基于 Gamma 分布的深度学习体积视频上行重建攻击方案 VVRec
密码学与安全
2025-02-26 v1 计算机视觉与模式识别
多媒体
摘要
随着 3D 体积视频应用（如自动驾驶、虚拟现实和混合现实）的流行，开发人员已转向使用深度学习压缩体积视频帧（即点云用于视频上行）。最新的深度学习解决方案在效率、失真和硬件支持方面均优于传统方法，如 MPEG 和 JPEG。然而，隐私威胁随之出现，尤其是针对从中间结果恢复原始输入点云的重建攻击。本文设计了 VVRec，据我们所知，这是首个针对深度学习驱动的体积视频重建攻击方案。VVRec 能够通过我们设计的四个训练良好的神经网络模块，从拦截的传输中间结果中重建高质量点云。利用最新的带 Gamma 分布的潜在扩散模型和精炼算法，VVRec 在重建质量、颜色恢复方面优于现有防御措施。我们使用三个体积视频数据集对 VVRec 进行评估。结果表明，VVRec 实现了 64.70 dB 的重建精度，失真减少了 46.39%。
引用
@article{arxiv.2502.17880,
title = {VVRec: Reconstruction Attacks on DL-based Volumetric Video Upstreaming via Latent Diffusion Model with Gamma Distribution},
author = {Rui Lu and Bihai Zhang and Dan Wang},
journal= {arXiv preprint arXiv:2502.17880},
year = {2025}
}