论文速览 | CCS 2023 | Privacy Leakage via Speech-induced Vibrations on Room Objects through Remote Sensi

于 2024-10-10 19:19:30 发布
阅读量43 收藏
点赞数
分类专栏： # 无线感知/雷达成像论文速递 文章标签： 论文速览 ACM CCS 隐私泄露 毫米波雷达 攻击 网络空间安全
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qazwsxrx/article/details/142829968
版权

论文速览 | CCS 2023 | Privacy Leakage via Speech-induced Vibrations on Room Objects through Remote Sensing based on Phased-MIMO | 基于相控阵MIMO的远程语音隐私泄露攻击

在这里插入图片描述

论文链接: https://dl.acm.org/doi/abs/10.1145/3576915.3616634

1 引言

随着无线通信技术的发展，毫米波作为5G和未来6G网络的关键技术之一，正在被广泛应用于各种场景。然而，这项技术也可能带来新的安全威胁。本文揭示了一种新型的

了解本专栏 订阅专栏 解锁全文 超级会员免费看
R.X. NLOS
关注
专栏目录
订阅专栏
论文阅读《Privacy Leakage via De-Anonymization and Aggregation in Heterogeneous Social Networks》
Catherine_qingzhu的博客
07-05 701
论文来源 信息安全期刊：《IEEE Transactions on Dependable and Secure Computing》 下载链接：IEEE Xplore 论文概要 关键词 数据隐私、社交网络安全、去匿名化、异构社交网络 提出问题 当今，有越来越多的人拥有不止一个社交账号，通过对同一个人的不同社交账号进行聚合（Aggregation），就能收集到关于他的各方面隐私信息。这种情况有益的方面是可以帮助推荐系统向我们推荐产品，有害的方面是攻击者也可能获得关于我们的隐私信息。针对这种现象，
论文阅读：Domain Name Encryption Is Not Enough: Privacy Leakage via IP-based Website Fingerprinting
qq_39378221的博客
03-08 1039
文章目录Domain Name Encryption Is Not Enough: Privacy Leakage via IP-based Website Fingerprinting1 背景&目的2 域名加密（Domain Name Encryption）3 网站指纹（Website Fingerprinting）4 威胁模型5 指纹构造5.1 基于IP的指纹5.2 通过Connection Bucketing加强基于IP的指纹6 实验 Domain Name Encryption Is Not
图隐私论文速递：Privacy Leakage via De-anonymization and Aggregation in Heterogeneous Social Networks
hfding
11-28 585
作者：gufe_hfding 文章目录论文概况论文创新论文启示 论文概况 这是今天分享的第二篇论文，原本是2017年就在线发表了，正式发表在今年的TDSC上，是上海交大朱浩瑾老师团队的论文“Privacy Leakage via De-anonymization and Aggregation in Heterogeneous Social Networks”。朱老师是2016年的教育部青年长江学者，是个很厉害的研究人员，他们团队在2015-2017年间发表了多篇图隐私方面的论文，这篇论文应该是最后一篇，
论文阅读:Privacy Leakage of Real-World Vertical Federated Learning
kewei chen
08-18 1359
攻击者会通过白盒窃取或者黑盒探测的方式得到和目标模型的结构、参数都相似的影子模型，然后生成和目标数据集分布相似的仿真数据集，最后用影子模型和仿真数据集训练一个分类模型，这个分类模型可以根据某样本经过目标模型的输出来判断它是否属于目标训练数据集。例如，根据已有的识别检测模型，原来是识别成猫，我们根据识别成猫的这个神经网络，把原先的数据对一些特征进行修改，把它修改的更像识别成狗，同时不影响数据的准确性，如上图所示，人眼几乎看不出任何区别。只有联合多个参与者的共同样本的不同特征进行纵向联邦学习，才有意义。....
