GeoLocator：一种用于推断地理隐私的位置集成大型多模态模型
计算机与社会
2025-04-15 v3 人工智能
计算机视觉与模式识别
社会与信息网络
摘要
地理隐私（geo-privacy）指对个人地理位置的保密，尤其是由个人电子设备维护的地理数据的限制。地理隐私是个人安全的关键方面；然而，它在日常活动中常被忽视。随着大型多模态模型（LMMs，如 GPT-4）在开源情报（OSINT）中的使用激增，与地理隐私泄露相关的潜在风险已加剧。本研究开发了一个基于 GPT-4 的位置集成模型，名为 GeoLocator，并设计了四维实验以展示其在推断输入图像和/或社交媒体内容的地理位置信息方面的能力。我们的实验表明，GeoLocator 以高准确度生成具体的地理细节，从而嵌入了模型用户无意中向公众暴露地理空间信息的风险，突显了在线数据共享、信息收集技术与 LLM 对地理隐私的威胁。我们最后讨论了 GeoLocator 及我们的发现对个体和广大社区的更广泛影响，强调在先进 AI 和社交媒体广泛使用的时代，加强防范地理隐私泄露的意识与保护措施的紧迫性。
引用
@article{arxiv.2311.13018,
title = {GeoLocator: a location-integrated large multimodal model for inferring geo-privacy},
author = {Yifan Yang and Siqin Wang and Daoyang Li and Yixian Zhang and Shuju Sun and Junzhou He},
journal= {arXiv preprint arXiv:2311.13018},
year = {2025}
}
备注
16pages, 2 figures