全部动态
从来源，看到研究的联系
点选节点，展开一条线索
本页材料
完整标题与摘要 · 24 条- 会议论文NDSS 2025
GAP-Diff:保护 JPEG 压缩图像免受扩散模型人脸定制滥用
提出 GAP-Diff,通过可反向传播的预处理模拟生成对 JPEG 压缩鲁棒的对抗扰动,干扰扩散模型微调,保护人像隐私。
- 会议论文NDSS 2025
我知道你问了什么:多租户 LLM 服务中经 KV 缓存共享泄露提示词
首次研究多租户 LLM 服务的安全风险,提出 PROMPTPEEK,利用 KV 缓存共享的侧信道在不同先验条件下还原其他用户提示。
- 会议论文NDSS 2025
MingledPie:缓解聚类联邦学习中偏好画像的簇混合方法
通过在簇中混入少量假阳性客户端并解线性方程恢复模型,抵御服务器偏好画像,攻击准确率均值 69.4%,精度损失至多 3%。
- 会议论文NDSS 2025
通过对抗正则化对 Split Learning 的被动推断攻击
提出 SDAR,利用辅助数据学习客户端私有模型的可解码模拟器,可还原私有特征与标签,效果接近主动攻击。
- 会议论文NDSS 2025
可证明不可学习的数据样本
提出通过参数平滑认证不可学习样本的 (q,η)-Learnability,并设计 PUE,在 ImageNet 与 CIFAR-100 上降低可学习性与测试精度。
- 会议论文NDSS 2025
RAIFLE:对基于交互的联邦学习的对抗数据操控重构攻击
服务器操控呈现给用户的物品特征以重构其私有交互,在推荐与在线排序场景中显著强于梯度反演等现有攻击。
- 会议论文NDSS 2025
强化学习遗忘
提出面向整个环境的强化遗忘,给出基于递减式强化学习与环境投毒的两种方法,并引入环境推断评估遗忘效果。
- 会议论文NDSS 2025
Scale-MIA：基于隐空间重建、针对安全联邦学习的可扩展模型逆向攻击
提出 Scale-MIA，即使有安全聚合保护，也能通过闭式反演和生成解码器从聚合更新中高效重建本地训练样本，优于现有攻击。
- 会议论文NDSS 2025
非交互式安全 Transformer 推理
提出 NEXUS，首个非交互式安全 Transformer 推理协议，客户端仅需一轮通信，带宽相比 BOLT 降低 372.5 倍。
- 会议论文NDSS 2025
SHAFT：安全、易用、准确且快速的 Transformer 推理
提出常数轮 softmax 协议和基于傅里叶级数的 GELU 协议，在保持接近明文精度下，通信量降低 25-41%，运行速度优于 BumbleBee。
- 会议论文NDSS 2025
SIGuard：保护安全推理的输出隐私
发现 MPC 安全推理仍易受成员推断攻击，提出 SIGuard 对加密预测加噪，将攻击准确率降至接近随机猜测。
- 会议论文NDSS 2025
Speak Up, I'm Listening：从零权限 VR 传感器中提取语音
提出 IMMERSPY 声学侧信道攻击，用 CNN-LSTM 从 VR 设备运动传感器还原语音数字，16 位卡号识别准确率 62%，并给出防御。
- 会议论文NDSS 2025
TrajDeleter：让离线强化学习智能体遗忘特定轨迹
提出首个离线 RL 轨迹遗忘方法 TrajDeleter，仅需重训约 1.5% 的时间即可平均遗忘 94.8% 的目标轨迹，并提供审计方法 TrajAuditor。
- 会议论文NDSS 2025
理解机器学习攻击中的数据重要性：有价值的数据危害更大吗？
分析五类攻击发现高重要性样本在成员推断和模型窃取中更脆弱，并据此引入样本特定准则提升成员推断效果。
- 会议论文NDSS 2025
URVFL：针对纵向联邦学习的不可检测数据重建攻击
提出 URVFL，利用带辅助分类器的判别器生成与诚实训练难以区分的恶意梯度，显著优于现有攻击并绕过现有检测方法。
- 会议论文NeurIPS 2025
单次运行能多精确地审计差分隐私？
刻画单次运行隐私审计的最大可达效力，指出不同数据元素可观测效应之间的相互干扰是主要障碍，并提出缓解该障碍的新思路。
- 会议论文NeurIPS 2025
歧义语境下的隐私推理
研究语言模型在信息披露决策中的隐私推理，发现语境歧义是主要障碍，提出 Camber 框架消歧，精确率最高提升 13.3%、召回率最高提升 22.3%。
- 会议论文NeurIPS 2025
3D 生成中的机器遗忘：视角一致的加速框架
首次探索 3D 生成模型的机器遗忘，提出跳跃加速机制，在 Zero123 上提速 30% 并有效遗忘目标概念。
- 会议论文NeurIPS 2025
RUAGO：基于对抗攻击与 OOD 生成器的无保留数据遗忘
在没有 retain data 的情况下，用对抗软标签和 OOD 预训练生成器做机器遗忘，效果优于现有 retain-free 方法。
- 会议论文NeurIPS 2025
看不见的威胁：扰动样本下机器遗忘中的残留知识
指出遗忘样本的微小扰动仍可能被遗忘后的模型识别，造成隐私风险；形式化为残留知识并提出微调方法 RURK，实验表明现有遗忘方法普遍存在该问题。
- 会议论文NeurIPS 2025
基于先验知识校准记忆探测的 LVLM 黑盒成员推断攻击
提出首个面向 LVLM 的黑盒成员推断攻击，探测模型对图像中私有语义信息的记忆，效果可比肩灰盒与白盒方法，并对潜在对抗操纵保持稳健。
- 会议论文NeurIPS 2025
语音识别的差分隐私联邦学习：基准、自适应优化器与梯度裁剪
建立 ASR 上 FL 加 DP 的首个基准，用逐层裁剪和归一化缓解梯度异质性，在百万级用户规模下实现可用的用户级 DP。
- 会议论文NeurIPS 2025
自适应 Sigmoid 裁剪：平衡差分隐私学习中的方向-幅度失配
提出 AdaSig 裁剪方法，在 DP-SGD 中自适应平衡方向与幅度失配，保持最佳收敛率并提升分类任务表现。
- 会议论文NeurIPS 2025
扰动模型而非图像：基于反个性化扩散模型的稳健隐私保护
把保护对象从图像转为扩散模型本身，通过 DPO 损失与 L2P 双路径优化阻止对特定主体的未授权个性化，优于现有方法。