加密的图上运行图分析,并获得云无法解密的加密形式的结果。在计算过程中,加密的图永远不会在云端解密。加密后的结果返回给用户,由用户解密得到明文结果。在这个过程中,用户的图表和分析结果都是加密的,云计算不知道它们。因此,用户的隐私可以得到很好的保护。同时,借助同态加密,保证了加密图分析结果的正确性。本文介绍了如何使用同态加密对图进行加密,以及如何通过计算多项式来查询加密图的结构。为了解决某些操作在加密图上无法执行的问题,我们提出了硬计算外包来寻求用户的帮助。使用两个图算法作为例子,我们展示了如何应用我们的方法来执行加密图的分析。在两个数据集上的实验证明了该方法的正确性和可行性。
2015-03-18 cs.CR
GPT-Fathom: Benchmarking Large Language Models to Decipher the Evolutionary Path towards GPT-4 and Beyond
ByteDance(字节跳动);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出开源可复现的LLM评测套件GPT-Fathom,在统一设置下系统评估10余个主流模型,并通过对OpenAI早期模型的回顾性研究,揭示从GPT-3到GPT-4演进中的关键能力变化与对齐代价等问题。
2024-04-02 cs.CL
Known-plaintext attack and ciphertext-only attack for encrypted single-pixel imaging
Shenzhen University(深圳大学)
在许多以前的作品中,单像素成像(SPI)系统被构造为光学图像加密系统。未经授权的用户在不知道照明图案密钥的情况下不能从密文强度序列重建明文图像。然而,在过去,很少有人研究加密SPI的密码分析。在这项工作中,我们提出了一个已知的明文攻击方案和密文攻击方案的加密SPI系统的第一次。已知明文攻击是通过互换光照模式和目标图像在SPI模型中的角色来实现的。基于单像素强度值的统计特征实现了仅密文攻击。这两种方案都能破解加密的SPI系统,并成功地恢复出包含正确光照模式的密钥。
2019-05-31 cs.CR cs.CV eess.IV
Discovering Encrypted Bot and Ransomware Payloads Through Memory Inspection Without A Priori Knowledge
恶意软件编写者经常试图在隧道流量中隐藏其代理的活动。在Kill Chain模型中,感染时间通常以秒为单位,如果感染没有被检测到并被阻止,恶意软件代理(如机器人)通常会建立一个秘密通道与其控制器通信。在勒索软件的情况下,通信的有效载荷可以包括用于受感染主机注册其感染的加密密钥。由于恶意软件感染可以在几秒钟内在网络中传播,因此检测其在空中,内存和静态中的活动通常很重要。恶意软件越来越多地使用加密通道与控制器通信。本文提出了一种新的方法来发现真正的恶意软件客户端,使用加密库的Microsoft Windows操作系统的加密文物。这使得恶意软件秘密通信能够在没有任何先前恶意软件知识的情况下被发现。
2019-07-27 cs.CR
An Encrypted Trust-Based Routing Protocol
随着ad-hoc无线网络的发展,基于信任的路由协议受到越来越多的关注,然而,尽管有许多安全方法和信任度量,基于信任的路由仍然面临着一些安全挑战,特别是在隐私方面。在本文中,我们提出了一种新的基于信任的路由协议的基础上,完全同态加密计划。新协议允许在动态环境中协作的节点评估其关于特定路由的可信度的知识,并安全地共享这些知识。
2015-12-10 cs.CR
On the Security of Fully Homomorphic Encryption and Encrypted Computing: Is Division safe?
