评估在线视觉语言模型中的隐私保护与实用性
计算机视觉与模式识别
2026-04-14 v1 人工智能
摘要
在线视觉语言模型（OVLMs）用于处理图像的使用日益增长，带来了显著的隐私风险，因为用户经常上传图像以获得各种实用功能，却对潜在的隐私违规一无所知。图像包含与个人可识别信息（PII）相关的关系，甚至看似无害的细节也可能通过周围线索间接暴露敏感信息。本文探讨了 OVLMs 中 PII 暴露的关键问题及其对用户隐私的影响。我们研究了从图像中提取情境关系如何导致对 PII 的直接（显式）或间接（隐式）暴露，显著损害个人隐私。此外，我们提出方法在视觉语言模型（VLM）基于应用程序中保护隐私的同时保持图像的原意实用性。我们的评估显示这些技术的有效性，突出了在在线图像处理环境中维持实用性与保护隐私之间的精细平衡。索引词-个人可识别信息（PII）、隐私、实用性、隐私关注、敏感信息
引用
@article{arxiv.2604.09695,
title = {Assessing Privacy Preservation and Utility in Online Vision-Language Models},
author = {Karmesh Siddharam Chaudhari and Youxiang Zhu and Amy Feng and Xiaohui Liang and Honggang Zhang},
journal= {arXiv preprint arXiv:2604.09695},
year = {2026}
}
备注
Accepted for publication in IEEE ICC 2026. \c{opyright} IEEE. Personal use of this material is permitted. The final version will appear in IEEE Xplore