Poisson subsampling의 독립성에 기반한 프라이버시 증폭 메커니즘을 분석하고, 음의 상관관계가 이 메커니즘을 얼마나 확장할 수 있는지 이론적으로 규명했다. 음의 상관관계가 있는 경우, 정수 R\'enyi 순서 $\alpha\ge2$에서 독립적인 경우와 동일한 R\'enyi 발산을 보인다.
이 연구는 실무에서 구조화된 참여 방식을 사용할 때 프라이버시 증폭 계산의 한계와 대안을 제공하여, 미분 프라이버시 시스템 설계에 중요한 지침을 준다.
이 연구는 텍스트-음성(TTS) 모델에 대한 멤버십 추론 공격(MIA) 프레임워크를 제안한다. TTS 모델의 멀티레벨 음성 특성과 시간적 변이성을 고려한 대표성 공학과 쿼리 생성 기법을 통해, 세 가지 최신 TTS 모델에서 멤버십 정보를 0.80~1.0의 AUC로 추론할 수 있음을 보인다.
이 연구는 TTS 모델이 개인 음성 데이터를 통해 학습되었을 때의 개인정보 유출 위험성을 입증하여, 보다 강력한 프라이버시 보호 기법의 필요성을 강조한다.
PCS는 농업 분야에서 농부의 데이터와 신원을 보호하면서 모델 유틸리티를 유지하도록 설계된 보안 머신러닝 시스템이다. 뉴욕과 캘리포니아에서 6개월과 10개월간 각각 농업 모니터링 및 예측 작업을 평가하여 DSC 0.71, R² 정확도 0.84를 달성했으며, 단일 사이트 모델 정확도를 각각 22.4%와 9.1% 개선했다.
PCS는 농업 분야에서 데이터 프라이버시를 보장하면서 모델 성능을 향상시키는 시스템으로, 농업 기술의 채택을 촉진할 수 있다.
Mixnets에서 수신자 익명성을 보호하는 새로운 프로토콜 NymHS를 설계하고, 웹 브라우징 실험을 통해 그 실용성을 입증했다. 10 KiB의 Sphinx 페이로드를 사용하면 평균 페이지 로드 지연이 약 5.2배 감소하고 통신 오버헤드는 4.3%로 줄었다.
NymHS는 Mixnets 기반 익명 통신 시스템에서 수신자 보호를 강화할 수 있는 실용적인 프로토콜로, 실무에서 익명성 향상에 활용될 수 있다.
ViT 분할 추론 시스템에서 토큰 축소와 섞기가 개인정보 보호에 미치는 영향을 분석하고, 새로운 공격 기법인 SARA를 제안하여 토큰 위치 정보를 복원하는 방법을 보인다. 토큰 섞기는 보안 효과가 제한적이고, 토큰 축소는 충분한 의미와 위치 정보가 남아 있으면 유출이 발생함을 실증한다.
ViT 분할 추론 시스템에서 토큰 섞기만으로는 개인정보 보호가 어렵고, 토큰 축소와 보완적 방어 기법을 함께 적용해야 한다.
개인 데이터가 협력 서비스 제공업체에 의해 분산 처리될 때 발생하는 구성적 프라이버시 위험을 식별하는 새로운 프로토콜을 제안한다. 이 프로토콜은 데이터 보호 영향 평가의 결과를 개선하기 위해 구성적 위험 후보를 식별하는 방법을 제시한다.
이 연구는 서비스 조합에서 발생할 수 있는 구성적 프라이버시 위험을 식별하는 프로토콜을 제안하여, 기업이 데이터 보호 영향 평가를 보다 효과적으로 수행할 수 있도록 지원한다.
센서-서버-클라이언트 구조에서 프라이버시 보호 센서 융합 기술을 개선한다. PBFT 기반 합의 단계와 서버별 라벨 해제를 도입하여 온라인 실행 시간을 평가했다.
센서와 서버의 공모 및 비잔틴 조작을 방지하는 CRSF 프로토콜을 통해 센서 융합 보안을 강화할 수 있다.
