基于时序 Transformer CAN 编码器与联邦轻量头的车载网络异常检测框架
针对车载 CAN 总线通信中难以识别的细微时序与上下文异常，研究者提出一种隐私保护检测框架，将学习信号随时间演变的轻量 Transformer 编码器与联邦学习机制结合，使多辆车或 ECU 无需交换原始 CAN 数据即可协同改进共享模型。在开源数据集上的实验显示，该方案在保持效率与隐私的同时实现了稳健的异常检测性能。
#论文/研究
arXiv 隐私论文AI 评分3030 arXiv 隐私论文AI 评分4141 Nullify：面向 LLM 遗忘的免训练零空间激活引导方法
Nullify 是一种免训练、非破坏性的激活引导方法，用于大语言模型遗忘：它在推理时用引导向量把隐私相关激活从记忆答案上引开，同时满足零空间约束，使保留查询的激活基本不受影响。在 TOFU 和 MUSE 上的评估显示，Nullify 的遗忘质量达到或超过已有基线，并近乎无损地保持模型效用。由于完全不做权重更新，它可作为即插即用的推理时干预框架。
arXiv 隐私论文AI 评分2424 量子密钥分发中误差校验与隐私放大的合并实现
量子密钥分发（QKD）协议通常将误差校验与隐私放大分为两步，均需对经典数据施加哈希函数。该研究提出将两步合并为单次哈希：公布并比对输出中固定数量的比特用于误差校验，其余比特作为最终密钥，从而降低经典后处理复杂度、经典通信量与所需随机性。作者证明，在简单条件下，对多数基于熵的证明，该合并协议可在密钥率不变、安全参数仅微调的情况下保证安全性。
arXiv 隐私论文AI 评分2626 BRACE：面向 LSR 能量稠密联想记忆的差分隐私检索算法
研究者提出 BRACE 算法，为 log-sum-ReLU（LSR）稠密联想记忆（DAM）提供差分隐私检索机制，通过自适应校正边界敏感扰动来控制其在检索轨迹上的累积效应。理论上证明该方法达到极小极大最优，给出与维度无关的终态与全轨迹检索误差率，并建立中心极限定理以量化隐私带来的额外不确定性。数值实验将该方法与基线差分隐私方案对比，评估其检索精度。
arXiv 隐私论文精选AI 评分6060 TAP3D：用热阵列从体热重建 3D 人体点云
论文提出 TAP3D，首个从体热特征重建 3D 人体点云的系统，使用单个商用热阵列传感器，在成本、密度、人体敏感度和隐私方面具备优势。系统采用物理信息设计，结合前向热物理模型、多基元估计与几何透视融合，应对深度估计、热干扰和多人体分离难题。
推荐理由：论文展示用低成本热阵列从体热重建 3D 人体点云，为隐私优先的被动人体感知提供了一条可复现的技术路径。
arXiv 隐私论文AI 评分3131 Gated Memory：面向对话式 AI 的准入控制记忆形成框架
Gated Memory 在对话与存储之间加入两个决策检查点：准入闸门在抽取前结合完整话语上下文评估每条候选事实，条件化富化阶段则依据实体范围分类法与隐私约束对已准入事实进行落地。该方法在 LoCoMo-10 基准上相较检索与生成完全相同的强基线，LLM 评判准确率相对提升 2.6%，表明记忆形成质量是可测量的记忆性能约束。
arXiv 隐私论文AI 评分2929 BF-Soft：面向策略感知隐私数据合成的软投票方法
针对 Private Evolution（PE）及其表格版本 Tab-PE 这类最近邻差分隐私合成器，研究者提出 BF-Soft——一种温度平滑的软投票机制，其敏感度在策略图的 reach 与温度上有紧致闭式上界，且与候选数量无关，可在合成前一次性计算。
arXiv 隐私论文AI 评分3131 Fed-GRPO：奖励信号驱动的联邦群组相对策略优化
Fed-GRPO 是一个联邦 GRPO 训练框架，让大语言模型在不共享原始数据的前提下协作进行推理训练，并利用 GRPO 训练中自然产生的奖励统计作为零成本信号来指导聚合、本地训练与通信。
arXiv 隐私论文AI 评分3131 EIFL：在联邦学习中高效保护全局模型隐私与完整性、抵御不可信服务器
针对联邦学习中不可信服务器可能返回被篡改的全局模型、且现有验证方案依赖客户端预先协商并保密的辅助信息（一旦泄露即可被绕过）的问题，研究者提出 EIFL。该方法采用两阶段聚合并结合对称加密保护输出隐私，基于向量内积实现高效完整性验证，并用随机向量生成让客户端就辅助信息达成一致，将辅助信息与输出完整性绑定，无需再对服务器保密，同时通过简单重发机制抵御验证阶段的客户端掉线。
