論文の概要: BR-MoE: Budgeted Semantic Release for Privacy-Preserving Traffic Analytics

• arxiv url: http://arxiv.org/abs/2610.27026v1
• Date: Mon, 19 Oct 2026 15:00:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.433377
• Title: BR-MoE: Budgeted Semantic Release for Privacy-Preserving Traffic Analytics
• Title（参考訳）: BR-MoE: プライバシ保護トラフィック分析のための予算付きセマンティックリリース
• Abstract要約: テキストで画像をリプレースすると、直接の視覚的露出が減る。 本稿では,交通カメラのための予算付きセマンティックリリースを提案する。 新しい開示なしに以前の要約の再利用をサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Traffic cameras support useful analysis, but their outputs can reveal private information. Replacing images with text reduces direct visual exposure. It does not place a formal bound on disclosure. The published reinforcement learning and mixture-of-experts framework refines scene descriptions through relevance, coverage, and brevity rewards. It does not account for repeated releases under a fixed privacy budget. This paper proposes budgeted semantic release as an extension of that framework. Four scene experts first process isolated video chunks. Their outputs are mapped to a fixed, bounded semantic schema. A reinforcement learning controller selects which expert summaries to release and how much privacy budget to spend. The controller uses public task requests and previous private releases. A separate privacy filter enforces the total budget. Calibrated noise is added before the summaries are converted to text. Under explicit chunk isolation and bounded-event assumptions, the complete release transcript satisfies an event-level differential privacy bound. The design also supports reuse of previous summaries without new disclosure. An evaluation protocol covers traffic utility, privacy attacks, release freshness, and computational cost. Illustrative tables show the intended reporting format. They do not establish empirical gains. The proposed contribution is a task-aware release interface with auditable privacy accounting for repeated traffic descriptions.
• Abstract（参考訳）: 交通カメラは有用な分析をサポートするが、その出力はプライベート情報を明らかにすることができる。 テキストで画像をリプレースすると、直接の視覚的露出が減る。 開示に公式な拘束力は与えない。 発表されている強化学習と実験の混合フレームワークは、関連性、カバレッジ、簡潔さの報酬を通じてシーン記述を洗練します。 固定されたプライバシー予算の下で繰り返しリリースされるリリースは説明できない。 本稿では,そのフレームワークの拡張として,予算付きセマンティックリリースを提案する。 4人のシーンの専門家が最初に分離されたビデオチャンクを処理します。 それらの出力は、固定された境界セマンティックスキーマにマッピングされる。 強化学習コントローラは、リリースする専門家の要約と、どれだけのプライバシ予算を使うかを選択する。 コントローラは公開タスクリクエストと以前のプライベートリリースを使用する。 個別のプライバシーフィルターが全予算を強制する。 要約がテキストに変換される前に校正ノイズが追加される。 明示的なチャンク分離と境界値の仮定の下で、完全なリリース書き起こしは、イベントレベルの差分プライバシー境界を満たす。 デザインは、新しい開示なしに以前の要約の再利用もサポートしている。 評価プロトコルは、トラフィックユーティリティ、プライバシ攻撃、リリースフレッシュネス、計算コストをカバーしている。 図表は、意図したレポートフォーマットを示す。 経験的な利益は得られない。 提案するコントリビューションは,繰り返し発生するトラフィック記述に対する監査可能なプライバシ会計を備えたタスク対応リリースインターフェースである。

