Privid：实用的隐私保护视频分析查询系统
密码学与安全
2021-06-24 v1 计算机与社会
摘要
对公共区域摄像头所录制视频的分析有可能推动许多令人振奋的应用，但也存在侵犯个人隐私的风险。遗憾的是，现有方案未能切实解决效用与隐私之间的这一矛盾，它们依赖于对每帧视频中所有隐私信息的完美检测——这是一个难以实现的要求。本文提出：(1) 一种针对视频分析的差分隐私(DP)新概念，即-事件时长隐私，它保护在短于特定时长内可见的所有隐私信息，而非依赖于对这些信息的完美检测；(2) 一个名为Privid的实用系统，即使在使用（不可信的）分析者提供的、当今视频分析中常见的深度神经网络的情况下，也能强制执行基于时长的隐私保护。在多种视频和查询上，我们表明Privid的准确率达到非隐私系统的79%至99%。
引用
@article{arxiv.2106.12083,
title = {Privid: Practical, Privacy-Preserving Video Analytics Queries},
author = {Frank Cangialosi and Neil Agarwal and Venkat Arun and Junchen Jiang and Srinivas Narayana and Anand Sarwate and Ravi Netravali},
journal= {arXiv preprint arXiv:2106.12083},
year = {2021}
}