arXiv 隐私论文AI 评分2626 面向持续机器遗忘的极小极大高斯机制
研究提出用于牛顿更新在连续删除请求下的高斯机制，借助高斯差分隐私（GDP）及其自适应组合规则，证明整个已发布模型序列在统计上难以与匹配的精确重训练区分。基于计数界的随机游走噪声在删除上限 M 处渐近匹配单次发布的最坏情况方差，而独立噪声则多出约 M 量级的因子；基于集合的界可利用被删除记录的梯度与海森矩阵降低噪声方差。
arXiv 隐私论文AI 评分3131 指数选择中的局部敏感度：失效模式与有效校准
针对差分隐私指数机制中数据集相关敏感度能否安全替代全局敏感度的问题，研究提出三类有效校准方法：对局部敏感度做私有高概率上界并推广至有限高阶敏感度层级；PTR 变体在有限公开网格上私有搜索温度参数；平滑敏感度支持多种设计，其中候选无关的平滑几何构造给出局部抑制框架下可接受的敏感度包络，对数变换则得到全局敏感度受控且保留原效用最大者的平滑得分函数。
arXiv 隐私论文AI 评分4141 HE-OFT：同态加密下隐私保护的一次性联邦微调
HE-OFT 是首个不向任何参与方交付训练模型的密码学安全一次性联邦微调协议：各客户端在冻结的公共骨干网络上微调低秩适配器与分类器头，仅上传一次加密的头部位移，由服务器在多方 CKKS 下合并且从不解密。
arXiv 隐私论文AI 评分3838 免训练语音匿名化：基于投影无分类器引导的两阶段方法
研究者提出一种免训练的两阶段语音匿名化方法，仅修改推理时的条件与引导，不更新任何预训练参数。该方法先以随机说话人上下文重建源内容表示，再抑制与原始说话人对齐的成分。在 VoicePrivacy 2026 Track 1 上，该方法提升了说话人隐私，同时保持有竞争力的词错误率和情感识别性能。
arXiv 隐私论文AI 评分5252 Zeppelin：面向 Helium 微控制器的客户端 BFV 加解密库
Zeppelin 是首个使用嵌入式向量指令集、首个在嵌入式设备上同时支持加密与解密的同态加密库，也是首个在 MCU 级硬件上实现的 BFV 方案。
arXiv 隐私论文AI 评分3838 面向隐私友好 AIoT 的图像比特流细粒度理解：BFG 基础模型与 CFU-D 数据集
研究者提出面向图像比特流细粒度理解（IBFU）的基础模型 BFG，由比特流语义编码器 BSeE 与细粒度语义生成器 FSeG 组成，无需将图像完整解码到像素域即可完成分类与语义描述生成，从而减少处理流程中的视觉暴露。
arXiv 隐私论文AI 评分3131 一次性差分隐私置信区间：基于重采样的新框架
研究者提出一种一次性构建差分隐私置信区间的框架，仅对最终重采样分位数加噪，而非对每次重采样的估计量分别加噪。在放回（m-out-of-n）采样下隐私成本仅与重采样次数 B 成对数关系，在无放回（子采样）下与 B 无关，避免了此前工作中的 √B 因子。该框架为子采样和 m-out-of-n 重采样提供非渐近高斯差分隐私（GDP）与效用保证，覆盖分位数和退化 U 统计量等估计量。
arXiv 隐私论文AI 评分3131 联邦贝叶斯监测机械取栓不良事件：手术数字孪生的人群风险层
研究提出将人群规模不良事件监测作为手术数字孪生的独立信念层，并评估一种在形式化隐私保证下学习的联邦贝叶斯协议，各站点仅交换 Rényi 差分隐私自然参数更新。
arXiv 隐私论文AI 评分4040 FedDermaSeg：面向皮肤镜图像分割的联邦学习方案
研究团队提出 FedDermaSeg，用联邦学习在 ISIC 2018 皮肤病变分割挑战赛数据集上模拟分布式训练环境，构建隐私保护的皮肤病变分割模型。该模型在 ISIC 2018 测试集和 PH2 数据集上评估，性能与集中式训练相当，并持续优于各本地训练模型，表明无需集中汇聚医学图像即可实现协作式皮肤病变分割。
arXiv 隐私论文精选AI 评分6060 SBW：面向 LLM 智能体的抗改写、抗伪造语义行为水印
论文提出语义行为水印（SBW），在历史条件下对语义动作簇而非精确动作符号嵌入水印，并用带密钥的抗碰撞分箱替代公开簇分箱。在五个智能体模型（3B-14B，四家厂商）和三个编码器上，ToolBench 改写场景下簇级检测率为 0.49-0.66，精确符号方案仅 0.05-0.17；ALFWorld 上为 0.92-0.97 对 0.00-0.01。
