Executive Summary AI applications rely on vector embeddings to power search and recommendations, but these data-rich vectors introduce new security and privacy risks. This blog explains the main...

本研究探讨了云计算时代共享敏感数据时的数据隐私保护问题。结合联邦学习和大型语言模型，提出了一种新颖的跨云架构，确保模型更新的隐私和完整性，同时提高训练效率和决策能力。实验结果表明，该方法在准确性和隐私保护方面优于传统模型。

本研究提出了一种双阶段合并可转移可逆攻击方法，有效解决了黑箱攻击中的有效性不足问题。实验结果表明，该方法在黑箱场景下实现了99.0%的攻击成功率和100%的恢复率，展现出优越的隐私保护能力。

本研究提出了一种联邦偏见感知潜在因子模型（FBALF），旨在解决传统推荐系统的隐私保护不足和评分偏见问题。FBALF通过在本地模型中引入训练偏见，既保护用户隐私，又提高推荐准确性，实验证明其优于现有的联邦推荐系统。

本研究提出了idealloc，一种高效的动态存储分配方法，优化了大规模缓冲区的分配偏移量，性能优于现有的四种实现。

本研究提出了一种名为PointFlowGMM的高效隐私保护框架，旨在解决3D点云的隐私泄露问题。该框架支持分类和分割任务，实验结果表明，加密后的点云在识别性能上与原始数据相当，同时模型体积显著减少。

本研究提出了一种可解释的面部伪造防护模型（X-FAS），解决了现有模型缺乏解释能力的问题。通过SPED方法，该模型不仅能够识别伪造面部，还能提供可靠的解释，从而增强用户信任。实验结果表明，其在可解释性方面表现优异。

本研究提出Clio平台，分析AI助手在现实中的应用，解决隐私和实践中的挑战。Clio能够有效监测AI使用，识别潜在风险，并保护用户隐私。

本文提出了一种新方法，通过对抗网络生成扰动信号以保护声音隐私，隐藏说话者的声音特征。同时，研究了扰动的可逆性，允许授权实体去除扰动并恢复原始语音。实验结果表明，该方法有效保护隐私并成功恢复语音。

本研究针对3D高斯点阵模型的版权保护问题，提出了一种基于不确定性的水印方法，能够有效嵌入隐蔽水印并高效提取版权信息，优于现有技术。

本研究提出了一种名为隐私意识委托的新任务，旨在解决用户在使用大型语言模型时的隐私泄露问题。该方法结合API模型和本地模型，在85.5%的用户查询中保持高响应质量，同时将隐私泄漏限制在7.5%以内。

Altering or dropping tables which are in logical replication is not a good idea if the changes are not uniform across a TRAKTOR cluster. So, TABLEs in a replicaset are now protected against DROP...

This blog announces Cloudflare One for Data Protection — our unified suite to protect data everywhere across web, SaaS, and private applications. Built on and delivered across our entire global...

This blog announces Cloudflare One for Data Protection — our unified suite to protect data everywhere across web, SaaS, and private applications. Built on and delivered across our entire global...