PulseAugur
中
实时 04:32:07
English(EN) MultiPriv: Benchmarking Individual-Level Privacy Reasoning in Vision-Language Models

新基准显示 60% 的 VLM 可推断私人数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 MultiPriv，这是一个用于评估视觉语言模型 (VLM) 个人隐私推理能力的新基准。该基准包含一个双语多模态数据集，旨在将面部和姓名等标识符与敏感属性相关联，从而能够执行属性检测和链式推理等任务。初步评估显示，60% 的受测 VLM 能够以高达 80% 的准确率执行个人隐私推理，凸显了重大的隐私风险。 AI

影响 凸显了 VLM 中重大的隐私风险，可能影响未来的模型开发和数据处理实践。

排序理由 该集群包含一篇介绍用于评估 AI 模型的新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xiongtao Sun, Hui Li, Jiaming Zhang, Yujie Yang, Kaili Liu, Ruxin Feng, Wen Jun Tan, Wei Yang Bryan Lim ·

    MultiPriv：对视觉语言模型中个人隐私推理进行基准测试

    arXiv:2511.16940v3 Announce Type: replace Abstract: Modern Vision-Language Models (VLMs) pose significant individual-level privacy risks by linking fragmented multimodal data to identifiable individuals through hierarchical chain-of-thought reasoning. However, existing privacy be…

相关实体

相关话题