为了更好地理解和量化基于移动数据的机器学习模型的隐私泄露情况，我们设计了一个隐私攻击套件，其中包含数据提取和成员推断攻击，针对最广泛使用的基于兴趣点推荐模型之一进行定制。我们的实证评估使用了两个真实世界的移动数据集，证明了当前的兴趣点推荐模型容易受到我们的攻击。我们还提供了独特的发现，以了解哪种类型的移动数据更容易受到隐私攻击。最后，我们评估了对抗这些攻击的防御方法，并强调了未来的方向和挑战。

Oct, 2023

机器学习和位置数据的隐私攻击对隐私造成了显著风险，并且需要隐私监管来保护个人的位置信息。

Oct, 2023

本研究探讨了如何通过网络数据流量指纹识别智能手机应用程序，即使使用 SSL/TLS 进行加密传输也不能防范，此外研究还提出了策略来识别和减轻广告流量等通用流量的影响。通过实施一个框架来指纹识别应用程序，并对其性能进行全面实验，研究成功指纹识别了 110 个最受欢迎的谷歌应用商店应用程序，并能在 6 个月后以高达 96％ 的准确率进行再识别。

Apr, 2017

消费物联网的安全和隐私旨在对物联网的流量分析进行调查，从中了解安全和隐私的新特征、最新进展以及待解决的挑战，并总结了物联网流量分析过程中的新特征。此外，还详细介绍了基于五个应用目标的现有研究，包括设备指纹识别、用户活动推断、恶意流量分析、安全分析和测量，并讨论了新的挑战和未来的研究方向。

Mar, 2024

本文论述了一种基于 Wi-Fi RSSI、移动通信信号 RSSI、声音和光线水平的隐私保护多模式跨建筑协作定位平台，能实现室内房间级别定位，并对其在定位精度、隐私、最佳参数及其他方面的性能进行了分析。

Sep, 2017

LTE 移动通信网络具有显着的功能优势，但研究发现其协议规范存在漏洞，攻击者可以利用这些漏洞实施多种攻击，作者提出了多种应对方案并建议未来规范引入安全保障机制

Oct, 2015

本研究论文重点介绍物联网（IoT）中的本地化技术，着重分析由 LPWAN 产生的各种误差，如何评估和解决这些误差对 IoT 的定位能力产生重大影响，并提供了详尽的指导和建议。

Apr, 2020

本文介绍了基于位置系统中用户隐私问题，提出了一种新的保障用户位置隐私的定义，并通过在用户位置中添加控制随机噪声的扰动技术来实现此目的，并与其他文献中的保护机制进行比较，结果表明我们的机制在不依赖于先验知识的情况下，为用户提供了最好的隐私保障。

Dec, 2012

本文基于一份葡萄牙通讯数据集的 100,000 名匿名用户数据，探索了移动设备数据集中用户的社交网络、时间动态和移动通讯行为之间的联系，并通过聚类和主成分分析发现地理位置是影响人类行为的最重要因素之一。研究结果表明，通过聚类方法可以鲁棒地识别用户的家庭和办公室，并且其通勤距离可以通过引力模型进行合理地解释。

Nov, 2012

该论文提出了一种基于移动设备的无监督轻量级方法来直接模拟用户的社交上下文和位置，该方法利用了自我网络模型，对智能手机嵌入式传感器数据提取高级别的语义上下文特征，在社交上下文方面，该方法利用了在用户和设备之间的物理和网络社交互动的数据，对于位置，它优先建模了特定位置的熟悉度程度，相对于只使用与物理上下文相关的特征，该方法在 AUROC、Precision 和 Recall 方面的表现都有所提高。

Jun, 2023