GeoShield：通过对抗扰动保护地理位置隐私免受视觉-语言模型侵害

诸如 GPT-4o 等视觉-语言模型（VLMs）现在展现出从公开共享图像中推断用户位置的卓越能力，对地理隐私构成了巨大风险。尽管对抗扰动提供了一种潜在的防御手段，但当前方法并不适合这种场景：它们在高分辨率图像和低扰动预算下通常表现不佳，并且可能引入无关的语义内容。为了解决这些局限性，我们提出了 GeoShield，一种专为真实场景下鲁棒地理隐私保护设计的新型对抗框架。GeoShield 包含三个关键模块：一个分离地理和非地理信息的特征解耦模块，一个精确定位图像内地理暴露区域的暴露元素识别模块，以及一个在全局和局部层面联合优化扰动以确保跨分辨率有效性的尺度自适应增强模块。在具有挑战性的基准上的大量实验表明，GeoShield 在黑盒设置中始终超越先前的方法，以对视觉或语义质量的最小影响实现了强大的隐私保护。据我们所知，这项工作首次探索了对抗扰动以防御高级 VLMs 的地理位置推断，为日益严重的隐私问题提供了实用且有效的解决方案。