論文の概要: Only Whats Necessary: Pareto Optimal Data Minimization for Privacy Preserving Video Anomaly Detection

• arxiv url: http://arxiv.org/abs/2603.26354v1
• Date: Fri, 27 Mar 2026 12:26:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.497555
• Title: Only Whats Necessary: Pareto Optimal Data Minimization for Privacy Preserving Video Anomaly Detection
• Title（参考訳）: 必要なことだけ:ビデオ異常検出のためのプライバシー保護のためのPareto Optimal Data Minimization
• Authors: Nazia Aslam, Abhisek Ray, Thomas B. Moeslund, Kamal Nasrollahi,
• Abstract要約: ビデオ異常検出(VAD)システムは、ますます重要な安全環境にデプロイされ、正確な検出のために大量のデータを必要とする。 しかし、データは個人識別可能な情報(PII)を含み、顔の手がかりや繊細な人口統計特性を含む。 What's Necessaryだけが、VADのためのプライバシ・バイ・デザインのフレームワークであり、検出パイプラインに露出する視覚情報量とタイプを明示的に制御する。
• 参考スコア（独自算出の注目度）: 28.081614331006477
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video anomaly detection (VAD) systems are increasingly deployed in safety critical environments and require a large amount of data for accurate detection. However, such data may contain personally identifiable information (PII), including facial cues and sensitive demographic attributes, creating compliance challenges under the EU General Data Protection Regulation (GDPR). In particular, GDPR requires that personal data be limited to what is strictly necessary for a specified processing purpose. To address this, we introduce Only What's Necessary, a privacy-by-design framework for VAD that explicitly controls the amount and type of visual information exposed to the detection pipeline. The framework combines breadth based and depth based data minimization mechanisms to suppress PII while preserving cues relevant to anomaly detection. We evaluate a range of minimization configurations by feeding the minimized videos to both a VAD model and a privacy inference model. We employ two ranking based methods, along with Pareto analysis, to characterize the resulting trade off between privacy and utility. From the non-dominated frontier, we identify sweet spot operating points that minimize personal data exposure with limited degradation in detection performance. Extensive experiments on publicly available datasets demonstrate the effectiveness of the proposed framework.
• Abstract（参考訳）: ビデオ異常検出(VAD)システムは、安全クリティカルな環境にますます展開され、正確な検出のために大量のデータを必要とする。 しかし、これらのデータには個人識別可能な情報(PII)が含まれており、顔の手がかりや繊細な人口統計属性が含まれており、EU一般データ保護規則(GDPR)の下でコンプライアンス上の課題を生じさせている。 特にGDPRは、個人データが特定の処理目的に厳密に必要とされるものに制限されることを要求する。 この問題に対処するために、我々は、検出パイプラインに露出する視覚情報量とタイプを明示的に制御する、VADのためのプライバシ・バイ・デザインのフレームワークであるNo only What's Necessaryを紹介した。 このフレームワークは、幅ベースと深さベースのデータ最小化機構を組み合わせて、異常検出に関連する手がかりを保持しながらPIIを抑制する。 VADモデルとプライバシ推論モデルの両方に最小限の映像を供給することにより、最小化構成の範囲を評価する。 プライバシとユーティリティのトレードオフを特徴付けるために、ランキングベースの2つの方法とPareto分析を採用しています。 非支配的なフロンティアから、検出性能の低下を抑えながら個人データの露出を最小限に抑えるスイートスポット動作点を同定する。 公開されているデータセットに関する大規模な実験は、提案したフレームワークの有効性を実証している。

