- CVPR我身体我选择：以人为本的全身匿名化
在越来越多关注在线私密性的时代，我们提出内容出现与否的决定应仅由身体的主人决定。尽管已经提出了一些全身匿名化的自动方法，但人类引导的匿名化可以适应各种情境，如文化规范、个人关系、审美考虑和安全问题。"My Body My Choice"（M - 用于匿名学习图像压缩的感兴趣区域损失
在公共空间使用人工智能不断引发对隐私和敏感数据保护的担忧，本论文介绍了一种使用定制损失函数的 ROI 来实现足够去识别化的方法，通过训练端到端优化的自编码器来实现压缩和去识别化，同时考虑了压缩率、延迟和对人脸和人物检测模型的影响。
- 语音匿名化对病理学的影响及其局限性
对匿名化技术在病理性语音中的影响进行了研究，发现它可以增强隐私性，同时强调了为了应对逆向攻击，需要采用定制化方法来平衡隐私和诊断效用。
- 3D 整体匿名化
提出一种利用三维信息对手术室的多视角 RGB-D 视频记录进行自动化匿名化的新方法，该匿名化方法通过将每个图像中的人脸替换为不同的人脸来保持原始数据分布的一致性，以便进一步的下游任务。
- 朝着规模化的注重隐私的手语翻译
通过两阶段的框架提出了 SSVP-SLT，该框架应对了缺乏对齐字幕的手语数据的问题，并解决了基于大规模网络抓取的数据集存在的隐私风险，通过自监督视频预训练和面部模糊化来提高 SLT 性能和保护隐私。
- 对抗机器学习赋能的 OpenWiFi 数据匿名化
通过匿名化实现数据隐私和保护是数据拥有者在将数据转发至其他可能用途之前需要解决的关键问题。本文提出了使用 CTGAN 生成的合成数据作为真实数据的替代品，以解决 OpenWiFi 网络中泄露和信息丢失的问题，并通过聚类算法的相似性评估以及无 - DiffSLVA：利用扩散模型实现手语视频匿名化
通过 DiffSLVA 方法，利用预训练的大规模扩散模型和低级图像特征来进行零样本文本引导的手语视频匿名化，解决了手势识别的复杂性和对数据集的依赖性的问题，实现了更好地保护原始签名者的重要语言内容。
- 通过解缠匿名化医学案例说明
提出了一种用于医学图像匿名化的新方法，通过解开图像中的特征向量，实现对身份信息和医学特征的分离，进而制造合成的隐私保护身份用于替代原始图像的身份，实验表明该方法能够生成逼真的匿名图像并保留其原始医学内容。
- 瑞士联邦最高法院裁决的自动匿名化
我们使用一种基于 BERT 模型的新方法，将现有的匿名化软件与机器学习相结合，进一步减少人工劳动，增强自动建议，从而提高了超过 5％的 F1 分数，并演示了将法院决定发布给公众所依赖的适当匿名化的重要性。
- 指纹攻击：联邦学习中的客户端去匿名化
该论文研究联邦学习中的隐私保护，探讨采用梯度指纹攻击跟踪参与者对服务器发送的梯度，以及采用微分隐私进行训练以提供有效防御的可行性。
- 差分隐私：基于扩散的人脸隐私保护
本文提出了一种基于扩散模型的面部隐私保护方法 Diff-Privacy，通过统一匿名化和视觉身份信息隐藏任务，利用多尺度图像反演模块（MSI）和条件嵌入策略实现面部图像的隐私保护。
- EgoBlur: 负责任的 Aria 创新
Project Aria 通过使用专门设计的眼镜进行大规模真实世界数据收集，以隐私为先的方法推动了自我中心 AI 的前沿。为了保护被眼镜记录的旁观者的隐私，我们的研究方案旨在确保通过 AI 模糊化模型处理记录的视频，移除旁观者的面部和车牌信 - 匿名化语音：评估和设计说话人匿名化技术
该论文讨论了语音用户界面的增长，以及由此带来的语音数据收集和存储问题。研究提出了匿名化语音和度量匿名程度的解决方案，并介绍了评估协议需要考虑的挑战，最后探讨了一种新的攻击方法以逆转匿名化。
- CVPR图片匿名化是否影响计算机视觉训练？
本文研究图像匿名化对计算机视觉模型训练的影响，检验了传统和逼真匿名化对人脸和全身数据集中检测、实例分割和姿态估计任务的影响，结果表明逼真匿名化最大降低可达到维护隐私的同时保持计算机视觉模型性能。
- 应用不同技术的机器学习模型对匿名数据的比较
通过使用基于值通用化层次结构的匿名化技术来模糊准标识符，广泛用于实现预设的隐私级别。本文研究了四种经典的机器学习方法，以分类为目的，分析了应用匿名化技术和为每个方法选择的参数的结果。使用广为人知的成年人数据集，在变化的 K 值、L - 多样 - 巴西医疗人工智能隐私本体论
该研究详细介绍了新颖的领域本体论，聚焦于流行病学、医学、统计学和计算机科学的交叉点。文章提出了一种系统化的方法来匿名处理医院数据，以便在医疗保健领域的人工智能应用中使用，经过七个实用步骤的开发流程，最后演示了该本体论在医院环境中进行人工智能 - CVPR基于潜在代码优化的面部属性保护数据集匿名化
本文提出了一种针对人脸图像数据集的匿名处理方案，采用生成对抗网络的潜在空间进行优化，解决现有方案中需要额外训练神经网络、没有保存面部特征等问题，实现了既保护隐私，又适合于训练机器学习模型的效果。
- 使用远程监督对文本匿名化模型进行引导
本文提出一种基于远程监督的方法，利用知识图谱自动标注出表示个人信息的文档，以训练文本匿名化模型，进而实现 k - 匿名。通过在 Wikipedia 等网站上提取的知识图谱，并利用 RoBERTa 模型进行评估，本方法显示出潜力，但也揭示了可 - 单词级差分隐私的限制
本文介绍了一个新的文本匿名处理方法，该方法使用 fine-tuned 变压器语言模型实现了高质量的语言输出，同时避免了匿名化方法存在的隐私保护及文本保留方面的问题。
- 自监督语音表示保留语音特征同时实现匿名化
本文旨在研究如何使用基于自监督语音表征的语音转换模型匿名处理声音数据，结果表明用这种方法匿名化处理的语音可以维持原始语音低的误识别率，但对于说话人验证存在性能下降的问题。此外，本文的研究还能以匿名的方式提取出健康语言和病理语言之间的区别语音