由于全同态加密和同态加密计算保留了诸如2*2=2+2的代数恒等式,因此自然的问题是,这种极其实用的特征是否也建立了使用加密的算术运算符来生成或识别已知常数的乘积的密码攻击。特别是,软件或硬件可能使用加密的加法和乘法来进行加密的除法,并传递x/x=1的加密。然后可以使用它来生成1+1=2等,直到获得完整的码本。这篇论文表明,没有公式或计算使用32位乘法x*y和三输入加法x+y+z,从未知的输入产生一个已知的常数。我们讨论了什么样的操作是类似的“安全”单独或在公司,并表明,32位除法在这个意义上是不安全的,但也有一些微不足道的修改,使之成为这样。
2014-11-18 cs.CR cs.DM
How Query Distribution Knowledge Breaks Multidimensional Encrypted Range Queries, With Guarantees
George Mason University(乔治梅森大学);Yale University(耶鲁大学)
本文展示如何结合查询分布知识与访问模式泄露打破多维加密范围查询,并提供保证。通过LAMa框架,无需后处理或数据注入,实现任意维度的明文坐标重建,且提供严格的理论保证。
2026-05-07 cs.CR
An End-to-End Homomorphically Encrypted Neural Network
INTELI - Institute of Technology and Leadership(INTELI技术与领导力学院)
提出基于同态加密的端到端神经网络架构,实现加密数据上的隐私保护推理,并引入可微Soft-Argmax层提升安全性,在SST-2上达到普通模型82.5%的准确率。
2025-02-27 cs.AI cs.CR
Detecting Unknown Encrypted Malicious Traffic in Real Time via Flow Interaction Graph Analysis
在本文中,我们提出了HyperVision,一个实时无监督的机器学习(ML)的恶意流量检测系统。特别是,HyperVision能够通过利用基于流量模式构建的紧凑内存图来检测加密恶意流量的未知模式。该图捕获由图结构特征表示的流交互模式,而不是特定已知攻击的特征。我们开发了一种无监督的图学习方法,通过分析图的连通性,稀疏性和统计特征来检测异常交互模式,这使得HyperVision可以检测各种加密的攻击流量,而不需要任何已知攻击的标记数据集。此外,我们建立了一个信息论模型,证明了图所保持的信息接近理想的理论界。我们通过92个数据集的真实实验展示了HyperVision的性能,其中包括48次加密恶意流量的攻击。实验结果表明,HyperVision实现了至少0.92 AUC和0.86 F1,显著优于最先进的方法。特别是在我们的实验中,超过50%的攻击可以逃避所有这些方法。此外,HyperVision实现了至少80.6 Gb/s的检测吞吐量,平均检测延迟为0.83 s。
2023-01-31 cs.CR
Compiled Obfuscation for Data Structures in Encrypted Computing
加密计算是一种新兴技术,其基础是一种“并行工作”的处理器,将加密输入转换为加密输出,而数据始终保持加密形式。它旨在保护用户数据免受操作员和操作系统(不知道用户的加密密钥,无法在处理器中访问它)可能的内部攻击。用于加密计算的形式上的“混淆”编译是这样的,即在源代码的每次重新编译时,发出相同结构的机器码,对于这些机器码,运行时跟踪也都具有相同的结构,但是加密下的每个字与标称不同,在重新编译时具有最大可能的熵。相对于加密的安全性,这为数据生成了经典的加密语义安全性,但它只能保证单个单词,并且对手有更多的解密尝试。本文将现有的基于整数的技术扩展到double、float、array、struct和union等数据结构,覆盖了ANSI C。一个单一的原则驱动编译器的设计,并改善现有的安全理论,以量化的结果:每一个算术指令,写必须改变到最大可能的范围。
2019-02-16 cs.CR cs.PL cs.SE
A Framework to Allow a Third Party to Watermark Numerical Data in an Encrypted Domain while Preserving its Statistical Properties