【论文阅读】 Beyond Inferring Class Representatives: User-Level Privacy Leakage From Federated Learning
热门推荐
学渣的博客
03-16 1万+
本文提出了一种 multi-task 的 GAN（multi-task GAN for Auxiliary Identification (mGAN-AI)） ，可以恢复 client 级别的多种隐私，包括 数据所属的类别、真假、来自哪一个 client，最后还能实现 某位client 训练数据的恢复。 现有工作的不足 Hitaj et al. [4] proposed a GAN-based reconstruction attack against the collaborative learning
最新区块链论文速读--CCF C会议 TrustCom 2023 共31篇 附pdf下载 （1/6）
软件工程小施同学 的专栏
06-24 1351
我们提出了 IHFBF（改进的 Hyperledger Fabric 区块链框架），这是一种改进的许可型区块链框架，它采用预测交易排序方法，通过选择共识节点中的节点作为排序器。与其他三种快速许可区块链框架相比，IHFBF 的并行工作流框架在存在恶意参与者的情况下降低了延迟并表现出更好的吞吐量，从而实现了高效的系统性能。因此，设计一个解决方案来保护交易金额和交易对等方身份的匿名性至关重要，因为金额在匿名的情况下仍必须经过认证，所以交易金额和交易对等方身份是可变的。重新思考基于区块链的实用对称可搜索加密服务。
最新区块链论文速读--CCF C会议 ISPA 2023 共11篇 附pdf下载 （2/2）
软件工程小施同学 的专栏
06-24 1305
首先，我们通过真实的区块链数据分析交易的影响因素。在我们的设计中，在新交易中使用可能性较低的 UTXO 将存储在磁盘中，而其他在新生成的交易中使用可能性较高的 UTXO 则应存储在缓存中。该方法旨在最小化交易数据集的内存消耗，加速区块验证过程中的UTXO访问时间，最终减少验证所需的总体时间，实现高效的UTXO交易数据管理。然而随着区块链技术的日益普及，未花费交易输出（UTXO）数据集的规模不断增大，大量低价值UTXO占据了主要数据集空间，导致区块链数据集膨胀，影响了数字钱包服务的性能和整体系统性能。
[安全论文翻译] Analysis of Location Data Leakage in the Internet Traffic of Android-based Mobile
杨秀璋的专栏
11-10 9696
基于Android移动设备的互联网流量中的位置数据泄漏分析。本文提出了一个涉及真实移动设备用户网络流量的实证评估，旨在：(1)测量基于Android的智能手机设备的互联网流量中相关位置数据泄漏的程度；(2)了解这些数据的价值以及推断用户兴趣点（POI）的位置；(3)在现实假设下，推导一个旨在推断用户兴趣点的攻击流程。
Membership Leakage in Label-Only Exposures论文解读
kking_edc的博客
11-12 2976
Abstract 1 Introduction membership inference中adversary的目标是判定一个数据样本是否用于训练目标ML模型。 现有的隐私攻击依赖于ML模型输出的confidence scores（即class probabilities或者logits）。成功的membership inference是由于ML模型的inherent overfitting性质，即一个ML模型在面对它训练的样本时输出分数会更高。图1展示了这种scored-based threat model
leakage-in-nanometer-cmos-technologies-2006.pdf
10-15
漏电流是指在CMOS电路中的漏电流，包括gate leakage、subthreshold leakage和junction leakage等。这些漏电流会导致电路的功耗增加，降低电路的可靠性和寿命。 纳米CMOS技术中的漏电流问题可以通过多种方法来解决，...
DATA-LEAKAGE-DETECTION-using-asp.net.zip_data leakage
09-23
