图像数据集中的隐私：妊娠超声图像的案例研究
计算机视觉与模式识别
2026-02-10 v1
摘要
生成模型的兴起导致大规模从互联网收集的数据集的使用增加，通常数据几乎或没有进行精选，这引发了关于敏感或私人信息包含在内的担忧。本文我们探讨了妊娠超声图像的存在，这些图像包含敏感个人信息，往往在线上共享。通过对 LAION-400M 数据集进行系统性检查，使用 CLIP 嵌入相似度，我们检索包含妊娠超声图像的图像，并检测到数千个包含私人信息的实体，如姓名和位置。我们的发现表明，多个图像包含高风险信息，可能导致重新识别或冒充。我们随后提供了数据集精选、数据隐私和公共图像数据集伦理使用的建议做法。
引用
@article{arxiv.2602.07149,
title = {Privacy in Image Datasets: A Case Study on Pregnancy Ultrasounds},
author = {Rawisara Lohanimit and Yankun Wu and Amelia Katirai and Yuta Nakashima and Noa Garcia},
journal= {arXiv preprint arXiv:2602.07149},
year = {2026}
}