論文の概要: Anti-Persona: Disrupting Unauthorized Identity Binding and Recognition in Personalized Vision--Language Models

• arxiv url: http://arxiv.org/abs/2610.01944v1
• Date: Thu, 01 Oct 2026 16:10:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.260595
• Title: Anti-Persona: Disrupting Unauthorized Identity Binding and Recognition in Personalized Vision--Language Models
• Title（参考訳）: アンチ・ペルソナ:パーソナライズドビジョンにおける無許可のアイデンティティバインディングと認識の破壊--言語モデル
• Abstract要約: パーソナライゼーションによって、パーソナライズされた検索や主観的クエリといったアプリケーションのための、ユーザ固有の視覚概念を学習する、大規模な視覚言語モデル(LVLM)が実現される。 パーソナは、パーソナライズされたLVLMにおいて、不正なIDバインディングと認識に対するイメージレベルの防御である。
• 参考スコア（独自算出の注目度）: 31.942629191318446
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Few-shot personalization enables large vision--language models (LVLMs) to learn user-specific visual concepts for applications such as personalized retrieval and subject-aware querying. However, it also creates a privacy risk: an adversary can bind a target identity from a few reference images and subsequently detect that identity in new images through natural-language queries. We introduce Anti-Persona, an image-level defense against unauthorized identity binding and recognition in personalized LVLMs. Our key insight is that identity personalization relies on visual features shared across multiple reference images. We aggregate these features into an identity prototype and optimize visually subtle perturbations that disrupt prototype alignment in the vision-encoder space. Spatial smoothing and low-frequency preservation further promote visual fidelity and practical resilience to image compression. The resulting protection does not depend on a specific prompt and supports both proactive anti-personalization and reactive image protection. Experiments on two representative personalized LVLMs demonstrate protection rates of up to $95.0\%$ while preserving visual fidelity. The method remains stable across prompt variations and evaluated identity-query tasks, and improves black-box transfer under encoder mismatch.
• Abstract（参考訳）: パーソナライゼーションによって、パーソナライズされた検索や主観的クエリといったアプリケーションのための、ユーザ固有の視覚概念を学習する、大規模な視覚言語モデル(LVLM)が実現される。 敵はいくつかの参照画像からターゲットのIDをバインドし、その後自然言語クエリを通じて新しい画像のIDを検出できる。 パーソナは、パーソナライズされたLVLMにおいて、不正なIDバインディングと認識に対するイメージレベルの防御である。 私たちのキーとなる洞察は、アイデンティティのパーソナライゼーションは複数の参照画像間で共有される視覚的特徴に依存しているということです。 これらの特徴を識別プロトタイプに集約し、視覚エンコーダ空間におけるプロトタイプアライメントを妨害する視覚的に微妙な摂動を最適化する。 空間平滑化と低周波保存により、画像圧縮に対する視覚的忠実性と実用的なレジリエンスが促進される。 結果として生じる保護は特定のプロンプトに依存しず、プロアクティブな対人化とリアクティブなイメージ保護の両方をサポートする。 2つの代表的パーソナライズされたLVLMの実験では、視力を維持しながら最大9,5.0 %の保護率を示す。 この手法は、急激な変化と評価されたアイデンティティクエリータスクに対して安定であり、エンコーダミスマッチ下でのブラックボックス転送を改善する。

関連論文リスト

• IDDM: Identity-Decoupled Personalized Diffusion Models with a Tunable Privacy-Utility Trade-off [16.978864881456392]
  パーソナライズパイプラインにアイデンティティ分離を統合するモデルサイドディフェンスを提案する。 IDDMは、高品質なパーソナライズされた世代を維持しながら、恒常的にアイデンティティ結合性を低下させる。
  論文  参考訳（メタデータ） (2026-04-01T13:46:22Z)
• SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
  本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。 SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。 認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
  論文  参考訳（メタデータ） (2026-02-04T19:30:48Z)
• Adapter Shield: A Unified Framework with Built-in Authentication for Preventing Unauthorized Zero-Shot Image-to-Image Generation [74.5813283875938]
  ゼロショット画像・画像生成は知的財産権侵害に重大なリスクをもたらす。 この研究は、個人イメージを誤用から守ることを目的とした、最初の普遍的および認証統合ソリューションであるAdapter Shieldを提示する。 提案手法は, ゼロショット画像合成の不正化において, 最先端の防御を克服する。
  論文  参考訳（メタデータ） (2025-11-25T04:49:16Z)
• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に重大な脅威をもたらす。 この不正行為を防止するため、操作過程を妨害する積極的な防御法が提案されている。 本稿では,IDガード(ID-Guard)と呼ばれる顔の操作に対処するための普遍的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• Disentangle Before Anonymize: A Two-stage Framework for Attribute-preserved and Occlusion-robust De-identification [55.741525129613535]
  匿名化前の混乱」は、新しい二段階フレームワーク(DBAF)である このフレームワークには、Contrastive Identity Disentanglement (CID)モジュールとKey-authorized Reversible Identity Anonymization (KRIA)モジュールが含まれている。 大規模な実験により,本手法は最先端の非識別手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-15T08:59:02Z)
• 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)
• Seeing is not Believing: An Identity Hider for Human Vision Privacy Protection [16.466136884030977]
  人間の視覚保護に有効なアイデンティティ隠蔽器を提案する。 顔認証装置の識別を許可しながら、外観を大きく変えて身元を視覚的に隠すことができる。 提案したID隠蔽装置は、プライバシー保護と識別可能性保護に優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-07-02T05:48:19Z)

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。