推荐理由：论文提出面向 LLM 智能体的语义行为水印，在改写场景下检测率显著高于精确符号方案，并指出链式重放仍未被覆盖。
arXiv 隐私论文AI 评分1717 面向物质使用障碍患者对话生成的多目标对齐小语言模型框架
研究提出一个面向物质使用障碍（SUD）患者对话生成的多目标对齐小语言模型框架，分认知成分检测与认知成分对齐对话生成两阶段，结合知识蒸馏、人类标注偏好优化与注意力引导奖励塑形。在 BERTScore、ROUGE、METEOR、BLEU 及 LLM-as-judge 命中指标上，认知信息微调在认知实现与对齐上优于通用指令微调基线和心理健康领域专用小语言模型，开放式认知成分提升尤为明显。
arXiv 隐私论文AI 评分3939 FaceKit：面向罕见病可解释面部表型分析、合成图像生成与隐私评估的工具包
FaceKit 是一个从正面面部照片进行定量面部表型分析的计算框架，可提取标准化面部标志点测量值并衍生 120 项形态特征，输出表示相对人群参考分布偏离程度的特征级 z 分数，参考分布基于 FairFace 数据集构建。研究在 GestaltMatcher Database 中覆盖 50 个罕见病队列的子集上评估 FaceKit，并开展隐私评估，检验合成图像是否泄露真实患者照片中的可识别信息。
arXiv 隐私论文AI 评分1212 CoMoE：在消费级 GPU 上实现通信高效的 MoE 推理
CoMoE 是一个面向消费级 GPU 的通信高效 MoE 推理系统，通过以主机为中心的路由解决 PCIe 带宽受限且无 P2P 支持的通信瓶颈。它用主机支持的 token 多播消除出站冗余，并用主机暂存缓冲的细粒度 token 级聚合替代全局同步。在 RTX 5090 上吞吐最高提升 1.46 倍，接近支持 NVLink 的 A800，硬件成本仅为其 23.4%。
arXiv 隐私论文AI 评分3636 LDPGraph：利用邻域结构的本地差分隐私图合成
针对不可信收集者场景下图数据发布的隐私风险，研究者提出本地差分隐私图合成算法 LDPGraph，通过聚合扰动邻接表得到含噪全局视图，并结合投影局部连接估计节点级三角形计数。该方法将分别扰动的度与三角形计数联合修正为可行的度-三角形目标，再以三角形优先策略重建全局图。在四个真实数据集和多种常用图指标上的实验验证了其优越性。
arXiv 隐私论文AI 评分5151 随机分配 DP-SGD 的闭式噪声标定：抵御成员推断攻击
研究针对随机分配下的 DP-SGD 提出一行闭式公式，用于约束训练模型上任何成员推断攻击（MIA）的准确率上限。在每轮 M 步、E 轮、噪声乘子 σ 且成员与非成员先验等概率时，攻击准确率至多约为 1/2+1/4√((1+(e^{1/σ²}-1)/M)^E-1)，该式源自高斯分布与支配随机分配的高斯混合分布之间的卡方散度，可在约一微秒内给出 σ。
arXiv 隐私论文AI 评分2020 AURA：面向戒烟的先发式智能可穿戴设备设计研究
研究团队提出 AURA——一个基于市售可穿戴设备的智能手表-手机生态系统，用于在复吸发生前主动检测并干预烟瘾。通过对 10 名多族裔亚洲吸烟者与戒烟者的半结构化共创设计访谈，研究识别出习惯、情绪与社会三个维度的烟瘾预测因素，以及社会问责、个性化支持、奖励和即时分心等用户偏好的干预策略。参与者还强调信任、隐私、个性化与非评判式交互的重要性。
arXiv 隐私论文AI 评分2222 FedSSMCoOp：面向少样本分类的轻量级联邦提示学习 SSM 编码器
FedSSMCoOp 是一个联邦少样本图像分类框架，用基于 SSM 的 Vision Mamba 与 Cross Mamba 模块，在联邦场景下只优化 soft-prompt 和 communication-prompt 更新，从而无需外部大语言模型做特征对齐。该框架在多个生物医学图像数据集上训练评估，性能相对基线稳定，平均轻量 1.96 倍。
arXiv 隐私论文精选AI 评分6666 PrivTab：用表格基础模型实现高效可证明隐私的分类
