論文の概要: GeoLocator: a location-integrated large multimodal model for inferring
geo-privacy
- arxiv url: http://arxiv.org/abs/2311.13018v3
- Date: Fri, 5 Jan 2024 01:50:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-08 17:55:20.689487
- Title: GeoLocator: a location-integrated large multimodal model for inferring
geo-privacy
- Title(参考訳): GeoLocator:地理プライバシ推定のための位置積分型大規模マルチモーダルモデル
- Authors: Yifan Yang, Siqin Wang, Daoyang Li, Yixian Zhang, Shuju Sun, Junzhou
He
- Abstract要約: 本研究はGeoLocatorというGPT-4に基づく位置積分モデルを開発した。
実験により、GeoLocatorは特定の地理的詳細を高精度に生成することが明らかとなった。
我々はGeoLocatorの幅広い意味と、個人やコミュニティ全体に対する我々の発見を結論づける。
- 参考スコア(独自算出の注目度): 6.7452045691798945
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Geographic privacy or geo-privacy refers to the keeping private of one's
geographic location, especially the restriction of geographical data maintained
by personal electronic devices. Geo-privacy is a crucial aspect of personal
security; however, it often goes unnoticed in daily activities. With the surge
in the use of Large Multimodal Models (LMMs), such as GPT-4, for Open Source
Intelligence (OSINT), the potential risks associated with geo-privacy breaches
have intensified. This study develops a location-integrated GPT-4 based model
named GeoLocator and designs four-dimensional experiments to demonstrate its
capability in inferring the locational information of input imageries and/or
social media contents. Our experiments reveal that GeoLocator generates
specific geographic details with high accuracy and consequently embeds the risk
of the model users exposing geospatial information to the public
unintentionally, highlighting the thread of online data sharing, information
gathering technologies and LLMs on geo-privacy. We conclude with the broader
implications of GeoLocator and our findings for individuals and the community
at large, by emphasizing the urgency for enhanced awareness and protective
measures against geo-privacy leakage in the era of advanced AI and widespread
social media usage.
- Abstract(参考訳): 地理的プライバシ(英: Geographic privacy)または地理的プライバシ(英: geo-privacy)とは、個人の地理的位置、特に個人の電子機器が保持する地理的データを制限することを指す。
地理的プライバシーは個人の安全の重要な側面であるが、日常的な活動では気付かないことが多い。
GPT-4のような大規模マルチモーダルモデル(LMM)のオープンソースインテリジェンス(OSINT)への利用が急増するにつれ、ジオプライバシー違反に伴う潜在的なリスクが高まっている。
本研究は,GeoLocatorという位置積分GPT-4モデルを開発し,入力画像やソーシャルメディアコンテンツの位置情報を推測する4次元実験を設計する。
実験の結果,GeoLocatorは特定の地理的詳細を高精度に生成し,地理空間情報を公開するモデルユーザのリスクを意識せずに埋め込むことで,オンラインデータ共有や情報収集技術,LLMの地理的プライバシに関するスレッドを強調した。
我々は,高度なaiとソーシャルメディアの普及の時代における,地理的プライバシーの漏えいに対する意識向上と保護対策の緊急性を強調することで,ジオロケータの広範な意味と個人やコミュニティ全体に対する我々の発見を結論づける。
関連論文リスト
- GeoGalactica: A Scientific Large Language Model in Geoscience [97.13432077667404]
大規模言語モデル(LLM)は、自然言語処理(NLP)における幅広いタスクを解く一般的な知識と能力で大きな成功を収めている。
