GeoEdit: Adversarial De-Evidencing for Silent Geoprivacy Protection via Image Editing
作者: Yu Yan, Shengjia Cheng, Fei Ma, Zhe Wang, Peng Chen
分类: cs.CV, cs.AI
发布日期: 2026-10-19
💡 一句话要点
提出GeoEdit以解决地理隐私保护问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 地理隐私保护 对抗性学习 图像编辑 多模态推理 深度学习
📋 核心要点
- 现有方法在保护照片隐私与可分享性之间难以取得有效平衡，且无法充分破坏隐含的地理证据链。
- GeoEdit通过对高风险证据锚点进行最小编辑，破坏空间推理链，同时保持场景语义的完整性。
- 在LifePhotoBench评估中，GeoEdit对6种主流MLRM的保护效果显著，图像保真度提升超过0.59。
📝 摘要（中文）
近年来，针对地理推理的多模态大规模推理模型（MLRMs）展现出强大的能力，能够通过分析细微的视觉线索推断照片位置，从而导致隐私泄露。现有防御方法在照片可分享性与有效保护之间难以取得平衡，且往往无法充分破坏场景语义中隐含的地理证据链。为此，本文提出GeoEdit，一个通过图像编辑实现静默地理隐私保护的对抗去证据化框架。具体而言，我们对图像中的高风险证据锚点进行最小编辑，从而破坏潜在的空间推理链，同时保持整体场景语义。我们通过结合结构化知识与对抗性发现的地理线索来识别这些锚点，并采用可学习策略迭代优化编辑决策，将成功轨迹提炼为可转移的自然语言见解，以实现一致且高效的编辑。在LifePhotoBench上的评估显示，GeoEdit对6种主流MLRM提供了强有力的保护，图像保真度超过视觉扰动基线0.59。
🔬 方法详解
问题定义：本文旨在解决现有地理隐私保护方法在照片分享与隐私保护之间的矛盾，现有方法无法有效去除隐含的地理证据链，导致隐私泄露风险。
核心思路：GeoEdit的核心思路是通过对图像中高风险证据锚点进行最小化编辑，破坏潜在的空间推理链，同时保持整体场景的语义信息，以实现静默的地理隐私保护。
技术框架：GeoEdit的整体架构包括两个主要模块：首先，通过结合结构化知识与对抗性发现的地理线索来识别高风险证据锚点；其次，采用可学习策略迭代优化编辑决策，确保编辑过程的一致性与高效性。
关键创新：GeoEdit的主要创新在于其对高风险证据锚点的识别与编辑策略的结合，能够有效破坏空间推理链，而不影响图像的整体语义，与现有方法相比具有显著优势。
关键设计：在设计中，GeoEdit采用了可学习的编辑策略，利用深度学习模型来优化编辑决策，并通过自然语言提炼成功的编辑轨迹，以便于后续的编辑操作。
🖼️ 关键图片
📊 实验亮点
GeoEdit在LifePhotoBench上的实验结果显示，其对6种主流MLRM的保护效果显著，图像保真度提升超过0.59，相较于视觉扰动基线表现出更强的有效性，证明了其在地理隐私保护中的实际应用潜力。
🎯 应用场景
GeoEdit的研究成果具有广泛的应用潜力，尤其在社交媒体、在线照片分享平台及个人隐私保护领域。通过有效地去除隐私证据，该方法可以帮助用户在分享照片时保护其地理位置信息，降低被恶意攻击的风险，具有重要的社会价值和实际意义。
📄 摘要（原文）
Recent efforts have demonstrated the strong capabilities of Multimodal Large Reasoning Models (MLRMs) in geographic reasoning. By jointly analyzing subtle visual cues, these models can infer the locations of photos, thus enabling doxing even by non-expert adversaries. Existing defense methods struggle to balance the shareability of photos with effective protection, and often fail to sufficiently disrupt the implicit geo-evidence chains embedded in scene semantics. To this end, we propose GeoEdit, an adversarial de-evidencing framework for silent geoprivacy protection via image editing. Specifically, we apply minimal edits to high-risk evidence anchors in the image, thereby disrupting the underlying spatial reasoning chains while preserving overall scene semantics. We identify these anchors by combining structured knowledge with adversarially discovered geographic cues. To further navigate the large editing action space, we adopt a learnable policy to iteratively refine editing decisions, distilling successful trajectories into transferable natural-language insights for consistent and efficient editing. Evaluated on LifePhotoBench, GeoEdit achieves strong protection against 6 mainstream MLRMs, outperforming visual perturbation baselines by over 0.59 in image fidelity.