CityGuard: Graph-Aware Private Descriptors for Bias-Resilient Identity Search Across Urban Cameras

Each language version is independently generated for its own context, not a direct translation.

Immagina una grande città piena di telecamere di sicurezza. Il compito di un sistema di riconoscimento facciale o di persone è semplice: trovare la stessa persona che appare su telecamere diverse, anche se la luce cambia, la persona è parzialmente nascosta da un autobus o gira in modo diverso.

Il problema è che le telecamere sono sparse un po' ovunque, i dati sono enormi e, soprattutto, non possiamo guardare le foto delle persone per motivi di privacy (come dice il GDPR). È come cercare di trovare un amico in una folla senza poter guardare i suoi volti, ma solo descrivendo i suoi vestiti, e dovendo farlo senza che nessuno sappia chi stai cercando.

Ecco come CityGuard risolve questo rompicapo, spiegato in modo semplice:

1. La Mappa Mentale (La Topologia)

Immagina che ogni telecamera sia un nodo in una rete sociale. CityGuard non guarda solo la foto, ma sa dove si trova la telecamera.

L'analogia: Pensa a un gruppo di amici che si scambiano informazioni. Se due amici sono vicini (due telecamere vicine), si parlano di più. CityGuard crea una "mappa mentale" della città. Se la telecamera A vede qualcuno, sa che la telecamera B (che è vicina) potrebbe averlo visto poco dopo. Non ha bisogno di misuramenti laser perfetti; basta sapere che sono vicine (come usare il GPS del telefono). Questo aiuta il sistema a collegare i puntini anche se la vista è diversa.

2. L'Adattatore Intelligente (Metric Learning Adattivo)

Ogni persona è diversa. Alcuni hanno un aspetto molto stabile (sempre lo stesso cappotto), altri cambiano molto (cambiano scarpe, giacche, o sono spesso parzialmente nascosti).

L'analogia: Immagina un insegnante che deve valutare gli studenti. Un metodo vecchio direbbe: "Tutti devono avere la stessa distanza tra loro". CityGuard invece dice: "Se uno studente è molto variabile (cambia spesso), gli diamo più spazio; se è stabile, lo teniamo più stretto".
In pratica, il sistema impara a essere più "gentile" con le persone che cambiano molto aspetto e più "rigido" con quelle che sono costanti, rendendo il riconoscimento più preciso.

3. Il Filtro di Sicurezza (Privacy Differenziale)

Questa è la parte più magica. Come possiamo cercare qualcuno senza salvare la sua foto o i suoi dati biometrici precisi?

L'analogia: Immagina di dover inviare un messaggio segreto a un amico. Invece di scrivere il messaggio vero e proprio, lo scrivi su un foglio e poi ci spargi sopra un po' di polvere magica (rumore matematico).
Il messaggio rimane leggibile per il tuo amico (il sistema sa ancora chi stai cercando), ma se un ladro ruba il foglio, vede solo un pasticcio illeggibile. CityGuard aggiunge questa "polvere" ai dati delle persone. In questo modo, anche se qualcuno ruba il database, non può ricostruire le foto delle persone né sapere chi è stato cercato. È come avere un'identità che cambia leggermente ogni volta che la si mostra, ma che rimane riconoscibile per chi ha la chiave.

4. Il Motore di Ricerca Veloce

Tutto questo deve avvenire in un attimo. CityGuard usa un sistema di indicizzazione intelligente (come un indice di un libro gigante) che permette di trovare la persona in milioni di immagini in pochi millisecondi, anche con la "polvere" di sicurezza sopra.

In Sintesi: Perché è un gioco da ragazzi?

Prima, per riconoscere una persona in città, servivano telecamere perfette, calibrazioni laser costose e si rischiava di violare la privacy.
CityGuard è come un detective super-intelligente che:

Usa la mappa della città per capire dove guardare.
Si adatta al modo in cui le persone cambiano aspetto.
Usa un filtro magico per proteggere la privacy, rendendo i dati inutilizzabili per i ladri ma utili per la ricerca.
Trova la persona velocemente, anche se è parzialmente nascosta o se la luce è strana.