由其所有者对源跟踪应用程序的数据加水印可能对接收者不公平,因为数据所有者可能将相同的加水印数据重新分发给许多用户。因此,每个数据接收者都应该知道嵌入其数据中的水印;然而,这可能使他们能够将其移除,这违反了水印安全性。为了克服这个问题,本研究开发了一个框架,允许云水印数字数据考虑到:所选统计结果的正确性,数据隐私,收件人的权利,知道嵌入在他们的数据中的水印,以及水印对被动攻击的安全性。该框架包含两个不可逆的水印算法,每个算法都可以保持某些统计操作的结果的正确性。为了保护数据隐私,该框架允许云在加密数据时对其进行水印处理。此外,该框架鲁棒性所选择的算法的安全性提名云作为唯一的中立判断能够验证数据的所有权,即使其他用户知道水印。以不影响数据可用性的方式增强了安全性。发现水印的时间复杂度为$\mathcal{O}(\frac{n!}{r!(n-r)!})$。
2023-01-22 cs.CR
Enhanced Security against Adversarial Examples Using a Random Ensemble of Encrypted Vision Transformer Models
Tokyo Metropolitan University(东京都立大学)
本文提出加密视觉Transformer模型的随机集成方法,以增强对对抗样本的鲁棒性,实验证明该方法在黑盒和白盒攻击下均优于传统方法。
2023-07-26 cs.CR cs.CV
A diagrammatic approach to information flow in encrypted communication (extended version)
我们给出了图解工具来推理加密通信中的信息流。特别是,我们感兴趣的是推断信息流(通信或其他)发生的地方,并充分考虑所有可能的路径。核心的数学概念是使用一个单一的分类图来模拟底层的数学,参与者的认知知识,以及(隐含的)参与者之间的潜在或实际的沟通。其中一个关键部分是“正确性”或“一致性”标准,确保我们准确和充分地考虑到信息可能被知晓的不同途径(即通信和/或计算)。我们演示了如何应用这种形式主义来回答有关通信场景的问题,在这些场景中,我们有关于参与者及其交互的部分信息。同样,我们将展示如何分析协议或通信变化的后果,并列举事件可能发生的不同顺序。我们使用各种形式的Diffie-Hellman密钥交换作为这些技术的说明。然而,它们是完全通用的;我们在附录中说明了如何以同样的方式分析来自非交换密码学的其他协议。
2020-08-13 cs.CR math.CT
Flow-based detection and proxy-based evasion of encrypted malware C2 traffic
已知最先进的深度学习技术容易受到规避攻击,其中从恶性样本生成对抗样本并将其误分类为良性。基于TCP/IP流特征的加密恶意软件命令和控制流量的检测可以被构造为学习任务,因此容易受到规避攻击。然而,与例如在图像处理中所生成的对抗样本可以直接映射到图像不同,从流特征到实际TCP/IP分组需要制作分组序列,而没有建立用于这种制作的方法以及对这种制作允许的可修改特征集的限制。在本文中,我们讨论了生成和制作的对抗样本之间的差距的学习和逃避后果。我们使用一个在公共C2流量数据集上训练的深度神经网络检测器,白盒对抗学习和一种基于代理的方法来制作更长的流量。我们的研究结果表明:1)当使用精心制作的对抗样本时,通过在检测器上使用生成的对抗样本获得的高逃避率可以显着降低; 2)通过模型硬化对抗对抗样本的鲁棒性根据精心制作的方法和相应的攻击允许的可修改特征集而变化; 3)用对抗性样本递增地训练硬化模型可以产生一个公平的竞争环境,其中没有检测器对所有攻击都是最好的,也没有攻击对所有检测器都是最好的,在给定的攻击和检测器中。据我们所知,这是第一次在加密的C2恶意软件流量检测中分析公平竞争的功能集和迭代硬化。
2020-09-02 cs.CR
A Practical Framework for Storing and Searching Encrypted Data on Cloud Storage
针对云存储中加密数据搜索与共享的密钥管理难题,本文提出基于现有密码学方法和可信第三方的低开销安全搜索框架,并实现 CryptoSearch 覆盖应用验证其实用性。
2023-06-06 cs.CR
