Sarus: Privacy-Preserving Multi-Vendor Perception Fusion via Homomorphic Encryption

📄 arXiv: 2607.19146v1 📥 PDF

作者: Munawar Hasan, Apostol Vassilev

分类: cs.CR, cs.CV

发布日期: 2026-07-21

💡 一句话要点

提出Sarus框架以解决多供应商感知融合中的隐私问题

🎯 匹配领域: 支柱五：交互与反应 (Interaction & Reaction)

关键词: 隐私保护 同态加密 多供应商感知 自动驾驶 数据融合 实时处理 KITTI数据集

📋 核心要点

  1. 现有的多供应商感知系统在推理时共享输出，导致隐私和安全问题。
  2. Sarus框架通过同态加密实现隐私保护，允许在加密域中直接聚合检测结果。
  3. 实验结果显示，Sarus在KITTI数据集上有效提高了场景级覆盖率，尤其在个别模态性能下降时。

📝 摘要（中文）

协作感知使自动驾驶车辆通过聚合多个代理和传感平台的检测输出来提高情境意识。然而，在推理时共享这些输出会暴露专有模型行为和敏感环境信息，带来显著的隐私和安全问题。本文提出Sarus，一个通过同态加密实现的隐私保护多供应商感知融合框架，允许在不泄露单个供应商输出的情况下进行聚合。每个供应商将检测编码为共享空间格上的紧凑高斯矩阵向量，并将加密负载传输到融合服务器，后者在加密域中直接进行聚合。实验表明，Sarus在KITTI数据集上有效聚合互补检测，特别是在个别模态性能下降的距离依赖场景中，提升了场景级覆盖率。

🔬 方法详解

问题定义：本文旨在解决多供应商感知融合中因共享输出而导致的隐私和安全问题。现有方法在推理时需要暴露敏感信息，增加了数据泄露的风险。

核心思路：Sarus框架通过同态加密技术，允许各个供应商在不泄露其检测输出的情况下，将加密数据发送到融合服务器进行聚合。这种设计确保了数据的隐私性，同时实现了有效的感知融合。

技术框架：Sarus的整体架构包括三个主要模块：1) 各供应商将检测结果编码为高斯矩阵向量并加密；2) 加密负载被发送到融合服务器；3) 融合服务器在加密域中直接进行数据聚合，最后解密并重构最终检测结果。

关键创新：Sarus的主要创新在于使用同态加密实现多供应商感知融合，允许在不解密的情况下进行数据处理。这与现有方法的本质区别在于，传统方法通常需要在聚合前解密数据，增加了隐私风险。

关键设计：在设计中，采用了紧凑的高斯矩阵向量表示检测结果，优化了数据传输效率。融合过程的计算复杂度为O(BV)，其中B为占用的箱数，V为供应商数量，后处理复杂度为O(B + ∑_{c∈C} B_c^2)，确保了系统的可扩展性和实时性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，Sarus在KITTI数据集上的表现优于基线方法，尤其在距离依赖场景中，场景级覆盖率显著提高。具体而言，Sarus在聚合互补检测方面展现出线性扩展性，且同态加密带来的开销在可接受范围内，解密过程成为后处理的主要成本。

🎯 应用场景

Sarus框架的潜在应用领域包括自动驾驶、智能交通系统和无人机集群等。这些领域需要多个传感器和代理的协同工作，同时又必须保护敏感数据的隐私。随着技术的发展，Sarus有望在实时部署中发挥重要作用，推动智能交通的安全性和效率。

📄 摘要（原文）

Cooperative perception enables autonomous vehicles (AVs) to improve situational awareness by aggregating detection outputs from multiple agents and sensing platforms, often via a shared fusion service in multi-vendor deployments. However, sharing such outputs at inference time exposes proprietary model behavior and sensitive environmental information, creating significant privacy and security concerns. In this paper, we present Sarus, a privacy-preserving framework for multi-vendor perception fusion via homomorphic encryption (HE), enabling aggregation without revealing individual vendor outputs. Each vendor encodes detections as compact Gaussian moment vectors over a shared spatial lattice and transmits encrypted payloads to a fusion server, which aggregates them directly in the encrypted domain. The fused result is then decrypted and reconstructed into final detections through class-wise bin merging. We analyze the computational complexity, showing linear scaling for vendor payload construction and $O(BV)$ server-side fusion with the number of occupied bins $B$ and vendors $V$, while postprocessing scales as $O(B + \sum_{c\in \mathcal{C}} B_c^2)$, where $\mathcal{C}$ denotes the set of object classes and $B_c$ is the number of occupied bins for class $c$. Experiments demonstrate linear scaling in practice with only a bounded constant-factor overhead from HE, with decryption dominating postprocessing cost. Experiments on the KITTI dataset using camera (YOLOv8) and LiDAR (PointPillars, PV-RCNN) detectors show that Sarus improves scene-level coverage by effectively aggregating complementary detections, particularly in distance-dependent regimes where individual modalities degrade. These results indicate that privacy-preserving multi-vendor perception fusion is feasible for real-time deployment when statistical compression and spatial sparsity are jointly exploited.