関連論文リスト

• From One Query to Many: A Critical Survey of Privacy Accounting in RAG [3.8253515195155665]
  Retrieval-augmented Generation (RAG)は、大規模な言語モデルで外部の知識を活用することができるが、検索したコーパスに機密情報が含まれている場合、プライバシー上のリスクが生じる。 差分プライバシー(DP)は正式な保護を提供するが、既存のDP-RAGメソッド間でのプライバシー保証の解釈と比較は依然として困難である。
  論文  参考訳（メタデータ） (2026-10-15T04:41:03Z)
• Differentially Private Semantic Plans for Aggregate Insight Generation [4.832750949021042]
  セマンティックな概念に対する集計と要約のための信頼できるキュレーターフレームワークであるtextttDP-SPIN を紹介する。 CFPBの苦情記事やAmazon All Beautyのレビュー,Yelpのレストランレビューにおいて,textttDP-SPINを記録レベルのプライバシで評価した。
  論文  参考訳（メタデータ） (2026-09-14T19:39:26Z)
• TRACE: Trajectory-robust Admission with Evidence Ordering for Efficient GUI Agents [54.88208747581851]
  トレーニング不要のビジュアルトークンプルーニングは、このコストを削減することができるが、キャッシュ再利用には基本的な制約が伴う。 我々は,emphtextbfTrajectory-textbfrobust textbfAdmission と textbfCoverage-aware textbfEvidence ordering のためのトレーニング不要フレームワーク textbfmethod を提案する。
  論文  参考訳（メタデータ） (2026-09-09T15:12:48Z)
• HearSay Benchmark: Do Audio LLMs Leak What They Hear? [71.05839007164776]
  本稿では,オーディオ大言語モデルがアコースティック・ボイスプリントのみを通じて,ユーザのプライバシーを不注意に漏洩するかどうかを考察する。 $textitHearSay$は、22,000以上の現実世界のオーディオクリップから構築された総合的なベンチマークである。 textbfSignificant Privacy Leakage$の実験は、3つの重要な発見をもたらす。
  論文  参考訳（メタデータ） (2026-01-07T10:33:44Z)
• Privacy Beyond Pixels: Latent Anonymization for Privacy-Preserving Video Understanding [56.369026347458835]
  本稿では,ビデオ基盤モデルにおける視覚的プライバシ保護の新たな定式化について紹介する。 入力ピクセルレベルの匿名化に関する現在のプライバシー保護手法では、ユーティリティビデオモデル全体を再トレーニングする必要がある。 軽量な Anonym Adapter Module (AAM) は、一般的なタスクユーティリティを維持しながら、ビデオ機能からプライベート情報を除去する。
  論文  参考訳（メタデータ） (2025-11-11T18:56:27Z)
• ReconXF: Graph Reconstruction Attack via Public Feature Explanations on Privatized Node Features and Labels [1.949927790632678]
  グラフニューラルネットワーク(GNN)は多くのアプリケーションで高いパフォーマンスを達成するが、ブラックボックスモデルとして機能する。 説明可能性の方法は、予測のための重要なノード属性を識別する機能レベルの説明を提供することによって、この問題に対処する。 既存のグラフ再構成攻撃は元の補助データへのアクセスを前提としているが、実際のシステムはノードの特徴やラベルを保護するために差分プライバシーを使用する。 本稿では,公開説明と民営化補助データを備えたシナリオを対象としたグラフ再構成攻撃ReconXFを提案する。
  論文  参考訳（メタデータ） (2025-06-02T18:06:02Z)
• PV-VTT: A Privacy-Centric Dataset for Mission-Specific Anomaly Detection and Natural Language Interpretation [5.0923114224599555]
  プライバシー侵害の特定を目的とした,ユニークなマルチモーダルデータセットであるPV-VTT(Privacy Violation Video To Text)を提案する。 PV-VTTは、シナリオ内のビデオとテキストの両方に詳細なアノテーションを提供する。 このプライバシー重視のアプローチにより、研究者はこのデータセットを、保護された機密性を保護しながら使用することができる。
  論文  参考訳（メタデータ） (2024-10-30T01:02:20Z)
• Adaptive Privacy Composition for Accuracy-first Mechanisms [55.53725113597539]
  ノイズ低減機構はますます正確な答えを生み出す。 アナリストは、公表された最も騒々しい、あるいは最も正確な回答のプライバシー費用のみを支払う。 ポスト前のプライベートメカニズムがどのように構成されるかは、まだ研究されていない。 我々は、分析者が微分プライベートとポストプライベートのメカニズムを適応的に切り替えることのできるプライバシーフィルタを開発した。
  論文  参考訳（メタデータ） (2023-06-24T00:33:34Z)
• A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
  推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。 EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。 我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
  論文  参考訳（メタデータ） (2023-04-17T00:38:01Z)
• SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
  アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。 自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。 本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:56:40Z)

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。