ShieldDB: An Encrypted Document Database with Padding Countermeasures
在目前的实践中,我们的数据存储的安全性被低估了,这导致了许多大规模的数据泄露。为了改变这一现状,本文提出了一种加密文档数据库ShieldDB的设计. ShieldDB采用了可搜索的加密技术,以保留加密文档的搜索功能,而不会对其可扩展性产生太大影响。然而,仅仅意识到这样一个理论上的原语就会受到现实世界的威胁,在现实世界中,知识渊博的对手可以利用泄漏(也称为对数据库的访问模式)来破坏所声称的对数据机密性的保护。为了解决实际部署中的这一挑战,ShieldDB设计了定制的填充对策。与以前的工作不同,我们的目标是一个更现实的对抗模型,其中数据库不断更新,对手可以在一个(或多个)任意时间间隔监视它。ShieldDB的填充策略确保对数据库的访问模式始终是模糊的。此外,ShieldDB还提供了其他高级功能,包括转发隐私、重新加密和刷新,以进一步提高其安全性和效率。我们展示了ShieldDB的完整实现,并对Azure Cloud进行了深入的评估。
2021-11-06 cs.CR
Information Leakage in Encrypted Deduplication via Frequency Analysis: Attacks and Defenses
加密重复数据删除将加密和重复数据删除相结合,可同时实现数据安全性和存储效率。最先进的加密重复数据删除系统主要建立在确定性加密的基础上,以保持重复数据删除的有效性。然而,这种确定性加密揭示了原始明文块的潜在频率分布。这允许对手针对密文块启动频率分析并推断原始明文块的内容。在本文中,我们研究了频率分析如何影响加密重复数据删除存储中的信息泄漏,从攻击和防御的角度。具体来说,我们的目标备份工作负载,并提出了一个新的推理攻击,利用块的局部性,以增加推断块的覆盖范围。我们进一步结合新的推理攻击与块大小的知识,并显示其对可变大小的块的攻击有效性。我们对真实世界和合成数据集进行了跟踪驱动的评估,并表明我们提出的攻击在备份工作负载下推断出相当大一部分明文块。为了防御频率分析,我们提出了两种防御方法,即MinHash加密和置乱。我们的跟踪驱动的评估表明,我们的组合MinHash加密和加扰方案有效地减轻了推理攻击的严重性,同时保持高存储效率和有限的元数据访问开销。
2019-10-09 cs.CR cs.DC
Things that Matter -- Identifying Interactions and IoT Device Types in Encrypted Matter Traffic
Eindhoven University of Technology(埃因霍温理工大学);Bitdefender(比特(defender))
本文研究了在加密Matter流量中通过被动攻击识别交互和设备类型的可能性,发现即使在存在数据包丢失和延迟的情况下,也能以超过95%的准确率识别特定交互,并以至少88%的准确率识别设备类型。
2026-11-05 cs.CR
The Realizations of Steganography in Encrypted Domain
本文提出密文域隐写术(SIED)以实现秘密通信,基于密钥访问权限划分四种应用模式,引入四级隐写分析攻击并定义相应安全标准,最后基于可逆数据隐藏技术给出四种不同安全级别的实际方案。
2023-03-13 cs.CR
Audit and Improve Robustness of Private Neural Networks on Encrypted Data
University of Central Florida(中佛罗里达大学);Kent State University(肯特州立大学);Texas Tech University(得克萨斯理工大学);University of Houston(休斯顿大学);Drexel University(德雷塞尔大学)