我々は、LLMを地学に特化させ、さらに、地学の膨大なテキストでモデルを事前訓練し、また、カスタム収集した指導チューニングデータセットで得られたモデルを教師付き微調整(SFT)する。
我々の知る限りでは、地球科学領域における最大の言語モデルである。
地学関連テキストコーパス上でGeoGalacticaを訓練する。
論文 参考訳(メタデータ) (2023-12-31T09:22:54Z) - Where you go is who you are -- A study on machine learning based
semantic privacy attacks [3.259843027596329]
本稿では,2つの攻撃シナリオ,すなわち位置分類とユーザプロファイリングを体系的に分析する。
Foursquareのデータセットと追跡データの実験は、高品質な空間情報の悪用の可能性を示している。
以上の結果から,追跡データや空間文脈データのデータベース化のリスクが指摘される。
論文 参考訳(メタデータ) (2023-10-26T17:56:50Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳(メタデータ) (2023-10-10T00:03:23Z) - Building Privacy-Preserving and Secure Geospatial Artificial
Intelligence Foundation Models [4.477548250628005]
GeoAIファウンデーションモデルは、十分に議論されていない、あるいは現在までに対処されていない、深刻なプライバシとセキュリティ上のリスクを生じさせる可能性がある。
本稿では,GeoAIファンデーションモデルのライフサイクルを通じて,潜在的なプライバシとセキュリティリスクを紹介する。
我々は,GeoAIファンデーションモデルの開発を提唱する。
論文 参考訳(メタデータ) (2023-09-29T15:25:31Z) - K2: A Foundation Language Model for Geoscience Knowledge Understanding
and Utilization [105.89544876731942]
大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。
我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
論文 参考訳(メタデータ) (2023-06-08T09:29:05Z) - GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。
オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。
我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文 参考訳(メタデータ) (2023-05-11T03:21:56Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - Geo-Information Harvesting from Social Media Data [22.061969480185482]
オープンプラットフォームやソーシャルメディアからの大量の画像やテキストメッセージは、時間的に準セムのない、空間的に多視点のストリームを形成する。
データ可用性、分析可能なデータ準備、データ管理など、この分野における重要な側面に対処する。
本稿では,地理情報収集と地理応用の文脈において,ソーシャルメディアデータの倫理的考察について論じる。
論文 参考訳(メタデータ) (2022-11-01T15:47:18Z) - GeoPointGAN: Synthetic Spatial Data with Local Label Differential
Privacy [6.61140350204595]
合成空間点データセットを生成するための新しいGANベースのソリューションであるGeoPointGANを紹介する。
GeoPointGANのアーキテクチャには、ランダムに生成された点を有意義な合成座標に射影する新しい点変換生成器が含まれている。
従来のローカルディファレンシャルプライバシよりも実用的な,ラベル付きローカルディファレンシャルプライバシを通じて,当社のプライバシ保証を提供します。
論文 参考訳(メタデータ) (2022-05-18T12:18:01Z) - Privacy-Aware Human Mobility Prediction via Adversarial Networks [10.131895986034314]
本研究では,LSTMをベースとした新たな逆方向学習機構を実装し,従来の位置情報データ(移動データ)のプライバシー保護機能表現を共有目的に実現した。
我々は,軌道再構成リスク,ユーザ再識別リスク,移動予測可能性の観点から,移動データセットのユーティリティプライバシトレードオフを定量化する。
論文 参考訳(メタデータ) (2022-01-19T10:41:10Z) - PGLP: Customizable and Rigorous Location Privacy through Policy Graph [68.3736286350014]
我々はPGLPと呼ばれる新しい位置プライバシーの概念を提案し、カスタマイズ可能で厳格なプライバシー保証を備えたプライベートロケーションをリリースするためのリッチなインターフェースを提供する。
具体的には,ユーザの位置プライバシー要件を,表現的かつカスタマイズ可能なテキスト配置ポリシーグラフを用いて形式化する。
第3に、位置露光の検出、ポリシーグラフの修復、およびカスタマイズ可能な厳格な位置プライバシーを備えたプライベートな軌跡リリースをパイプライン化する、プライベートな位置トレースリリースフレームワークを設計する。
論文 参考訳(メタデータ) (2020-05-04T04:25:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。