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

O CityGuard é um framework baseado em transformadores que utiliza aprendizado de métricas adaptativo, atenção condicional espacial e mapas de incorporação com privacidade diferencial para permitir a busca de identidade privada e resiliente a vieses em câmeras urbanas distribuídas, garantindo precisão na reidentificação sem compartilhar imagens brutas.

O essencial

Imagine que você é o diretor de segurança de uma cidade enorme, cheia de câmeras de vigilância em cada esquina, shopping e estação de trem. Seu trabalho é encontrar uma pessoa específica que passou por várias câmeras diferentes. O problema? Essa pessoa pode estar de costas em uma câmera, de lado em outra, com um guarda-chuva na frente do rosto, ou a iluminação pode mudar completamente de um lugar para o outro. Além disso, você não pode simplesmente salvar fotos de todos os cidadãos em um banco de dados gigante, porque isso violaria a privacidade e as leis de proteção de dados.

É aqui que entra o CityGuard. Pense nele como um "detetive digital superinteligente e ético" que resolve esse quebra-cabeça sem nunca precisar olhar para o rosto real das pessoas.

Aqui está como o CityGuard funciona, usando analogias simples:

1. O Mapa Mental (Topologia e Geometria)

Imagine que todas as câmeras da cidade são pontos em um mapa. O CityGuard não trata cada câmera como uma ilha isolada. Ele cria um mapa de conexões (um grafo) entre elas.

• A Analogia: Pense nas câmeras como amigos em uma festa. Se duas câmeras estão perto uma da outra ou apontam para a mesma direção, o CityGuard sabe que elas "conversam" mais. Ele usa a localização (GPS) e a direção da câmera para entender como uma pessoa que sai de uma câmera "entra" na visão da próxima.
• O Truque: Você não precisa de um mapa de engenheiro superpreciso. O CityGuard funciona bem mesmo com um mapa "grosso" (como um GPS de celular), ajustando-se automaticamente aos pequenos erros.

2. O Detetive Adaptável (Aprendizado de Métrica)

Geralmente, os sistemas de reconhecimento tentam forçar todas as fotos de uma mesma pessoa a ficarem idênticas. Mas e se a pessoa estiver muito diferente (ex: com um casaco pesado vs. de camiseta)? O sistema tradicional se confunde.

• A Analogia: O CityGuard usa um detetive flexível. Em vez de dizer "toda foto da Maria deve ser igual", ele diz: "Ok, a Maria hoje está com um casaco grande e está chovendo. Vou ajustar minhas expectativas e o que procuro nela".
• Como funciona: Ele mede o "espalhamento" das características de cada pessoa. Se uma pessoa tem muitas variações (muitas fotos diferentes), o sistema afrouxa um pouco a regra para não perdê-la. Se a pessoa é sempre igual, ele apertar a regra. Isso evita que o sistema se perca quando a aparência muda.

3. O Filtro de Privacidade (Privacidade Diferencial)

Aqui está a parte mais mágica. O CityGuard não guarda fotos. Ele guarda apenas "descrições matemáticas" (vetores) das pessoas. Mas, para garantir que ninguém possa recriar a foto original a partir dessa descrição, ele adiciona um "ruído" controlado.

• A Analogia: Imagine que você quer descrever um suspeito para um colega, mas não quer que ele desenhe o rosto exato. Você dá a descrição, mas adiciona um pouco de "neblina" proposital na sua voz ou no papel. O colega ainda consegue entender quem é (o "padrão" da pessoa), mas se tentar desenhar o rosto, sai uma borrão irreconhecível.
• O Resultado: O sistema consegue encontrar a pessoa certa com alta precisão, mas se um hacker roubar o banco de dados, ele só verá "neblina" matemática, não rostos reais. É como ter um cofre onde a chave é a própria neblina.

4. O Motor de Busca Rápido

Com milhões de câmeras, buscar uma pessoa manualmente seria impossível. O CityGuard usa índices compactos (como um catálogo de biblioteca superorganizado) para encontrar a pessoa em milissegundos, mesmo com o "ruído" de privacidade adicionado.

Por que isso é importante?

• Segurança sem Espionagem: Permite que cidades inteligentes encontrem criminosos ou pessoas perdidas sem transformar a cidade em um panóptico onde todos são vigiados por fotos.
• Resiliência: Funciona mesmo quando a pessoa está de costas, com o rosto coberto ou em condições de luz ruins.
• Justiça: O sistema foi testado para garantir que funciona igualmente bem para pessoas de diferentes raças e gêneros, evitando preconceitos comuns em sistemas de IA.

