論文の概要: GeoCloak: An Agentic Framework for Semantics-Preserving Geolocation Privacy via Peripheral Clue Manipulation

• arxiv url: http://arxiv.org/abs/2610.20055v1
• Date: Wed, 14 Oct 2026 11:56:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.132101
• Title: GeoCloak: An Agentic Framework for Semantics-Preserving Geolocation Privacy via Peripheral Clue Manipulation
• Title（参考訳）: GeoCloak: セマンティックスのためのエージェントフレームワーク
• Abstract要約: GeoCloakは、セマンティクスを保存するためのエージェントフレームワークである。 位置情報に関連する手がかりを特定するために、各画像を解析する手掛かりを意識したプランナーとして機能する。 ターゲットのセマンティックな編集を送信し、周囲の手がかりを直接抑制し、敵の摂動を自律的に設定し、残留する位置情報の特徴をさらに抑制します。
• 参考スコア（独自算出の注目度）: 34.44047646717461
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid advancement of large vision language models (LVLMs) has made geolocation inference from images highly accurate and accessible. This poses serious privacy risks: a passive adversary with black-box LVLM access can infer a user's location from a single photo with no metadata. Existing protection methods rely almost exclusively on adversarial perturbation, which introduces perceptible visual artifacts and utility degradation. We identify the visual-geolocation asymmetry: geolocation-decisive clues, such as street signs, tend to be visually peripheral but dominate location inference. Exploiting this asymmetry, we propose GeoCloak, an agentic framework for semantics-preserving geolocation privacy protection. It acts as a clue-aware planner that analyzes each image to identify geolocation-relevant clues, dispatches targeted semantic edits to directly suppress peripheral clues, and autonomously configures adversarial perturbation to further suppress residual geolocation features, all under iterative utility-aware feedback. We evaluate GeoCloak on four diverse datasets spanning 108 countries and 576 cities against five LVLMs and three inference methods. GeoCloak reduces overall city-level accuracy from 41.2% to 9.9%, approximately half of the best-performing baseline, while achieving substantially superior utility preservation both qualitatively and quantitatively. We hope this work takes a meaningful step toward practical, semantics-preserving geolocation privacy protection, giving users greater control over the location information inadvertently embedded in their shared images.
• Abstract（参考訳）: 大規模視覚言語モデル(LVLM)の急速な進歩により、画像からの位置推定が精度が高く、アクセスしやすくなった。 ブラックボックスのLVLMアクセスを持つ受動的敵は、メタデータなしで単一の写真からユーザーの位置を推測することができる。 既存の保護方法は、認識可能な視覚的アーティファクトとユーティリティーの劣化をもたらす対向的摂動にのみ依存している。 道路標識のような位置決定的手がかりは、視覚的に周辺的であるが、位置推定は支配的である傾向にある。 この非対称性を克服し,セマンティクスを保護した位置情報保護のためのエージェントフレームワークであるGeoCloakを提案する。 位置情報関連ヒントを識別するために各画像を解析し、ターゲットのセマンティック編集を送信し、周辺手がかりを直接抑制し、また、繰り返しユーティリティ対応のフィードバックの下で、残留した位置情報特徴をさらに抑制するために、敵の摂動を自律的に設定する。 GeoCloakは108か国、576都市にまたがる4つの多様なデータセットを5つのLVLMと3つの推論手法に対して評価した。 GeoCloakは、都市レベルの精度を41.2%から9.9%に下げ、最高性能のベースラインのほぼ半分にし、質的にも量的にも実質上優れたユーティリティ保存を実現している。 この作業は、位置情報のプライバシー保護を実用的、セマンティックに保存する上で有意義な一歩を踏み出し、ユーザが自分の共有画像に不注意に埋め込まれた位置情報を、より深くコントロールできることを願っている。

