VideoDP：一个具备差分隐私的通用视频分析平台

海量视频数据在个人设备与专用录像设施中被无处不在地生成。分析此类数据在现实世界中极具价值（例如城市交通分析、行人行为分析、视频监控）。然而，视频包含大量敏感信息，如人脸、身份与活动。现有大多数视频净化技术仅通过检测并模糊感兴趣区域（如人脸、车牌、位置与时间戳）来混淆视频，而未对净化过程中的隐私泄露进行量化与约束。据我们所知，本文提出了首个具备差分隐私的视频分析平台（VideoDP），其以严格的隐私保障灵活支持不同的视频分析。不同于传统的基于加噪的差分隐私机制，对于给定的输入视频，VideoDP 随机生成一段效用驱动的隐私视频，其中添加或移除任何敏感视觉元素（如人、物体）均不会显著影响输出视频。随后，不可信的视频分析者所请求的不同视频分析可灵活地在效用驱动视频上执行，同时保证差分隐私。最后，我们在真实视频上开展实验，实验结果表明我们的 VideoDP 在良好效用下有效地实现了视频分析功能。