È un sistema che rende le città più sicure senza sacrificare la libertà e la privacy dei cittadini, trasformando un problema di "chi è quello?" in una ricerca sicura e rispettosa.

Each language version is independently generated for its own context, not a direct translation.

1. Il Problema

La ricomparsa delle persone (Person Re-Identification o Re-ID) su scala urbana, che coinvolge reti di telecamere distribuite e non sovrapposte, affronta sfide critiche:

Variazioni di aspetto: Cambiamenti drastici dovuti a punti di vista diversi, occlusioni, illuminazione e spostamenti di dominio (domain shift).
Vincoli di privacy: Le normative sulla protezione dei dati (come GDPR e CCPA) impediscono la condivisione di immagini grezze tra diverse giurisdizioni o entità. È necessario estrarre e archiviare solo descrittori crittografati o privati.
Limiti delle soluzioni attuali: I metodi esistenti spesso utilizzano margini di perdita fissi che non si adattano alla dispersione delle caratteristiche per identità, ignorano la topologia spaziale delle telecamere (mappatura geometrica) e integrano la privacy come un modulo aggiuntivo post-hoc, portando a compromessi subottimali tra accuratezza e privacy.

2. Metodologia: Il Framework CityGuard

CityGuard è un framework unificato basato su Transformer che integra tre componenti principali per bilanciare accuratezza, robustezza e privacy in un ambiente decentralizzato.

A. Apprendimento Metrico Adattivo alla Dispersione (Dispersion-Aware Metric Learning)

Concetto: Invece di usare margini di classificazione fissi, CityGuard adatta dinamicamente i margini per ogni identità in base alla sua "dispersione" (varianza) nello spazio delle caratteristiche.
Meccanismo: Utilizza una funzione di perdita chiamata ACT (Adaptive Class-Tolerant) Loss.
- Calcola la divergenza di Kullback-Leibler ( $D_{KL}$ ) tra la distribuzione empirica delle caratteristiche di un'identità specifica e una distribuzione globale di riferimento.
- Aumenta il margine di classificazione per le identità con alta varianza (più difficili da distinguere) e lo riduce per quelle compatte.
- Include una strategia di "hard mining" esplicita per selezionare i positivi più difficili e i negativi semi-difficili all'interno del batch.

B. Attenzione Condizionata alla Geometria (Geometry-Conditioned Attention)

Concetto: Sfrutta la conoscenza preliminare della disposizione delle telecamere (topologia) per migliorare l'allineamento tra diverse visuali senza bisogno di calibrazione di precisione (survey-grade).
Meccanismo:
- Costruisce una matrice di adiacenza basata su coordinate GPS grezze, planimetrie o stime SLAM, definendo un grafo dove i nodi sono telecamere e gli archi rappresentano l'affinità spaziale.
- Introduce un bias geometrico ( $B_{geom}$ ) nei logit dell'attenzione del Transformer. Questo bias favorisce l'interazione tra nodi (telecamere) che sono fisicamente vicini o allineati nella direzione di visione.
- Permette un allineamento cross-view coerente anche con dati di posizione rumorosi (es. errori GPS < 0.5m), rendendo il sistema robusto alla mancanza di calibrazione esatta.

C. Rilascio di Embedding con Privacy Differenziale (Differentially Private Embedding Release)

Concetto: Garantisce la privacy formale degli identificatori biometrici archiviati, proteggendo contro attacchi di inferenza di appartenenza e inversione delle caratteristiche.
Meccanismo:
- Applica il meccanismo Gaussiano agli output dell'encoder.
- Utilizza il clipping (taglio) dei vettori di embedding per limitare la sensibilità $L_2$ ( $S_f$ ).
- Aggiunge rumore gaussiano calibrato in base al budget di privacy $(\epsilon, \delta)$ .
- Integra un contabile della privacy (privacy accountant) per tracciare il consumo cumulativo del budget durante query multiple, utilizzando il teorema di composizione avanzata.
- Combina questi descrittori privatizzati con indici approssimati compatti (es. HNSW, PQ) per garantire un recupero efficiente.

