TAP3D：用热阵列从体热重建 3D 人体点云
论文提出 TAP3D，首个从体热特征重建 3D 人体点云的系统，使用单个商用热阵列传感器，在成本、密度、人体敏感度和隐私方面具备优势。系统采用物理信息设计，结合前向热物理模型、多基元估计与几何透视融合，应对深度估计、热干扰和多人体分离难题。
推荐理由：论文展示用低成本热阵列从体热重建 3D 人体点云，为隐私优先的被动人体感知提供了一条可复现的技术路径。
#论文/研究
arXiv 隐私论文精选AI 评分6060
arXiv 隐私论文精选AI 评分6060 SBW：面向 LLM 智能体的抗改写、抗伪造语义行为水印
论文提出语义行为水印（SBW），在历史条件下对语义动作簇而非精确动作符号嵌入水印，并用带密钥的抗碰撞分箱替代公开簇分箱。在五个智能体模型（3B-14B，四家厂商）和三个编码器上，ToolBench 改写场景下簇级检测率为 0.49-0.66，精确符号方案仅 0.05-0.17；ALFWorld 上为 0.92-0.97 对 0.00-0.01。
推荐理由：论文提出面向 LLM 智能体的语义行为水印，在改写场景下检测率显著高于精确符号方案，并指出链式重放仍未被覆盖。
arXiv 隐私论文精选AI 评分6666 PrivTab：用表格基础模型实现高效可证明隐私的分类
研究提出 PrivTab，一种将隐私机制嵌入架构的表格基础模型，用于差分隐私分类，通过上下文学习把敏感行转换为紧凑且可证明隐私的摘要。在中等至强隐私预算下，它优于私有线性与神经网络基线，成员推断泄漏可忽略，强隐私下预测仍保持良好校准，并将数据集拟合时间缩短 10000 倍，仅需一次前向传播。
推荐理由：介绍一种把差分隐私机制嵌入架构的表格基础模型，读者可了解隐私分类在效用、速度与成员推断泄漏上的取舍。
Google 安全博客精选AI 评分6262 Google 开源 HEIR 编译器，让 AI 模型在加密数据上推理
Google 在 Private Computing Toolkit 中新增开源编译器 HEIR（Homomorphic Encryption Intermediate Representation），可将预训练 AI 模型从处理未加密数据转换为处理加密输入，目标是让非专家也能一键把加密推理接入生产应用。
推荐理由：Google 开源 HEIR 编译器，把预训练 AI 模型转为在加密数据上推理，读者可了解同态加密落地的工程路径与四个演示场景。
已经到底了