論文の概要: Not Where You Think: Protecting Location Privacy Against Reasoning-Based Geolocation

• arxiv url: http://arxiv.org/abs/2610.30439v1
• Date: Wed, 21 Oct 2026 20:49:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.134864
• Title: Not Where You Think: Protecting Location Privacy Against Reasoning-Based Geolocation
• Title（参考訳）: 位置情報のプライバシー保護と推論に基づく位置情報保護
• Abstract要約: 我々は、モデルが位置関連視覚的手がかりを抽出する方法を明らかにする構造的推論攻撃を開発する。 我々はGeoTraceがGemini-3-Flashで1km以内に25.71%の画像を、GPT-5-miniで16.95%の画像をローカライズしていることを示す。 この知見に基づいて,画像リリース前の視覚的手がかり連鎖を破るアクティブなユーザ側防御であるGeoShiftを開発した。
• 参考スコア（独自算出の注目度）: 41.588066540408036
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent large reasoning models can infer where ordinary photos were taken using only visual information, creating a serious location privacy risk even when metadata and obvious geographic identifiers are removed. To understand the mechanism behind such fine-grained localization, we develop GeoTrace, a structured reasoning attack that exposes how models extract location-relevant visual clues and compose them through coarse-to-fine geographic reasoning. We evaluate GeoTrace on a worldwide benchmark of 525 ordinary images spanning natural, urban, residential, and human-centered scenes while excluding famous landmarks and direct location indicators. Our results show that GeoTrace localizes 25.71% of images within 1 km with Gemini-3-Flash and 16.95% with GPT-5-mini. More importantly, our analysis reveals a key insight in the visual clue chain: broad scene properties mainly support coarse localization, whereas precise localization disproportionately relies on small, distinctive, and editable local clues. Building on this insight, we develop GeoShift, a proactive user-side defense that breaks the visual clue chain before image release. Rather than simply removing geographic evidence, GeoShift preserves stable scene properties, selects a visually compatible false target location, and strategically rewrites high-impact geo-revealing clues to construct a coherent alternative geographic hypothesis. Experiments show that GeoShift reduces street-level localization from 16.95% to 2.48% under GPT-5-mini and from 25.71% to 3.81% under Gemini-3-Flash, while preserving visual quality and remaining effective against adaptive attacks.
• Abstract（参考訳）: 最近の大規模な推論モデルでは、視覚情報のみを使用して、通常の写真がどこで撮影されたのかを推測することが可能であり、メタデータや明らかな地理的識別子が削除された場合でも、深刻な位置プライバシーリスクが生じる。 このような微細な局所化の背後にあるメカニズムを理解するため、GeoTraceは、モデルが位置関連視覚的手がかりを抽出し、粗大な地理的推論によって構成する方法を明らかにする構造的推論攻撃である。 我々はGeoTraceを、自然、都市、住宅、人間中心のシーンにまたがる525の普通の画像の世界的なベンチマークで評価し、有名なランドマークや位置指示を除外した。 その結果,GeoTraceはGemini-3-Flashで1km以内に25.71%,GPT-5-miniで16.95%の画像をローカライズしていることがわかった。 広いシーン特性は主に粗い局所化をサポートしているのに対して、正確な局所化は小さく、独特で、編集可能な局所的手がかりに依存している。 この知見に基づいて,画像リリース前の視覚的手がかり連鎖を破るアクティブなユーザ側防御であるGeoShiftを開発した。 地理的証拠を単に取り除くのではなく、GeoShiftは安定したシーン特性を保存し、視覚的に互換性のある偽のターゲット位置を選択し、地理的に重要な手がかりを戦略的に書き直し、一貫性のある代替の地理的仮説を構築する。 実験の結果、GeoShiftはストリートレベルのローカライゼーションを16.95%から2.48%に削減し、Gemini-3-Flashでは25.71%から3.81%に削減した。

関連論文リスト

• GeoCloak: An Agentic Framework for Semantics-Preserving Geolocation Privacy via Peripheral Clue Manipulation [34.44047646717461]
  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。
  論文  参考訳（メタデータ） (2026-10-14T11:56:53Z)
• A Decade of PhotoMappers: A Longitudinal Study of Crowdsourced Disaster Photos Geolocalization with Vision-Language Models and Geospatial Reasoning [20.335043961390046]
  本研究では,災害情報の地理的変化について検討し,新しいGeoAIモデルと人間の地理的解釈をどう比較するかを問う。 ストリートビュー画像(SVI)とリモートセンシング画像(RSI)を用いた縦方向空間解析と横方向ジオローカライゼーションを併用する。 その結果,災害タイプ,コミュニティライフライン,運用上の優先事項が変化して形成された,地理的かつ時間的に不均一なアーカイブが明らかになった。
  論文  参考訳（メタデータ） (2026-10-11T07:17:30Z)
• 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)
• 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)
• GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
  我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。 オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。 我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
  論文  参考訳（メタデータ） (2023-05-11T03:21:56Z)

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。