在不解密的情况下对加密数据执行神经网络推理是使隐私保护神经网络(PNet)成为服务的一种流行方法。与部署用于机器学习即服务的常规神经网络相比,PNet需要额外的编码,例如,量化精度数字和多项式激活。加密输入也带来了新的挑战,如对抗性鲁棒性和安全性。据我们所知,我们是第一个研究问题的人,包括(i)PNet是否比常规神经网络对对抗性输入更鲁棒?(ii)如何在不解密的情况下设计一个鲁棒的PNet?我们提出了PNet-Attack来生成黑盒对抗示例,这些示例可以成功地以目标和非目标方式攻击PNet。攻击结果表明,PNet对对抗性输入的鲁棒性需要提高。这不是一个简单的任务,因为PNet模型所有者无法访问输入值的明文,这阻止了现有检测和防御方法的应用,如输入调优,模型规范化和对抗训练。为了解决这个问题,我们提出了一种新的快速和准确的噪声插入方法,称为RPNet,设计鲁棒和私有神经网络。我们的综合实验表明,PNet-Attack减少至少$2.5\times$查询比以前的作品。我们从理论上分析了我们的RPNet方法,并证明了RPNet可以降低$\sim 91.88\%$攻击的成功率。
2022-09-20 cs.CR cs.LG
On the (non-)resilience of encrypted controllers to covert attacks
研究探讨了加密控制器在面对隐秘攻击时的鲁棒性问题,提出通过可验证计算实现安全防护,无需通信开销。
2026-05-15 cs.CR cs.SY eess.SY
Truthful and Faithful Monetary Policy for a Stablecoin Conducted by a Decentralised, Encrypted Artificial Intelligence
calctopia(卡尔克托皮亚)
去中心化稳定币的圣杯是在严格的数学框架上实现的,获得了多个有利的证明:稳定性,收敛性,真实性,忠诚性和恶意安全性。这些特性只能通过以前不相关领域的新颖和跨学科组合来实现:模型预测控制,深度学习,交替方向乘法器方法(共识-ADMM),机制设计,安全多方计算和零知识证明。本文首次证明:- 中央银行去中心化的可行性,同时在去中心化的计算环境中安全地保持其独立性-结合机制设计、可证明的安全性和控制理论对价格稳定的好处,与以前的稳定币不同-在稳定币上实施复杂的货币政策,相当于中央银行使用的那些,并且超出了阻碍其价格稳定的加密货币的当前固定规则-规避保证输出交付(G.O.D.)的不可能性的方法。“信”,就是“信”。作为推论,去中心化的人工智能能够执行稳定币的货币政策,最大限度地减少人为干预。
2019-09-16 cs.AI cs.CR cs.GT
Security Evaluation of Compressible and Learnable Image Encryption Against Jigsaw Puzzle Solver Attacks
本文评估了可压缩且可学习的分块图像加密方法在JPEG压缩下抵御拼图求解器攻击的安全性,并在CIFAR-10和STL-10数据集上验证了其鲁棒性。
2023-08-04 cs.CR
Reveal, Correct, Then Pay: Encrypted Mempools and Perpetual Funding Security
Sei Labs;University of Portsmouth(朴茨茅斯大学)
研究加密内存池中的自我编写状态操纵攻击,如永续期货资金场景。通过可执行套利机会微观修正,利用协议信息时间表确定可行机会,排序障碍降低封闭阶段修正率,交易隐私影响资金资本化,给出局部安全指数。
2026-07-16 cs.CR cs.GT
ICS-Sniper: A Targeted Blackhole Attack on Encrypted ICS Traffic
University of British Columbia(不列颠哥伦比亚大学);Cornell University(康奈尔大学)
研究人员提出ICS-Sniper定向黑洞攻击,通过分析加密ICS流量的VPN元数据识别关键超周期,丢弃少量数据包破坏操作,可规避检测器并在SWaT测试台实现安全威胁。
2026-11-03 cs.CR
DeepPeep: Exploiting Design Ramifications to Decipher the Architecture of Compact DNNs
Indian Institute of Technology Hyderabad(印度理工学院海得拉巴分校);Indian Institute of Technology Roorkee(印度理工学院鲁尔基分校);Indian Institute of Technology Bombay(印度理工学院孟买分校)
