【MIT博士论文】隐私保护视频分析，116页pdf

随着摄像机在公共场所的普及和计算机视觉技术的准确性变得司空见惯，人们对从这些摄像机收集和处理数据的兴趣越来越大（称为“视频分析”）。尽管这些趋势支持了许多有用的应用（例如，监测汽车和行人的移动模式以提高道路安全性），但它们也在前所未有的程度上开启了对人们的详细监视。以前的解决方案并未实际解决效用与隐私之间的这种紧张关系，因为它们依赖于每一帧视频中所有私有信息的完美检测——这是一个不切实际的假设。在这篇论文中，我们介绍了Privid，一个隐私保护的视频分析系统，旨在提供隐私的有意义保证和一个适用于广泛分析师的表达、通用的查询界面。特别是，Privid的隐私定义不需要完美检测私有信息，其查询界面允许分析师提供他们自己的任意（不受信任的）机器学习（ML）处理模型。从我们的评估中得出的关键结论是，Privid可以在隐私和实用性之间提供一个实际的平衡：在对真实的监控视频和模拟的城市范围摄像头网络进行的各种查询中，Privid以差分隐私保护了所有人的外貌，并维持了相对于非隐私系统79-99%的准确率。