PPEDCRF：基于视频序列的背景-based位置隐私的动态CRF引导的选择性扰动
计算机视觉与模式识别
2026-04-21 v1
摘要
我们提出了PPEDCRF框架，这是一个校准的选择性扰动方案，旨在保护发布视频帧中的基于背景的位置隐私，防止基于画廊的检索攻击者获取信息。即使去除GPS元数据，攻击者仍可通过将其背景视觉线索与地标记参考图像匹配来定位帧。PPEDCRF通过动态条件随机场（DCRF）估计位置敏感的背景区域，使用归一化控制惩罚（NCP）调整扰动强度，并在推断出的区域内注入高斯噪声。具体而言，PPEDCRF采用DP风格的校准规则，在估计的区域内注入高斯噪声。我们在一个受控的配对场景检索基准测试中进行评估，该基准测试包含八个攻击者主干和三个噪声随机种子。实验结果显示，PPEDCRF在时将ResNet18 Top-1检索准确率从0.667降低至，同时保持dB的PSNR——比全局高斯噪声高出约dB的视觉质量优势。跨八个攻击者主干的迁移在广泛支持下表现良好（23个24个主干-画廊单元均显示负），而附录规模的确认则识别出MixVPR作为剩余的 adverse-transfer 例外。匹配运算点分析表明，PPEDCRF和全局高斯噪声在相同效用下的Top-1隐私指标收敛，因此实际收益体现在于空间集中扰动——该方法在给定噪声尺度下保持更高的视觉质量，而非提供更强的匹配效用隐私。代码：https://github.com/mabo1215/PPEDCRF
引用
@article{arxiv.2604.17163,
title = {PPEDCRF: Dynamic-CRF-Guided Selective Perturbation for Background-Based Location Privacy in Video Sequences},
author = {Bo Ma and Weiqi Yan and Jinsong Wu},
journal= {arXiv preprint arXiv:2604.17163},
year = {2026}
}