다양한 스마트 시티 센서에서 보행 특징을 분석하여 개인정보 유출 가능성에 대한 연구를 위한 데이터셋 MultiGait를 구축하고, 8가지 센서, 4가지 관점, 3가지 기록 세션을 통해 정량적 벤치마크를 수행하였다. 199명의 다양한 보행 모드와 개인 속성 정보를 포함하고 있어, 교차 센서 인식 및 엣지에서의 익명화 연구에 기초가 될 수 있다.
이 연구는 스마트 시티 센서의 개인정보 유출 가능성에 대한 체계적인 분석을 가능하게 하며, 특히 보안 친화적 센서라고 여겨지는 기술에서도 신원 추론 위험이 존재함을 보여준다.
XR 장비는 사용자의 움직임을 추적하여 몰입감 있는 3D 경험을 제공하지만, 이 과정에서 민감한 정보를 노출할 수 있다. 134개 논문을 검토하여 공격 벡터, 추론 위험, 방어 방법을 체계화하고 향후 연구 방향을 제시한다.
XR 기기 사용 시 움직임 데이터의 프라이버시 위험을 인식하고, 제안된 방어 전략과 향후 연구를 주목해야 한다.
차분 프라이버시(DP)를 적용한 테이블-이미지 다중 모달 데이터 합성 기법을 제안한다. 테이블 분포를 위한 확률 그래픽 모델과 조건부 이미지 분포를 위한 DP-SGD 기반 확산 모델을 결합하여, 테이블과 이미지 간 의존성을 보존하면서 데이터 신뢰도와 모달 간 정렬을 균형 있게 달성했다.
차분 프라이버시를 고려한 테이블-이미지 데이터 합성 기법을 개선하여, 의존성을 유지하면서 데이터 품질을 높이는 방안을 제시한다.
웨어러블 EEG 시스템에서 사용되는 공통 EEG 특징이 인지 상태 분류를 지원하는 동시에 참가자 신원 및 인구통계 정보를 유추할 수 있음을 보인다. NeuroPriv를 통해 인지 상태 분류 성능을 유지하면서 신원 및 인구통계 유추 정확도를 각각 0.206, 0.467, 0.563으로 감소시켰다.
웨어러블 뇌파 장치 사용 시 신원 및 인구통계 정보 유출 위험이 있으며, NeuroPriv를 통해 프라이버시 보호를 강화할 수 있다.
화자의 음성을 익명화하면서 의미와 톤은 유지하는 기술을 제안한다. 기존 휴리스틱 기반 익명화 시스템과 달리, 이 접근법은 어떤 적대자라도 재식별 성공률을 보장한다.
이 연구는 익명화 기술의 신뢰성을 높이는 데 기여할 수 있으며, 음성 데이터를 사용하는 기업에서 개인정보 보호를 강화하는 데 활용될 수 있다.
이 연구는 딜러가 없는 기능 비밀 공유(FSS)에서 키 생성 과정의 병목 현상을 해결하기 위해 특수 목적 칩을 활용한 프로토콜-하드웨어 공동 설계인 KORD를 제안한다. KORD는 기존 프로토콜 대비 키 생성 통신량을 7,633~70,274배 감소시키고, ResNet-18 추론에서 키 생성에 소요되는 시간 비중을 96%에서 11.9%로 줄였다.
이 연구는 딜러 없는 FSS의 실용성을 높이기 위해 하드웨어와 프로토콜을 통합 설계한 사례로, 실무에서는 키 생성 과정의 효율성을 개선할 수 있다.
클라우드-엣지 협력 디코딩에서 프라이버시 유출 위험을 분석하고, CoVeil이라는 방어 메커니즘을 제안한다. CoVeil은 디코딩 시 유출을 최대 87.2%까지 줄이며 정확도 손실은 최소화한다.
CoVeil을 통해 클라우드-엣지 협력 시스템에서 프라이버시와 유틸리티의 균형을 실현할 수 있다.
행동 생체 인증(BBA) 시스템에서 신원을 인증하는 임베딩이 성별, 나이, 키 등의 민감한 인구통계 정보를 우연히 유출할 수 있음을 보인다. 11개 모델과 9개 데이터셋을 사용한 체계적 분석을 통해 4가지 억제 기법의 성능을 평가한다.
