Tag · 13 篇
隐私保护
Unsafe2Safe：兼顾下游效用的可控图像匿名化
Unsafe2Safe: Controllable Image Anonymization for Downstream Utility
用视觉语言模型生成成对的私有/公开描述并让大语言模型产出结构化编辑指令，再以双提示词驱动扩散编辑器只重写敏感区域，这套「检测—指令—局部编辑」流程可直接迁移到数据清洗、人脸/文本脱敏和可控局部重绘任务。
面向隐私保护可见光-红外行人重识别的跨模态保持、一致性与对齐
Towards Cross-Modal Preservation, Consistency and Alignment for Privacy-Preserving Visible-Infrared Person Re-Identification
针对可见光-红外行人重识别中的隐私保护问题，提出关键点保持正则化与差分一致性引导的模态对齐，可复用于跨模态检索中的匿名化特征对齐。
热激活双模态对抗服饰对抗AI监控系统
Thermally Activated Dual-Modal Adversarial Clothing against AI Surveillance Systems
把对抗补丁从可见光扩展到可见光+红外双模态，并用热致变色材料实现「按需激活」的物理隐身衣；对做物理对抗攻击、行人检测鲁棒性评测的人，它提供了一个可复现的跨模态攻击载体与真实场景成功率评测设定。
重新审视几何混淆：用于视觉定位中隐私保护图像查询的双收敛线
Revisiting Geometric Obfuscation with Dual Convergent Lines for Privacy-Preserving Image Queries in Visual Localization
DCL 通过双收敛线设计使几何恢复攻击的优化问题变得病态，为视觉定位中的隐私保护提供了一种可部署的关键点混淆方案，可直接集成到基于线段的定位求解器中。
从测量到缓解：用线性子空间移除量化并降低图像表征编码器中的身份泄露
From Measurement to Mitigation: Quantifying and Reducing Identity Leakage in Image Representation Encoders with Linear Subspace Removal
对使用 CLIP/DINOv2/SSCD 等冻结视觉嵌入做检索或完整性系统的人，这篇给出了一个可复用的审计流程（低误接受率下的开放集验证、基于扩散的模板反演检验、等面积扰动的人脸上下文归因）以及一个单样本线性投影器 ISP，可在几乎不损失非生物特征效用的前提下把身份线性可及性压到接近随机水平。
FedRE：面向模型异构联邦学习的表征纠缠框架
FedRE: A Representation Entanglement Framework for Model-Heterogeneous Federated Learning
对视觉研究者而言，这是一种在客户端模型架构不一致时仍能聚合表征的联邦训练范式：用归一化随机权重把本地特征与 one-hot 标签编码分别聚合成单一纠缠表征与纠缠标签编码，再上传服务器训练全局分类器，可作为异构端侧视觉模型协同训练与隐私友好表征共享的可复用方案。
FedMOP：通过动量正交投影在联邦学习中实现增强的隐私与性能
FedMOP: Achieving Enhanced Privacy and Performance in Federated Learning via Momentum Orthogonal Projection
FedMOP 通过正交投影和动量轨迹隐藏，在联邦学习中同时提升隐私与性能，为视觉模型分布式训练提供抗梯度泄露的通用手段。
视觉语言模型会泄露所学内容吗？自适应词元加权模型反演攻击
Do Vision-Language Models Leak What They Learn? Adaptive Token-Weighted Model Inversion Attacks
提出基于词元梯度加权的模型反演攻击方法 SMI-AW，可复用于评估视觉语言模型在训练数据隐私泄露方面的脆弱性，为隐私保护防御提供攻击基准。
通过服务器端梯度冲突缓解与表达实现计算与通信高效的联邦遗忘
Computation and Communication Efficient Federated Unlearning via On-server Gradient Conflict Mitigation and Expression
为视觉模型在联邦场景下提供可撤销数据贡献的机制：通过服务器端梯度冲突缓解与特征编码实现遗忘，视觉研究者可将其用于隐私合规的分布式训练（如医疗影像联邦模型）中移除特定客户端数据的影响。
连接隐私与溯源：可追溯的虚拟身份生成
Bridging Privacy and Provenance: Traceable Virtual Identity Generation
在扩散生成过程中嵌入潜空间水印以携带可验证的身份签名，并配合3D几何与表情条件保持姿态一致性，为视觉研究者提供了一种在生成人脸时兼顾身份可控性与溯源验证的可复用思路。
针对图像生成模型预训练数据的黑盒成员推理攻击
Black-box Membership Inference Attacks on the Pre-training Data of Image-generation Models
对做扩散模型数据溯源与版权审计的研究者，这篇给出了一个仅依赖黑盒去噪行为的成员推理信号：同时扰动可疑图像与其对应文本指令，观察跨模态去噪响应差异，可在无法访问内部特征的主流闭源平台上判断预训练数据是否被使用。
视觉模型中对抗性成员操纵的统一视角
A Unified Perspective on Adversarial Membership Manipulation in Vision Models
对做视觉模型隐私评估的人，这篇论文指出成员推理攻击（MIA）本身存在对抗脆弱面：不可感知扰动可把非成员图像推入成员区域，并给出基于梯度范数坍缩轨迹的检测与鲁棒推理方案，可直接用于加固 MIA 评测流程或设计更可信的隐私审计工具。
源模型泄露了不应泄露的信息：通过对抗优化在域自适应中遗忘零样本迁移
$\oslash$ Source Models Leak What They Shouldn't $\nrightarrow$: Unlearning Zero-Shot Transfer in Domain Adaptation Through Adversarial Optimization
提出在无源域自适应中通过对抗优化遗忘源域独有类的方法，可复用于视觉模型跨域部署时的隐私保护与知识擦除。