関連論文リスト

• Hiding in Plain Sight: A Diffusion-based Mitigation of Geolocation Privacy Leakage in Vision-Language Models [36.40752104631026]
  敵はMLRMを利用して、カジュアルに共有された写真からユーザーの地理的位置を正確に推測することができる。 MLRMによる位置情報プライバシー漏洩の系統的研究について述べる。 位置情報のプライバシー漏洩に対する標的的かつ積極的な防御を提供する拡散型フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-18T06:24:29Z)
• Learning to Wander: Improving the Global Image Geolocation Ability of LMMs via Actionable Reasoning [72.13218601075958]
  textbfWanderBenchは,具体的シナリオにおける行動可能な位置情報推論のための,最初のオープンアクセスグローバルジオロケーションベンチマークである。 我々は,下線Action of UnderlineThoughを用いた下線Geolocationフレームワークである textbfGeoAoT (Action of Thought) を提案する。 19個の大規模マルチモーダルモデルによる実験により、GeoAoTは動的環境におけるより優れた微細な局所化とより強力な一般化を実現することが示された。
  論文  参考訳（メタデータ） (2026-03-11T06:24:10Z)
• GEO-Detective: Unveiling Location Privacy Risks in Images with LLM Agents [40.59860671244798]
  画像位置推定のための人間の推論とツール使用を模倣するエージェントであるGeo-Detectiveを提案する。 画像の難易度に基づいて戦略を適応的に選択する4段階の手順に従う。 視覚的リバースサーチのような特殊なツールを備えており、人間が外部の地理的手がかりを収集する方法をエミュレートする。
  論文  参考訳（メタデータ） (2025-11-27T13:27:26Z)
• Beyond Pixels: Semantic-aware Typographic Attack for Geo-Privacy Protection [43.65944873827891]
  大規模ビジュアル言語モデル(LVLM)は、ソーシャルメディアユーザーの位置情報を直接共有画像から推測し、意図しないプライバシー漏洩を引き起こす。 逆画像摂動は、地理的プライバシー保護の潜在的方向を提供するが、LVLMに対して有効となるためには比較的強い歪みを必要とする。 視覚的コンテンツの外部にテキスト拡張を追加することで、地理的プライバシーを保護するための有望な方向として、偽装攻撃を識別する。
  論文  参考訳（メタデータ） (2025-11-16T12:27:59Z)
• GeoShield: Safeguarding Geolocation Privacy from Vision-Language Models via Adversarial Perturbations [48.78781663571235]
  VLM(Vision-Language Models)は、パブリック共有画像からユーザの位置を推測し、ジオプライバシーに重大なリスクをもたらす。 実世界のシナリオにおいて,ロバストなジオプライバシー保護のために設計された,新しい敵対的フレームワークであるGeoShieldを提案する。
  論文  参考訳（メタデータ） (2025-08-05T08:37:06Z)
• Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
  3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。 大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。 また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
  論文  参考訳（メタデータ） (2025-02-19T14:21:25Z)
• Image-Based Geolocation Using Large Vision-Language Models [19.071551941682063]
  画像に基づく位置情報の精度を大幅に向上する革新的なフレームワークであるToolを紹介した。 ツールは体系的なチェーン・オブ・シント(CoT)アプローチを採用し、人間のジオゲスティング戦略を模倣する。 GeoGuessrゲームの平均スコアは4550.5で85.37%で、高精度な位置情報予測を行う。
  論文  参考訳（メタデータ） (2024-08-18T13:39:43Z)
• 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)
• G^3: Geolocation via Guidebook Grounding [92.46774241823562]
  本研究では,人間が位置情報に用いている視覚的特徴を記述した人書きガイドブックから,明示的な知識について検討する。 多様な場所からのストリートビュー画像のデータセットを用いたガイドブックグラウンディングによるジオロケーションのタスクを提案する。 提案手法は,Top-1の精度が5%以上向上し,最先端の画像のみの位置決め法よりも大幅に向上する。
  論文  参考訳（メタデータ） (2022-11-28T16:34:40Z)

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。