视觉令牌遮蔽无法防止医学文档OCR中的PHI泄露：系统性评估

大型视觉语言模型(VLM)日益用于医疗保健领域的光学字符识别(OCR)，引发对文档处理期间受保护健康信息(PHI)暴露的严重关切。本工作对推理时视觉令牌遮蔽作为医学文档OCR的隐私保护机制进行首次系统评估。我们引入七种遮蔽策略(V3-V9)，针对不同架构层级(SAM编码器块、压缩层、双视觉编码器、投影层融合)，评估不同HIPAA定义类别下的PHI降低情况。我们使用100份合成医疗账单进行测试（该账单源自38,517份标注文档的语料库，拥有完美的ground-truth标注）。所有遮蔽策略均收敛至42.9%的PHI降低，成功抑制了长格式空间分布标识符（患者姓名、出生日期、物理地址）100%的效果，但未能防止短结构标识符（医疗记录号、社会安全号码、电子邮件地址、账户号码）的0%降低。 varying mask expansion radius(r=1,2,3)的消融研究表明，增加空间覆盖范围无法超越此瓶颈提升降低效果，表明是语言模型的上下文推理——而非视觉遮蔽不足——驱动结构标识符泄露。模拟的混合架构结合视觉遮蔽与NLP后处理实现了88.6%的总PHI降低（假设NLP对剩余标识符准确率为80%）。本项负结果确立了视觉级隐私干预在VLM中的边界，提供了区分不同PHI类型适合视觉层级与语言层级红acted的指导，并引导未来研究向解码器级微调和混合防御深度架构方向发展，以实现HIPAA合规的医疗文档处理。