BBA 시스템 설계 시 인구통계 정보 유출을 방지하기 위한 억제 기법을 고려해야 한다.
CBDC 은행 간 결제 시스템에서 블록체인의 투명성과 상업적 민감 정보 보호 간의 갈등을 해결하기 위해, 규제 요구사항에 맞춘 완화된 발신자 익명성 모델을 제안한다. Hyperledger Besu를 사용한 프로토콜 구현에서 8-16초의 종단 간 결제 시간과 1ms의 증명 검증 오버헤드를 보인다.
이 연구는 CBDC 결제 시스템에서 익명성과 투명성을 균형 있게 유지하는 새로운 프로토콜을 제시하여, 금융 기관의 상업적 정보 보호와 규제 준수를 동시에 달성할 수 있는 실용적 접근법을 제시한다.
기존 모바일 OS의 권한 모델은 앱 세션 단위로 권한을 부여해 사용자가 데이터 접근 시점을 알기 어렵다. 컨텍스트에 따라 권한을 제어하는 프레임워크를 제안하고, 104명의 설문과 8명의 테스트를 통해 초기 평가를 수행했다.
이 연구는 모바일 기본 앱의 권한 관리를 개선해 사용자 이해도를 높이는 방안을 제시한다.
FISGuard는 멤버십 추론 공격을 방어하기 위해 고정된 저차원 표현 부분공간을 구축하는 방식을 제안한다. 실험 결과, FISGuard는 ProjRes 공격의 AUC를 0.5 수준으로 낮추며, 다운스트림 작업 성능을 유지하고 계산 오버헤드가 적은 것을 보였다.
FISGuard는 멤버십 추론 공격에 효과적인 방어 기법으로, 분산 학습 환경에서 개인정보 보호를 강화할 수 있다.
대규모 언어 모델에서 메모리화를 측정하는 다양한 정의가 있으며, 차분 프라이버시(DP)가 이들을 대체적으로 통제한다고 간주된다. 그러나 DP 상수를 정확히 정의하고, 메모리화와 추출 간의 관계를 분석하여 이들이 서로 통제하지 않는다는 것을 보인다.
이 연구는 차분 프라이버시가 메모리화와 추출을 모두 통제하지 못함을 보여, 보안 감사 및 프라이버시 보호 모델 개발 시 주의가 필요하다.
다중 당사자 계산(MPC)과 차분 프라이버시(DP)를 결합한 시스템에서 사용되는 연속 소음 샘플링 프로토콜의 취약점을 분석하고 이를 개선한 새로운 방법을 제안한다. 기존 샘플링 방식의 취약점으로 인해 100% 공격 성공률을 보였으며, 새로운 샘플링 방식은 기존보다 4~612배 빠르고 효율적이다.
이 연구는 다중 당사자 차분 프라이버시 시스템에서 사용되는 소음 샘플링 방식의 취약점을 실증하고 이를 개선한 새로운 프로토콜을 제시하여, 실무에서 보다 안전하고 효율적인 프라이버시 보호를 가능하게 한다.
연방 학습(FL)에서 경로 업데이트 보호를 위해 GASHE라는 새로운 선택적 암호화 전략을 제안하고, 이를 기반으로 SecureDrive-FL 프레임워크를 개발하였다. SecureDrive-FL은 DP-SGD와 결합하여 MITM 공격에 대한 내성을 보이며, DP-SGD 단독 사용 시 78.2%에서 10.4%로 급격히 감소하는 정확도를 73.6%에서 유지하였다.
SecureDrive-FL은 연방 학습 환경에서 운전자 모니터링 시 데이터 프라이버시와 통신 보안을 동시에 달성할 수 있는 실용적인 솔루션이다.
본 페이지의 연구 요약은 공개된 초록을 AI가 한국어로 정리한 것으로, 원문과 차이가 있을 수 있습니다. 정확한 내용은 반드시 원문을 확인하십시오. 본문과 PDF는 제공하지 않으며, 모든 저작권은 각 저자와 발행처에 있습니다.