関連論文リスト

• Unintended Memorization of Sensitive Information in Fine-Tuned Language Models [24.228889351240838]
  センシティブデータセット上の微調整大言語モデル(LLM)は、意図しない暗記と個人識別情報漏洩の重大なリスクをもたらす(PII) 我々は、意図しないPII記憶の定量化と、言語、PII周波数、タスクタイプ、モデルサイズなどの要因が記憶行動にどのように影響するかを研究するために、制御された抽出プローブを設計した。
  論文  参考訳（メタデータ） (2026-01-24T15:08:45Z)
• On the MIA Vulnerability Gap Between Private GANs and Diffusion Models [51.53790101362898]
  GAN(Generative Adversarial Networks)と拡散モデルが高品質な画像合成のための主要なアプローチとして登場している。 差分自己生成モデルが直面するプライバシーリスクの統一的および実証的分析について述べる。
  論文  参考訳（メタデータ） (2025-09-03T14:18:22Z)
• Privacy-Utility Trade-off in Data Publication: A Bilevel Optimization Framework with Curvature-Guided Perturbation [22.727580097886747]
  プライベートデータセットを公開するための新しい双方向最適化フレームワークを導入する。 上位レベルのタスクでは、識別器が生成プロセスをガイドし、潜伏変数が高品質なサンプルにマップされることを保証する。 低レベルタスクでは、MIAに対する個々の脆弱性の定量的尺度として、データ多様体上の局所的外部曲率を用いる。
  論文  参考訳（メタデータ） (2025-09-02T07:44:21Z)
• A Privacy-Preserving Data Collection Method for Diversified Statistical Analysis [11.135689359531105]
  本稿では, リアルタイム情報収集分野において, RVNS と呼ばれる新しい実値負のサーベイモデルを提案する。 RVNSモデルは、データを識別する必要性からユーザーを除外し、実際の機密情報から逸脱した範囲からデータ一式をサンプリングすることのみを要求する。
  論文  参考訳（メタデータ） (2025-07-23T04:05:33Z)
• The Data Minimization Principle in Machine Learning [61.17813282782266]
  データ最小化は、収集、処理、保持されるデータの量を減らすことを目的としている。 様々な国際データ保護規制によって支持されている。 しかし、厳密な定式化が欠如しているため、その実践的な実装は依然として課題である。
  論文  参考訳（メタデータ） (2024-05-29T19:40:27Z)
• A Summary of Privacy-Preserving Data Publishing in the Local Setting [0.6749750044497732]
  統計開示制御は、機密情報を匿名化して暴露するリスクを最小限にすることを目的としている。 マイクロデータの復号化に使用される現在のプライバシ保存技術について概説し、様々な開示シナリオに適したプライバシ対策を掘り下げ、情報損失と予測性能の指標を評価する。
  論文  参考訳（メタデータ） (2023-12-19T04:23:23Z)
• TeD-SPAD: Temporal Distinctiveness for Self-supervised Privacy-preservation for video Anomaly Detection [59.04634695294402]
  人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。 VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。 本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
  論文  参考訳（メタデータ） (2023-08-21T22:42:55Z)
• Private Set Generation with Discriminative Information [63.851085173614]
  異なるプライベートなデータ生成は、データプライバシの課題に対する有望な解決策である。 既存のプライベートな生成モデルは、合成サンプルの有用性に苦慮している。 我々は,最先端アプローチのサンプルユーティリティを大幅に改善する,シンプルで効果的な手法を提案する。
  論文  参考訳（メタデータ） (2022-11-07T10:02:55Z)
• Partial sensitivity analysis in differential privacy [58.730520380312676]
  それぞれの入力特徴が個人のプライバシ損失に与える影響について検討する。 プライベートデータベース上でのクエリに対する我々のアプローチを実験的に評価する。 また、合成データにおけるニューラルネットワークトレーニングの文脈における知見についても検討する。
  論文  参考訳（メタデータ） (2021-09-22T08:29:16Z)
• Operationalizing the Legal Principle of Data Minimization for Personalization [64.0027026050706]
  データ最小化原理の同質な解釈が欠如していることを認識し、パーソナライゼーションの文脈に適用可能な2つの運用定義を探索する。 データ最小化によるパフォーマンス低下はそれほど大きくないかもしれないが、異なるユーザに影響を与える可能性がある。
  論文  参考訳（メタデータ） (2020-05-28T00:43:06Z)

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。