深度神经网络(DNN)卓越的预测性能使其在服务领域的应用达到了前所未有的规模和范围。然而,DNN的广泛采用和日益商业化强调了知识产权(IP)保护的重要性。设计技术来确保IP保护已经成为必要的,因为越来越多的趋势是在基于云的服务中的不受信任的加速器上外包DNN计算。DNN的设计方法和超参数是关键信息,泄露它们可能会给组织造成巨大的经济损失。此外,DNN架构的知识可以增加对抗攻击的成功概率,其中对手干扰输入并改变预测。在这项工作中,我们设计了一个两阶段的攻击方法“DeepPeep”,它利用设计方法的独特特性,对紧凑DNN中的构建块的架构进行逆向工程。我们展示了“DeepPeep”在P100和P4000 GPU上的功效。此外,我们提出了智能设计机动策略,通过DeepPeep攻击来挫败IP盗窃,并提出了“安全MobileNet-V1”。有趣的是,与普通MobileNet-V1相比,安全MobileNet-V1显著减少了推理延迟($\approx$ 60%),提高了预测性能($\approx$ 2%),内存和计算开销非常低。
2020-07-30 cs.CR cs.CV cs.LG
A Re-Keying Game for Encrypted Multi-Agent Control under Persistent Threats
University of Maryland, College Park(马里兰大学帕克分校)
研究加密多智能体控制中CKKS方案密钥恢复漏洞问题,将循环安全性建模为两阶段博弈,通过重新密钥生成防御主动操纵,确定了FHE精度等三方张力范围及有效安全点,揭示反馈回路中密码系统安全性是动态博弈。
2026-11-17 cs.CR cs.GT cs.SY
Triad-NVM: Persistent-Security for Integrity-Protected and Encrypted Non-Volatile Memories (NVMs)
新兴的非易失性存储器(NVM)是构建未来存储系统的有前途的竞争者。另一方面,与DRAM系统不同,NVM即使在断电后也可以保留数据,从而扩大了攻击面。虽然先前已针对DRAM系统提出数据加密及完整性验证,但保护及恢复安全存储器对于持久性存储器变得更具挑战性。具体而言,安全元数据,例如,加密计数器和Merkle树数据应在系统重新启动和从崩溃中恢复期间安全地持久化和恢复。不持续更新安全元数据可能导致数据不一致,以及严重的安全漏洞。在本文中,我们开拓了一个新的方向,探索Merkle树和加密计数器的持久化,使数据可验证和加密的内存系统的安全恢复。为此,我们提出了一个新的概念,我们称之为持久安全。我们讨论了这种持久安全系统的要求,提出了新的优化,并评估所提出的放松计划和优化的性能,弹性和恢复时间的影响。据我们所知,我们的论文是第一次讨论的完整性保护的NVM系统中的安全元数据的持久性,并提供相应的优化。我们定义了一组松弛计划,带来性能和恢复时间之间的权衡大容量NVM系统。我们的研究结果表明,我们提出的设计,三重NVM,可以提高吞吐量的平均约2倍(相对于严格的持久性)。此外,Triad-NVM对于8 TB NVM系统保持小于4秒的恢复时间(对于64 TB为30.6秒),这比没有安全元数据持久性的系统快约3648倍。
2018-10-20 cs.CR cs.DC
HardIDX: Practical and Secure Index with SGX
基于软件的加密数据搜索方法仍然受到缺乏适当的低泄漏加密或性能缓慢的挑战。现有的基于硬件的方法由于硬件限制和不是专门针对硬件架构定制的软件设计而不能很好地扩展,并且很少对其安全性进行很好的分析(例如,侧通道的影响)。此外,现有的基于硬件的解决方案在受信任的环境中通常具有很大的代码占用空间,容易受到软件妥协的影响。在本文中,我们介绍HardIDX:一种基于硬件的方法,利用英特尔的SGX搜索加密数据。它只实现安全关键核心,即,搜索功能在可信的环境中,其余的则求助于不可信的软件。HardIDX可部署为高性能的加密数据库索引:它的索引大小是对数的,搜索在几毫秒而不是几秒内执行。我们正式的模型和证明我们的计划的安全性表明,其泄漏是等效的最知名的可搜索加密方案。我们的实现具有非常小的代码和内存占用,但仍然可以扩展到几乎无限的搜索索引大小,即,大小仅受一般非安全硬件资源的限制。
2017-03-14 cs.CR