LDP-Feat：具有本地差分隐私的图像特征

现代计算机视觉服务常要求用户将原始特征描述子与不可信服务器共享。这带来了固有的隐私风险，因为原始描述子可能被用于恢复提取它们的源图像。为解决此问题，研究者近期提出通过将图像特征嵌入包含原特征及对抗特征样本的仿射子空间中来对其私有化。本文中，我们提出两种新颖的逆推攻击，表明有可能从这些嵌入中（近似）恢复原始图像特征，从而恢复隐私关键的图像内容。鉴于此类攻击的成功以及现有视觉隐私方法缺乏理论隐私保障，我们进一步提出首个通过本地差分隐私私有化图像特征的方法，与先前方法不同，该方法无论攻击强度如何均提供隐私泄露的保证界限。此外，我们的方法在作为下游任务的视觉定位中取得强劲性能，同时享有隐私保障。