本压缩包文件“DATA-LEAKAGE-DETECTION-using-asp.net.zip_data leakage”显然是关于如何在ASP.NET环境中实施数据泄露检测的教程或演示。 数据泄露检测系统的主要目标是预防、检测和应对潜在的数据泄露事件，确保...
Improved-Deep-Leakage-from-Gradients:“改进的梯度深度泄漏”（iDLG）的代码
05-07
改进的深度泄漏 “”（iDLG）的代码。 抽象的 人们普遍认为，共享梯度不会泄漏诸如协作学习和联合学习等分布式学习系统中的私人训练数据。 [1]提出了一种方法，该方法显示了从公开共享的梯度中获得私人训练数据的...
多台三相逆变器并联（本模型为三台并联，市面上多为两台并联）matlab simulink仿真 功能：实现并联系统中各逆变器输出
最新发布
10-09
多台三相逆变器并联（本模型为三台并联，市面上多为两台并联）matlab simulink仿真。 功能：实现并联系统中各逆变器输出功率均分。 （有能力的话还可以研究下垂特性、功率指令以及静态功工作点三者之间的联系） 控制策略：VSG控制策略（同步机控制） 逆变器主电路：三相逆变器，LCL滤波电路，VSG控制模块。 VSG控制模块：定、转子方程，dq变，电压电流双闭环，预同步，pwm发生器。
Ringtones波点音乐-《Lightning Moment》.mp3
10-09
Ringtones波点音乐-《Lightning Moment》.mp3
onnx2onnx-0.3.1.tar.gz
10-09
onnx2onnx-0.3.1.tar
网页商城系统 SSM毕业设计 源码+数据库+论文（JAVA+SpringBoot+Vue.JS）.zip
10-09
网页商城系统 SSM毕业设计 源码+数据库+论文（JAVA+SpringBoot+Vue.JS） 启动教程：https://www.bilibili.com/video/BV1GK1iYyE2B
实现卡尔曼滤波器,扩展卡尔曼滤波器,双卡尔曼滤波器和平方根卡尔曼滤波器Matlab代码.rar
10-09
1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
RATIONALYST：预训练过程监督改进推理机制
10-09
内容概要：RATIONALYST 是一种预训练推理模型，旨在改进大型语言模型（LLMs）在处理数学、常识、科学和逻辑推理等多种任务时的表现。通过对来自大规模未标注数据集中提取的隐含推理论据进行训练，解决了传统模型在模拟日常沟通中的逻辑跳跃而带来的推理由不足的问题。相较于现有的同类系统，如GPT-4及其他相同大小或更大的验证模型，RATIONALYST 在七个典型的基准测试上表现得更好。 适合人群：自然语言处理研究员与高级工程师。 使用场景及目标：研究者可以利用 RATIONALYST 提高对复杂语言和逻辑的理解能力，从而在不同的应用场景下提升系统的准确度和稳定性。 其他说明：本论文还附带发布了 GitHub 上该项目的所有代码，可供下载用于继续探索或者作为教学材料帮助相关人员更好地理解这一新的方法和技术路径。
quantifying privacy leakage in graph embedding
12-12
随着互联网的普及和信息技术的飞速发展，人们在日常生活中的各种活动都留下了大量的数据，这些数据通常被用于分析用户的行为和提供个性化的服务。然而，随之而来的问题是隐私泄露的风险也在不断增加。图嵌入是一种常用的技术来挖掘图数据的潜在信息和模式，但是在进行图嵌入的过程中难免会涉及到用户的个人信息和隐私数据。 量化隐私泄霞度是对图嵌入中隐私问题的一种重要探讨。量化隐私泄露是指对在图嵌入过程中可能泄漏的隐私信息进行量化和评估，以便进一步采取措施来降低隐私泄漏的风险。量化隐私泄露的过程通常包括对嵌入结果进行敏感度分析、随机噪声注入和隐私保护算法设计等方面。 对于量化隐私泄露的研究，可以从多个角度进行探讨。首先，可以通过实际数据集和场景进行仿真实验，评估图嵌入算法的隐私泄露情况。其次，可以通过定义和度量隐私指标来评估隐私泄露的严重程度，例如信息熵、互信息量等。另外，还可以探讨在图嵌入过程中采用不同的隐私保护技术，如差分隐私、同态加密等，来降低隐私泄露的风险。 总之，量化隐私泄露在图嵌入中是一个值得深入研究的问题，通过深入探讨和评估隐私泄露的情况，可以为开展隐私保护技术和制定隐私政策提供重要的参考依据。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

R.X. NLOS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值