ANPD 发布人工智能监管沙盒第二份监测部分报告
巴西国家数据保护局（ANPD）发布人工智能与数据保护监管沙盒第二份监测部分报告，Metatext、Synapse AI 和 Prevvine Tecnologia 三家企业自今年 3 月起在金融、出行和健康领域测试基于 AI 的个人数据处理方案。
#论文/研究
ANPD 巴西国家数据保护局AI 评分2222
arXiv 隐私论文AI 评分3030 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。
arXiv 隐私论文精选AI 评分6666 研究：MoE 路由遥测泄露成员信息，成员推断攻击效果提升
研究提出一种路由增强的成员推断攻击，将常规输出信号与聚合路由特征结合，用独立微调的影子模型训练成员分类器并迁移到目标模型。在三种 MoE 架构和三个数据域共九种设置中，路由遥测使 1% FPR 下的 TPR 相比强输出信号集成提升 2.7 至 9.4 个百分点，且在完整微调、冻结路由器训练、LoRA 和指令微调下均持续存在。
推荐理由：研究显示 MoE 路由遥测可被用于成员推断，读者可了解这一运维信号如何成为新的隐私暴露面。
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4545 CPU-Auth：利用 DVFS 侧信道实现设备指纹认证
CPU-Auth 是一种基于设备 CPU 物理特性差异的新型认证机制，通过在浏览器内远程测量 DVFS 调频器的行为，提取 CPU 的独有特征来构建硬件级设备指纹。该研究在超过 50,000 条数据轨迹上使用距离度量与深度学习方法评估了 CPU-Auth 的性能。
arXiv 隐私论文AI 评分2222 如何改进社交媒体以支持民主话语：一份跨学科设计机制清单
一项跨学科研究提出一组可单独或组合实施的模块化机制，用于让社交媒体从以参与度和广告收入为目标转向支持民主话语与集体审议。这些机制包括用户可控的开放推荐系统、多元观点曝光工具、认知与认知论反馈、协作及 AI 辅助的事实核查、隐私与可见性控制、文明性与证据完整性机制，以及奖励高质量参与的声誉系统。研究称其既是设计选项清单，也是围绕民主价值而非参与度设计数字公共空间的跨学科讨论起点。
arXiv 隐私论文AI 评分5555 PSCMIA：针对嵌入式机器学习的功耗侧信道成员推断攻击
研究提出 PSCMIA，一种针对嵌入式机器学习模型的功耗侧信道成员推断攻击，可直接从功耗轨迹推断样本是否用于训练，无需预测概率甚至预测标签。
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1818 保护落败者出价会削弱拍卖可信度
研究显示，在第二价格拍卖中保护落败者估值信息与拍卖可信度存在冲突。在私有通信的确定性协议下，下尾隐私会迫使首个信息性问题暴露投标人是否拥有最高可能估值，卖方随后可在无人察觉的情况下操纵赢家支付，从而在某些估值情形下增加收入且从不减少收入。降价式协议虽能隐藏低于价格的落败估值，却允许操纵；在强制出售情形下，可信的升价式协议则会暴露这些估值。
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1010 Hugging Suit：用于远程触觉体验的气动可穿戴系统设计
Hugging Suit 是一套气动驱动的可穿戴系统，可让用户在实时模拟并接收远程拥抱。系统整合可编程气囊矩阵（AAM）、便携式高压气动单元与织物压力传感层，在保持轻便可移动的同时提供精准触觉反馈。初步反馈显示，低光私密空间、尤其配合视频看到远端伙伴时，能提升远程拥抱的情感投入与舒适度。
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 隐私论文精选AI 评分6060 研究用 LLM 分析 570 万条 Reddit 帖，构建 12 类 AI 危害分类体系
研究提出一套 LLM 辅助的主题分析流程，从大规模社交媒体数据中动态识别、分类并追踪新兴 AI 危害。作者分析了 18 个月（2025 年 1 月至 2026 年 6 月）内 570 万条 Reddit 帖子摘要，整理并发布包含 57.5 万条 AI 危害相关帖子的数据集，以及涵盖 12 个类别、47 个子节点的自下而上 AI 危害分类体系。
推荐理由：论文用 570 万条 Reddit 帖构建自下而上的 AI 危害分类体系，其中包含自上而下框架忽略的 AI 隐私侵害细分类型。
arXiv 隐私论文AI 评分2626 欺骗性老虎机问题：探索耦合与多智能体学习的脆弱性
研究揭示，在最小双人强单调设定中，欺骗方利用与受害者探索仅存在相关性的泄露信号，将自身探索动作与之耦合，从而注入外部性并把学习动态导向新的稳态——欺骗纳什均衡（DNE）。作者证明欺骗性老虎机学习（DBL）动态以最优收敛速率收敛到 DNE 的任意小邻域，且在放宽标准老虎机优化文献的二阶光滑条件下仍成立，并用资源分配博弈展示了欺骗对稳态与欺骗方成本的严格影响。
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2222 emg2face：用高密度表面肌电实现表情丰富的面部动画
emg2face 提出用高密度表面肌电（HD-sEMG）替代光学方法捕捉面部动作，在额头和面侧各布 32 通道、共 64 通道纺织电极，以 2048 Hz 采样，并用模拟音频脉冲实现亚毫秒级 EMG 与视频同步。
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1212 二阶图像刻画：失真与保密下的后验与条件组合界
该研究将单输出后验刻画扩展为同时的后验与条件组合图像界，保留多输出的实际耦合、量化不规则单元的条件似然损失并纳入实际失真标记。两项扩展分别以加权重建策略图像替代不相交计数、以后验质量约束替代输出基数以实现保密。直接应用给出多源辅助交集、Gaussian 公共/私有描述及指定条件类型的隐私放大等匹配的二阶区域，并给出联合率失真偏移与显式速率界。
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6262 研究：LLM 路由元数据可泄露敏感话题，长度匹配可缓解
研究测量了 LLM 路由决策元数据在关闭内容日志时仍会泄露敏感话题，基于 170 万条真实请求（WildChat-1M、LMSYS-Chat-1M）和两个成本/质量路由器及一个领域路由器展开预注册实验。
推荐理由：研究测量了 LLM 路由元数据在关闭内容日志时仍会泄露敏感话题，并给出长度匹配的缓解思路。
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。