研究提出 PrivTab，一种将隐私机制嵌入架构的表格基础模型，用于差分隐私分类，通过上下文学习把敏感行转换为紧凑且可证明隐私的摘要。在中等至强隐私预算下，它优于私有线性与神经网络基线，成员推断泄漏可忽略，强隐私下预测仍保持良好校准，并将数据集拟合时间缩短 10000 倍，仅需一次前向传播。
推荐理由：介绍一种把差分隐私机制嵌入架构的表格基础模型，读者可了解隐私分类在效用、速度与成员推断泄漏上的取舍。
arXiv 隐私论文AI 评分3131 BetweenCut：树高双对数误差的差分隐私重节点分类算法
针对树结构中重节点分类问题，研究者提出 (\varepsilon,\delta)-DP 算法 BetweenCut，其加性误差为 O_{\varepsilon,\delta}(\log\log h)，优于现有方法在树高 h 下的 Ω_{\varepsilon,\delta}(\log h) 或 Ω_{\varepsilon,\delta}(\sqrt{\log h}) 误差界。
arXiv 隐私论文AI 评分5252 Open-MMUnlearning：统一多模态大模型机器遗忘方法与评测
研究者提出开源可扩展框架 Open-MMUnlearning，通过共享接口和结构化配置整合目标模型准备、多模态数据处理、遗忘与评测，覆盖隐私、安全、版权三类共五个基准、四个模型家族的八个 MLLM 和十二种遗忘方法。
arXiv 隐私论文AI 评分4141 人脸去标识化方法隐私保护效果对比研究：UtilFace 基准与 HiFD 指标
针对人脸去标识化（FDeID）评估指标与数据集不统一、跨方法难以比较的问题，研究者提出人口统计均衡的基准 UtilFace 和分层评估指标 HiFD。HiFD 基于预训练估计器输出，将身份抑制、三级效用保留（宏观 L1、微观 L2、不可感知 L3）与图像质量统一为单一可解释分数。研究据此对比了对抗、GAN 和扩散三类方法，并公开基准与评估工具包。
arXiv 隐私论文AI 评分3131 基于 DNA 数据存储的多服务器合谋顺序随机采样 PIR
研究 DNA 数据存储中多台随机采样服务器合谋场景下的顺序随机采样隐私信息检索（SRS DNA PIR），数据库被等分为多台服务器。论文推导了下载成本（期望查询次数）与以互信息衡量的隐私泄露之间的下界，其中包含一个由优化问题给出的界；当每台服务器存储两个文件时该界是紧的，并构造了达到该界的方案。对任意规模的服务器，作者构造了将单服务器方案应用于随机选取服务器子集的方案。
arXiv 隐私论文AI 评分4141 FBAN：面向隐私保护行为认证的全同态加密兼容瓶颈注意力网络
研究者提出 FBAN——一种兼容 TFHE 的瓶颈注意力网络及端到端加密连续认证框架，通过浮点预训练加量化感知训练的两阶段流程实现纯整数推理，并编译为 TFHE 电路进行同态推理。
arXiv 隐私论文AI 评分2020 SAGE：语义锚点引导演化，为医疗问答合成高质量训练数据
针对临床场景训练数据稀缺且受隐私限制、难以使用开源语料或云端 API 的问题，研究者提出数据合成框架 SAGE（语义锚点引导演化），让本地部署的小模型借助 MeSH 等公开轻量分类体系作为语义锚点，交替进行原子式与关联式合成，从极少种子数据自举生成医疗训练数据。在多个医疗问答基准上，用 SAGE 合成数据微调的模型持续优于使用自生成或传统文档式数据训练的模型。
Google 安全博客精选AI 评分6262 Google 开源 HEIR 编译器，让 AI 模型在加密数据上推理
Google 在 Private Computing Toolkit 中新增开源编译器 HEIR（Homomorphic Encryption Intermediate Representation），可将预训练 AI 模型从处理未加密数据转换为处理加密输入，目标是让非专家也能一键把加密推理接入生产应用。
推荐理由：Google 开源 HEIR 编译器，把预训练 AI 模型转为在加密数据上推理，读者可了解同态加密落地的工程路径与四个演示场景。
DifferentialPrivacy.orgAI 评分3131 单侧差分隐私：定义、直觉与单侧 Laplace 噪声
差分隐私通常要求相邻数据集对称，本文提出并分析两种非对称变体：仅添加型（Definition 1）与仅移除型（Definition 2）差分隐私。