論文の概要: Assessing Privacy Preservation and Utility in Online Vision-Language Models

• arxiv url: http://arxiv.org/abs/2604.09695v1
• Date: Mon, 06 Apr 2026 20:44:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.603525
• Title: Assessing Privacy Preservation and Utility in Online Vision-Language Models
• Title（参考訳）: オンラインビジョンランゲージモデルにおけるプライバシ保護と実用性の評価
• Authors: Karmesh Siddharam Chaudhari, Youxiang Zhu, Amy Feng, Xiaohui Liang, Honggang Zhang,
• Abstract要約: 画像は個人識別情報に関連する関係を含む(PII) 画像からの文脈関係の抽出が,PIIの直接的(明示的)あるいは間接的(単純な)露光につながるかを検討する。 視覚言語モデル(VLM)に基づくアプリケーションにおいて,画像の意図した有用性を保ちながらプライバシを保護する手法を提案する。
• 参考スコア（独自算出の注目度）: 15.74713639305756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing use of Online Vision Language Models (OVLMs) for processing images has introduced significant privacy risks, as individuals frequently upload images for various utilities, unaware of the potential for privacy violations. Images contain relationships that relate to Personally Identifiable Information (PII), where even seemingly harmless details can indirectly reveal sensitive information through surrounding clues. This paper explores the critical issue of PII disclosure in images uploaded to OVLMs and its implications for user privacy. We investigate how the extraction of contextual relationships from images can lead to direct (explicit) or indirect (implicit) exposure of PII, significantly compromising personal privacy. Furthermore, we propose methods to protect privacy while preserving the intended utility of the images in Vision Language Model (VLM)-based applications. Our evaluation demonstrates the efficacy of these techniques, highlighting the delicate balance between maintaining utility and protecting privacy in online image processing environments. Index Terms-Personally Identifiable Information (PII), Privacy, Utility, privacy concerns, sensitive information
• Abstract（参考訳）: 画像処理にオンラインビジョン言語モデル(OVLM)の利用が増加し、プライバシー侵害の可能性に気づかず、個人が様々なユーティリティのために頻繁に画像をアップロードするなど、重大なプライバシーリスクがもたらされた。 画像には、PII(Personally Identible Information)に関連する関係が含まれている。 本稿では,OVLMにアップロードされた画像におけるPII開示の重大な問題とそのユーザプライバシへの影響について考察する。 画像からの文脈関係の抽出がPIIの直接的(明示的)または間接的(単純な)露光にどのように寄与し、個人のプライバシーを著しく損なうかを検討する。 さらに、視覚言語モデル(VLM)ベースのアプリケーションにおいて、画像の意図した有用性を保ちながら、プライバシを保護する方法を提案する。 提案手法の有効性を実証し,オンライン画像処理環境におけるユーティリティの維持とプライバシ保護の微妙なバランスを強調した。 指標項-個人で特定可能な情報(PII)、プライバシ、ユーティリティ、プライバシに関する懸念、機密情報

関連論文リスト

• Privacy-Preserving in Connected and Autonomous Vehicles Through Vision to Text Transformation [0.9831489366502302]
  本稿では,フィードバックベース強化学習(RL)と視覚言語モデル(VLM)を活用した,新たなプライバシ保護フレームワークを提案する。 イメージを意味論的に等価なテキスト記述に変換し、視覚的プライバシが保持されている間にシーン関連情報が保持されることを保証する。 評価結果は,プライバシ保護とテキスト品質の両方において,大幅な改善が見られた。
  論文  参考訳（メタデータ） (2025-06-18T20:02:24Z)
• Image Privacy Protection: A Survey [32.020322218775526]
  画像は、重要なコミュニケーション媒体として機能し、キーポイントの迅速な理解を容易にする視覚的に係わるフォーマットで情報を提示する。 適切に管理されていない場合、この情報は個人的利益のために搾取に脆弱であり、プライバシー権やその他の法的権利を侵害する可能性がある。 既存のレビューは特定のシナリオによって分類されるか、特定のプライバシー目的によって分類される傾向がある。
  論文  参考訳（メタデータ） (2024-12-05T08:09:25Z)
• Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
  プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。 本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。 また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
  論文  参考訳（メタデータ） (2024-10-22T15:22:53Z)
• PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action [54.11479432110771]
  PrivacyLensは、プライバシに敏感な種子を表現的なヴィグネットに拡張し、さらにエージェントの軌跡に拡張するために設計された新しいフレームワークである。 プライバシの文献とクラウドソーシングされたシードに基づいて、プライバシの規範のコレクションをインスタンス化する。 GPT-4やLlama-3-70Bのような最先端のLMは、プライバシー強化の指示が出されたとしても、機密情報を25.68%、38.69%のケースでリークしている。
  論文  参考訳（メタデータ） (2024-08-29T17:58:38Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• Toward Privacy and Utility Preserving Image Representation [26.768476643200664]
  本稿では,プライバシ保護のための画像表現の新規な課題について検討する。 本稿では,AIA(Adversarial Image Anonymizer)と呼ばれる原理的フレームワークを提案する。 AIAはまず、生成モデルを用いて画像表現を作成し、次に、敵対学習を用いて学習した画像表現を拡張して、与えられたタスクのプライバシーと有用性を維持する。
  論文  参考訳（メタデータ） (2020-09-30T01:25:00Z)
• Subverting Privacy-Preserving GANs: Hiding Secrets in Sanitized Images [13.690485523871855]
  最先端のアプローチでは、プライバシ保護による生成的敵ネットワーク(PP-GAN)を使用して、ユーザのアイデンティティを漏洩することなく、信頼できる表情認識を可能にする。 PP-GANの高感度化出力画像に機密識別データを隠蔽して後で抽出できることを示す。
  論文  参考訳（メタデータ） (2020-09-19T19:02:17Z)
• InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
  視覚データに流出した個人情報を個人が制限できる技術について検討する。 我々はこの問題を新しい画像難読化フレームワークで解決する。 提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
  論文  参考訳（メタデータ） (2020-05-20T19:48:04Z)

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。