論文の概要: Privacy Leakage from a Thousand Words: Millipixel Location Recovery from Dot Maps

• arxiv url: http://arxiv.org/abs/2609.07623v1
• Date: Mon, 07 Sep 2026 15:25:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 21:35:36.252904
• Title: Privacy Leakage from a Thousand Words: Millipixel Location Recovery from Dot Maps
• Title（参考訳）: 何千もの単語からのプライバシー漏洩:Dot Mapsによるミリピクセル位置復元
• Authors: Yuntao Du, Tanishq Pauskar, Hao Wang, Jing Su, Ninghui Li,
• Abstract要約: Autoは、マップレンダリング中に導入されたアンチエイリアスアーティファクトを利用して、ドット位置に関するサブピクセル情報を不注意にエンコードする。 実世界のデータセットと合成データセットの両方の実験は、Autoの有効性を実証している。 特に、米国の小型地図上で平均回復誤差を1メートル(約0.0002ピクセル)としており、既存の手法よりも200倍以上正確である。
• 参考スコア（独自算出の注目度）: 11.182859889952361
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dot maps, which visualize individual data points as dots over a geographic region, are widely used across diverse domains to represent spatial patterns in sensitive data. However, the understanding of the privacy risks associated with dot maps remains limited, particularly for maps covering large geographic areas. In this paper, we systematically analyze these risks and present AutoLocate, an automated framework for high-precision location recovery. At its core, AutoLocate exploits anti-aliasing artifacts introduced during map rendering, which inadvertently encode sub-pixel information about dot locations. AutoLocate formulates location recovery as a black-box optimization problem, iteratively refining estimated coordinates by minimizing perceptual discrepancies over these artifacts between the target map and rendered candidate maps. Extensive experiments on both real-world and synthetic datasets, across different attack scenarios and a broad range of map configurations (e.g., map scale, background, resolution), demonstrate the effectiveness of AutoLocate. In particular, it achieves average recovery errors as low as 1 meter (approximately 0.0002 pixel precision) on small-scale maps of the United States, over 200x more accurate than existing approaches. We also propose mitigation strategies and introduce a privacy risk assessment tool to help practitioners evaluate and reduce privacy leakage when publishing dot maps.
• Abstract（参考訳）: 地理的領域上の点として個々のデータポイントを視覚化するドットマップは、様々な領域にわたって広く使われており、センシティブなデータの空間パターンを表現している。 しかし、ドットマップに関連するプライバシーリスクの理解は、特に広い地理的領域をカバーする地図においては、依然として限られている。 本稿では,これらのリスクを体系的に分析し,高精度位置回復のための自動フレームワークであるAutoLocateを提案する。 コアとなるAutoLocateは、マップレンダリング中に導入されたアンチエイリアスアーティファクトを利用して、ドット位置に関するサブピクセル情報を不注意にエンコードする。 AutoLocateはブラックボックス最適化問題として位置回復を定式化し、ターゲットマップとレンダリングされた候補マップ間のこれらのアーティファクトに対する知覚的不一致を最小限に抑えて、推定座標を反復的に精製する。 さまざまな攻撃シナリオと広い範囲のマップ構成(例えば、マップスケール、バックグラウンド、解像度)にわたる、実世界のデータセットと合成データセットに関する大規模な実験は、AutoLocateの有効性を実証している。 特に、米国の小型地図上で平均回復誤差を1メートル(約0.0002ピクセル)としており、既存の手法よりも200倍以上正確である。 また,ドットマップ公開時のプライバシー漏洩を評価・低減するための対策として,緩和戦略を提案し,プライバシリスク評価ツールを導入している。

関連論文リスト

• GOTPR: General Outdoor Text-based Place Recognition Using Scene Graph Retrieval with OpenStreetMap [4.51019574688293]
  GOTPRはGPS信号が利用できない屋外環境向けに設計されたロバストな位置認識手法である。 大規模で保存が難しいポイントクラウドマップを使用する既存のアプローチとは異なり、GOTPRはテキスト記述や場所認識用のマップから生成されたシーングラフを活用する。 都市規模のテストでは、数秒で処理を完了し、現実世界のロボティクスアプリケーションに非常に実用的になった。
  論文  参考訳（メタデータ） (2025-01-15T04:51:10Z)
• Maps from Motion (MfM): Generating 2D Semantic Maps from Sparse Multi-view Images [17.992488467380923]
  OpenStreetMapは、1100万人の登録ユーザーが手動でGPSの位置情報に157億以上のエントリをアノテートした結果である。 同時に、手動のアノテーションにはエラーが含まれ、更新が遅く、マップの精度が制限される。 動きからのマップ (MfM) は、非校正された多視点画像のコレクションから直接意味オブジェクトの2Dマップを計算することにより、そのような時間を要する地図作成手順を自動化するためのステップである。
  論文  参考訳（メタデータ） (2024-11-19T16:27:31Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• GeoCLIP: Clip-Inspired Alignment between Locations and Images for Effective Worldwide Geo-localization [61.10806364001535]
  世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。 既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。 画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
  論文  参考訳（メタデータ） (2023-09-27T20:54:56Z)
• Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
  本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。 その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。 ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
  論文  参考訳（メタデータ） (2022-07-28T12:29:39Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• What is the Best Grid-Map for Self-Driving Cars Localization? An Evaluation under Diverse Types of Illumination, Traffic, and Environment [10.64191129882262]
  自動運転車のローカライゼーションは、地図の更新、オブジェクトの追跡、計画など、いくつかのタスクに必要である。 複数のマップの維持・使用は計算コストがかかるため、各アプリケーションにどのマップが適切かを分析することが重要である。 本研究では, 占有率, 反射率, 色, セマンティックグリッドマップを用いて, 粒子フィルタの局所化の精度を比較することによって, その解析のためのデータを提供する。
  論文  参考訳（メタデータ） (2020-09-19T22:02:44Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。