论文
评估在线视觉语言模型中的隐私保护和实用性
Assessing Privacy Preservation and Utility in Online Vision-Language Models
摘要
越来越多地使用在线视觉语言模型（OVLM）来处理图像，带来了严重的隐私风险，因为个人经常为各种实用程序上传图像，却没有意识到潜在的隐私侵犯行为。图像包含与个人身份信息 (PII) 相关的关系，即使看似无害的细节也可以通过周围的线索间接揭示敏感信息。本文探讨了上传到 OVLM 的图像中 PII 泄露的关键问题及其对用户隐私的影响。我们研究从图像中提取上下文关系如何导致 PII 的直接（显式）或间接（隐式）暴露，从而严重损害个人隐私。此外，我们提出了保护隐私的方法，同时保留基于视觉语言模型（VLM）的应用程序中图像的预期用途。我们的评估证明了这些技术的有效性，强调了在线图像处理环境中保持实用性和保护隐私之间的微妙平衡。索引词 - 个人身份信息 (PII)、隐私、实用程序、隐私问题、敏感信息