論文の概要: Position: Life-Logging Video Streams Make the Privacy-Utility Trade-off Inevitable
- arxiv url: http://arxiv.org/abs/2605.10404v1
- Date: Mon, 11 May 2026 11:42:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.77729
- Title: Position: Life-Logging Video Streams Make the Privacy-Utility Trade-off Inevitable
- Title（参考訳）: ライフログの動画ストリームでプライバシーとプライバシーのトレードオフは避けられない
- Authors: Tianyuan Zou, Liang Yue, Yang Liu, Ya-Qin Zhang, Sijie Cheng,
- Abstract要約: ライフログのビジュアルセンシングは必然的になり、永続的で常時オンのAIシステムのバックボーンを形成している。
プライバシーのリスクは、公衆の信頼を損なう可能性があり、常時オンのAI技術の持続可能な開発を妨げる可能性がある。
我々は、長期のライフログのビジュアルデータに対して、ユーティリティとプライバシを共同で最適化する、パイプライン対応の新たなプライバシ保護設計を求めている。
- 参考スコア（独自算出の注目度）: 22.843152964254273
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the growing prevalence of always-on hardware such as smart glasses, body cameras, and home security systems, life-logging visual sensing is becoming inevitable, forming the backbone of persistent, always-on AI systems. Meanwhile, recent advances in proactive agents and world models signal a fundamental shift from episodic, prompt-driven tools to next-generation AI systems that continuously perceive and react to the physical world. Although life-logging video streams can substantially improve utility of these promising systems, they also introduce significant privacy risks by revealing sensitive information, such as behavioral patterns, emotional states, and social interactions, beyond what isolated images expose. If unresolved, these risks may undermine public trust and hinder the sustainable development of always-on AI technologies. Existing privacy protections are either attack-specific or incur substantial utility loss, and fail to consider the entire data exploitation pipeline. We therefore posit that the privacy-utility trade-off in life-logging video streams is a foundational challenge for next-generation AI systems that demands further investigation. We call for novel pipeline-aware privacy-preserving designs that jointly optimize utility and privacy for long-horizon life-logging visual data. In parallel, formal privacy leakage metrics and standardized benchmarks remain important open directions for future research.
- Abstract（参考訳）: スマートグラス、ボディカメラ、ホームセキュリティシステムといった常時オンのハードウェアの普及に伴い、ライフログの視覚的センシングは必然的になり、永続的で常時オンのAIシステムのバックボーンを形成している。
一方、近年の積極的エージェントと世界モデルの進歩は、エピソード的でプロンプト駆動のツールから、物理世界に対して継続的に知覚し反応する次世代AIシステムへの根本的なシフトを示唆している。
ライフログビデオストリームは、これらの有望なシステムの実用性を大幅に改善することができるが、孤立した画像が公開するものを超えて、行動パターン、感情状態、社会的相互作用などのセンシティブな情報を明らかにすることによって、重大なプライバシーリスクをもたらす。
もし解決しなければ、これらのリスクは公衆の信頼を損なう恐れがあり、常にオンのAI技術の持続可能な開発を妨げる可能性がある。
既存のプライバシ保護は、攻撃固有のものか、実質的なユーティリティ損失であり、データエクスプロイトパイプライン全体を考慮することができない。
したがって、ライフログビデオストリームにおけるプライバシーとユーティリティのトレードオフは、さらなる調査を要求する次世代AIシステムにとって基礎的な課題である、と仮定する。
我々は、長期のライフログのビジュアルデータに対して、ユーティリティとプライバシを共同で最適化する、パイプライン対応の新たなプライバシ保護設計を求めている。
並行して、正式なプライバシー漏洩指標と標準化されたベンチマークは、将来の研究にとって重要な方向である。
関連論文リスト
- Position: Embodied AI Requires a Privacy-Utility Trade-off [18.27271917317112]
次世代エンボディードAI(SPINE)におけるセキュアプライバシ統合を提案する。
SPINEはプライバシを、EAIライフサイクル全体を通して、クロスステージ結合を管理するダイナミックコントロールシグナルとして扱う。
プライバシ制約が下流にどのように伝播してシステム動作を再形成するかを概念的に検証するために,予備シミュレーションと実世界のケーススタディを実施している。
論文 参考訳（メタデータ） (2026-05-06T15:16:05Z) - Neural Gate: Mitigating Privacy Risks in LVLMs via Neuron-Level Gradient Gating [71.55435880263238]
ニューラルゲート(Neural Gate)は,ニューロンレベルのモデル編集によってプライバシリスクを軽減する新しい手法である。
本手法は,プライバシ関連質問に対する拒否率を高めることにより,モデルのプライバシ保護を改善する。
論文 参考訳（メタデータ） (2026-03-13T03:03:20Z) - Single-Pixel Vision-Language Model for Intrinsic Privacy-Preserving Behavioral Intelligence [55.512671026669516]
安全な環境モニタリングを再現する新しいフレームワークSP-VLM(Single-Pixel Vision-Language Model)を提案する。
それは本質的に低次元の1ピクセルのモダリティを通して人間のダイナミクスを捉えることによって、固有のプライバシ・バイ・デザインを実現する。
いずれにせよ,SP-VLMは意味ある行動意味を抽出し,ロバストな異常検出,数え方,行動理解を可能にしている。
論文 参考訳（メタデータ） (2026-01-21T09:11:26Z) - Adversary-Aware Private Inference over Wireless Channels [51.93574339176914]
ワイヤレスエッジデバイスにおけるAIベースのセンシングは、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
機密性の高い個人情報は敵によって再構築できるため、プライバシー侵害のリスクを軽減するために特徴の変換が必要である。
本稿では,デバイスがモデルサーバに送信する前に抽出した特徴の変換を適用する,プライバシ保護型AIベースセンシングのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-23T13:02:14Z) - Privacy is All You Need: Revolutionizing Wearable Health Data with Advanced PETs [0.0]
本稿では,ウェアラブルデバイスのためのプライバシ・エンハンシング・テクノロジー(PET)フレームワークを提案する。
フェデレートされた学習、軽量な暗号手法、選択的にデプロイされたブロックチェーン技術を統合する。
当社のフレームワークは、データユーティリティとパフォーマンスを維持しながら、プライバシのリスクを最大70%削減します。
論文 参考訳（メタデータ） (2025-03-05T12:01:22Z) - Privacy-Preserving Video Anomaly Detection: A Survey [14.867137878046536]
Video Anomaly Detection (VAD)は、オープンスペースから収集された監視ビデオのパターンを自動的に分析し、異常な事象を検知することを目的としている。
近年、研究者は様々な観点から体系的な研究を行うことにより、VADのプライバシーに関する懸念に焦点を当てている。
本稿は、P2VADの進捗状況を体系的にレビューし、その範囲を定義し、直感的な分類法を提供する最初の論文である。
論文 参考訳（メタデータ） (2024-11-21T20:29:59Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - Privacy and Copyright Protection in Generative AI: A Lifecycle Perspective [28.968233485060654]
データライフサイクルにおけるプライバシーと著作権保護の多面的課題について論じる。
我々は、技術的革新と倫理的展望を組み合わせた統合的なアプローチを提唱する。
この作業は、より広範な議論のきっかけとなり、ジェネレーティブAIにおけるデータのプライバシと著作権の整合性に対する継続的な取り組みを促進することを目的としている。
論文 参考訳（メタデータ） (2023-11-30T05:03:08Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - 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)
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。