D. Modellazione Temporale e Recupero Ottimale

Utilizza una Temporal Graph Network (TGN) per aggregare informazioni temporali e movimenti tra telecamere.
Introduce un obiettivo di recupero basato sul Trasporto Ottimale Entropico (Entropic Optimal Transport) per migliorare l'allineamento globale tra il database e la query, riducendo gli errori di distribuzione tra domini.

3. Contributi Chiave

Metodo ACT: Un approccio innovativo per l'apprendimento metrico che adatta i margini in base alla complessità specifica di ogni identità, migliorando la compattezza intra-classe.
Attenzione Geometrica: Un meccanismo di attenzione che incorpora priors geometrici (GPS/planimetrie) direttamente nel Transformer, permettendo un allineamento robusto senza calibrazione costosa.
Privacy Formale Integrata: Un sistema che non sacrifica l'architettura per la privacy, ma integra la privacy differenziale a livello di embedding con indici di ricerca efficienti, offrendo garanzie matematiche contro le violazioni dei dati.
Robustezza e Scalabilità: Il framework dimostra resistenza a occlusioni, cambi di dominio e attacchi avversari (FGSM, PGD), mantenendo alte prestazioni in scenari reali.

4. Risultati Sperimentali

Il framework è stato valutato su benchmark standard (Market-1501, MARS, MSMT17, SYSU-MM01, RegDB) e scenari di occlusione.

Prestazioni di Recupero: CityGuard ha ottenuto risultati State-of-the-Art (SOTA).
- Su Market-1501: 97.5% di Rank-1 e 96.5% di mAP (superando modelli come TransReID, ChatReID e OAT).
- Su MARS (video): 95.7% di Rank-1 e 91.6% di mAP.
- Su dataset Occlusi/Parziali (Occluded-REID, Partial-REID): Supera significativamente i metodi esistenti, mostrando una forte capacità di recupero anche con parti del corpo nascoste.
Robustezza Adversariale: Sotto attacchi FGSM e PGD-20, CityGuard mantiene prestazioni molto superiori rispetto ai baseline (es. Rank-1 di 68.7% vs 12.3% di TransReID su Market-1501 sotto attacco FGSM).
Privacy-Utility Trade-off: Anche con budget di privacy stringenti ( $\epsilon = 2.0$ ), il sistema mantiene un Rank-1 > 90%, dimostrando la fattibilità pratica. Gli attacchi di inferenza di appartenenza (Membership Inference Attacks) sono ridotti a livelli vicini al caso casuale (precisione ~54% vs 81.5% del baseline non privato).
Efficienza: L'uso di indici approssimati e la struttura modulare permettono un recupero veloce (latenza ridotta) e un'adattabilità a hardware edge.
Equità (Fairness): Il sistema riduce significativamente le disparità di prestazione tra gruppi demografici (razza, genere, etnia) rispetto ad altri modelli, migliorando l'equità del riconoscimento.

5. Significato e Impatto

CityGuard rappresenta un passo fondamentale verso il dispiegamento di sistemi di sorveglianza urbana etici e conformi alle normative.

Rispetto della Privacy: Dimostra che è possibile costruire sistemi di identificazione ad alta precisione senza condividere immagini grezze, utilizzando descrittori privatizzati formalmente garantiti.
Adattabilità Reale: La capacità di funzionare con dati geometrici "grezzi" (GPS impreciso) lo rende immediatamente applicabile in città esistenti senza costosi lavori di calibrazione.
Resilienza: La combinazione di apprendimento metrico adattivo e attenzione geometrica offre una soluzione robusta ai problemi di occlusione e variazione di dominio che hanno finora limitato l'adozione su larga scala del Re-ID.

In sintesi, CityGuard colma il divario tra le esigenze operative di sicurezza urbana e i rigorosi requisiti di protezione dei dati, fornendo un framework pratico per l'identificazione delle persone sicura, precisa e scalabile.