本研究介绍和探讨了个性化隐私经济学，其中人们可以选择以持续或按需方式分享个人信息，以换取在网上服务质量方面的预期提高，并在网页搜索的情况下，制定了现实目标函数以实现效用和隐私的平衡，并通过一项规模较大的调查，评估了用户对隐私和效用的偏好。
Jan, 2014
通过收集健身数据集，进行相关的实证研究，并基于研究结果实现了建议系统，从而帮助用户更好地理解他们的隐私设置，从而更好地保护个人身份信息和表达个人伦理偏好，并实现了较高的准确性。
Apr, 2022
本文提出了一个新的度量指标 —— 隐私保护度量，用于表征视频流在进行特定视频分析任务时的隐私保护程度。我们基于信息论定义了隐私保护度量，并开发了有效的算法来估算度量。实验证明，我们的隐私保护度量与实验测量结果相一致。
May, 2023
综合数据是一种隐私增强技术，但缺乏隐私保护程度的标准。本文讨论了提出的量化方法，有助于制定综合数据隐私标准、促进多学科讨论，并帮助综合数据研究人员做出有根据的建模和评估决策。
Nov, 2023
我们探讨了确保来自不同人口背景的用户的安全和隐私的挑战，并提出了一种威胁建模方法，以识别产品安全和隐私的潜在风险和对策。我们讨论了影响用户实现高水平安全和隐私的各种因素，包括低收入人口、连接质量差、共用设备使用、ML 公平性等。我们展示了一项全球安全和隐私用户体验调查的结果，并讨论了对产品开发者的影响。我们的工作突出了安全和隐私需要更具包容性的方法，并为研究人员和从业者设计面向各类用户的产品和服务提供了一个框架。
Apr, 2024
数字技术的发展带来了移动众包、边缘计算和推荐系统方面的挑战和机遇。本综述聚焦于这些领域，强调在我们日益数据化的世界中对隐私保护的重要需求，并探索了这些相互关联的领域的最新趋势，特别关注隐私和数据安全。综述通过对各种学术工作的深入分析，帮助我们全面了解这些行业及其对隐私问题的关注，提供了对这些领域及其相关隐私挑战的广泛概述，是研究人员、行业从业者和政策制定者的宝贵资源，在现代数字时代迎合了广大受众。
Jan, 2024
通过设计一个评估模型，我们首次提出了 CAIR 原则，用于量化和排名衡量合成表格数据的隐私保护度量方法对于 CAIR 原则的符合程度，并研究了现有评估方法的适用性和实用性，以此促进研究人员和组织就合成表格数据的隐私评估方法达成共识。
Dec, 2023
本文提出一种基于差分隐私的数据隐私定义的分类法，将已有的定义分为七类，依据对原始定义的哪些方面进行了修改。这些类别类似于维度：来自同一类别的变体不能组合，但来自不同类别的变体可以组合形成新的定义，并列举哪些定义满足一些期望的性质，如合成、后处理和凸性，为此提供一些新的证明或收集现有证明。
Jun, 2019
本文对机器学习与隐私问题进行了综述，涵盖了三种交互方式：(i) 私有机器学习，(ii) 机器学习辅助隐私保护，以及 (iii) 基于机器学习的隐私攻击和相应的保护方案，总结了各个领域内的研究进展和关键挑战，并提出了未来的研究方向。
Nov, 2020
本研究分析了各种性能指标及其分类方法，提出了 “主要指标、扩展指标、组合指标、度量组合集合” 四种性能指标类型，并确定了影响主要指标结构和特性的三个关键组成部分：点距离确定方法、规范化方法和数据集上点距离聚合方法.
Sep, 2018