破坏层级推理：面向多模态推理模型地理隐私的对抗防护
Disrupting Hierarchical Reasoning: Adversarial Protection for Geographic Privacy in Multimodal Reasoning Models
AI 导读
研究者提出 ReasonBreak，一个通过概念感知扰动破坏多模态大推理模型（MLRM）层级推理的对抗防护框架，用于防范模型经思维链推理从个人图片推断精确地理位置。论文指出，现有主要面向感知类模型设计的隐私保护技术难以应对 MLRM 分析环境线索的多步推理；ReasonBreak 的核心思路是让扰动对齐概念层级而非均匀噪声，定向破坏推理链中的关键概念依赖，使具体推理步骤失效并级联影响后续阶段。作者同时发布 GeoPrivacy-6K 数据集，包含 6,341 张分辨率不低于 2K 的超高清图像及层级概念标注。在包括 GPT-o3、GPT-5、Gemini 2.5 Pro 在内的七个先进 MLRM 上的评测显示，ReasonBreak 将 tract 级保护率从 19.4% 提升到 33.8%，block 级保护率从 16.8% 提升到 33.5%，接近翻倍。