MultiPriv：视觉语言模型个体级隐私推理基准
MultiPriv: Benchmarking Individual-Level Privacy Reasoning in Vision-Language Models
AI 导读
研究者提出 MultiPriv 基准，并称其为首个系统评测视觉语言模型（VLM）个体级隐私推理能力的基准。该基准引入隐私感知与推理（PPR）框架，构建含合成个人档案的双语多模态数据集，将面孔、姓名等标识符与敏感属性关联，设置属性检测、跨图像重识别和链式推理等九项任务。对 50 余个开源与商用 VLM 的大规模评测显示，在其受控基准中 60% 的常用 VLM 能以最高 80% 的准确率完成个体级隐私推理，作者称这对个人隐私构成显著潜在威胁。基准发布在 https://github.com/CyberChangAn/MultiPriv-PII。