arXiv cs.AI· Abdolazim Rezaei·· 11 小时前AI 评分22
BR-MoE：面向隐私保护交通分析的预算化语义发布框架
BR-MoE: Budgeted Semantic Release for Privacy-Preserving Traffic Analytics
AI 导读
论文提出 BR-MoE 框架，将交通摄像头场景描述转为文本时引入固定隐私预算约束：四个场景专家分别处理隔离视频块，输出映射到有界语义模式，由强化学习控制器根据公开任务请求和既往发布选择专家摘要及预算开销，独立隐私过滤器强制总预算并在转文本前加入校准噪声。
正文 · AI 翻译
摘要：交通摄像头支持有用的分析，但其输出可能泄露隐私信息。用文本替换图像可减少直接的视觉暴露，但并未对信息披露设定形式化的界限。已发表的强化学习与混合专家框架通过相关性、覆盖率和简洁性奖励来优化场景描述，但未考虑在固定隐私预算下的重复发布。本文提出预算化语义发布，作为该框架的扩展。四个场景专家首先处理相互隔离的视频片段，其输出被映射到固定且有界的语义模式。强化学习控制器选择发布哪些专家摘要以及花费多少隐私预算，控制器使用公开任务请求和先前的私有发布记录。单独的隐私过滤器强制执行总预算。在摘要转换为文本之前加入校准噪声。在显式的片段隔离和有界事件假设下，完整的发布记录满足事件级差分隐私界限。该设计还支持在不产生新披露的情况下复用先前的摘要。评估协议涵盖交通效用、隐私攻击、发布新鲜度和计算成本。示例表格展示了预期的报告格式，但并未确立实证收益。所提出的贡献是一个任务感知的发布接口，可为重复的交通描述提供可审计的隐私核算。
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.27026 [cs.CR] |
| （或 arXiv:2610.27026v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27026 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Abdolazim Rezaei [查看电子邮件]
[v1]
2026年10月19日星期一 15:00:33 UTC（78 KB）
来源：arXiv cs.AI · arxiv.org