Em resumo: O CityGuard é como um sistema de vigilância que "olha" para a cidade com óculos de realidade aumentada, entendendo a geometria do espaço e as mudanças de aparência, mas que, ao mesmo tempo, usa um "filtro de privacidade" para garantir que a identidade visual das pessoas nunca seja exposta, apenas a sua "assinatura" matemática segura. É tecnologia de ponta trabalhando para proteger tanto a segurança pública quanto a privacidade individual.

Resumo técnico

Resumo Técnico: CityGuard

1. Problema e Motivação

A reidentificação de pessoas (Re-ID) em escala urbana, envolvendo redes de câmeras distribuídas, enfrenta desafios críticos que limitam sua aplicação prática e ética:

• Variações de Aparência: Mudanças drásticas devido a pontos de vista (viewpoint), oclusão, iluminação e deslocamento de domínio (domain shift) entre câmeras heterogêneas.
• Privacidade e Regulamentação: Leis rigorosas (como GDPR e CCPA) impedem o compartilhamento de imagens brutas entre câmeras ou servidores centrais, exigindo que os dados sejam processados de forma privada.
• Falhas nas Abordagens Atuais: Métodos existentes frequentemente usam margens fixas que não se adaptam à dispersão de características de cada identidade, ignoram a topologia geométrica das câmeras (levando a inconsistências espaciais) e tratam a privacidade como um módulo pós-processamento, resultando em compensações subótimas entre precisão e segurança.

O CityGuard propõe um framework unificado para busca de identidade que é robusto a variações visuais, consciente da topologia da rede de câmeras e formalmente privado.

2. Metodologia

O CityGuard é uma arquitetura baseada em Transformers que integra três componentes principais para equilibrar discriminação, alinhamento geométrico e privacidade:

A. Aprendizado de Métrica Adaptativo à Dispersão (Dispersion-Aware Metric Learning)

• Problema: Identidades diferentes possuem variabilidade interna distinta (algumas são mais dispersas no espaço de características que outras).
• Solução: O framework introduz uma função de perda ACT (Adaptive Class-Tolerant). Em vez de usar uma margem fixa, ele calcula uma margem adaptativa ($\gamma_i$) para cada identidade baseada na divergência de Kullback-Leibler (KL) entre a distribuição empírica daquela identidade e uma distribuição global de referência.
• Mecanismo: Identidades com maior dispersão recebem margens maiores para garantir compactação intra-classe, enquanto identidades mais homogêneas mantêm margens menores, melhorando a discriminação inter-classe.

B. Atenção Condicionada à Geometria (Geometry-Conditioned Attention)

• Problema: Alinhar visualmente câmeras sem calibração de alta precisão (survey-grade) é difícil.
• Solução: O modelo utiliza uma topologia induzida por geometria. A partir de metadados espaciais grosseiros (como coordenadas GPS, plantas baixas ou rotações aproximadas), constrói-se uma matriz de adjacência que representa a proximidade física e a afinidade entre câmeras.
• Mecanismo: Essa topologia é injetada no mecanismo de Self-Attention do Transformer como um viés geométrico ($B_{geom}$). Isso permite que o modelo aprenda alinhamentos consistentes entre vistas cruzadas usando apenas priores geométricos grosseiros, sem necessidade de calibração externa precisa.

C. Privacidade Diferencial e Indexação (Differentially Private Embeddings)

• Problema: Proteger os embeddings armazenados contra ataques de inferência de membro e reconstrução.
• Solução: O framework aplica o Mecanismo Gaussiano para adicionar ruído aos embeddings antes do armazenamento.
• Mecanismo:
  1. Os embeddings são cortados (clipping) para limitar a sensibilidade $L_2$.
  2. Ruído gaussiano é adicionado com base no orçamento de privacidade $(\epsilon, \delta)$.
  3. Utiliza-se um contador de privacidade (privacy accountant) para gerenciar o orçamento cumulativo em consultas adaptativas.
  4. Os embeddings privatizados são indexados usando estruturas aproximadas (como HNSW ou PQ) para busca eficiente.

D. Modelagem Temporal e Otimização de Transporte

• Um Temporal Graph Network (TGN) agrega informações de movimento entre quadros consecutivos.
• Uma função de perda baseada em Transporte Ótimo Entópico (Sinkhorn) é usada para regularizar o emparelhamento global no banco de dados, melhorando a consistência em grandes escalas.

3. Contribuições Principais

1. Método de Margem Adaptativa: Uma nova abordagem que ajusta as margens de decisão dinamicamente com base na dispersão de características de cada indivíduo, superando limitações de métodos com margens fixas.
2. Mecanismo de Atenção Geométrica: Integração de priores de layout de câmeras (GPS/rotação) diretamente na atenção do Transformer, permitindo alinhamento espacial robusto sem calibração precisa.
3. Privacidade Formal Integrada: Um pipeline que fornece garantias formais de Privacidade Diferencial (DP) para embeddings, permitindo busca segura e eficiente sem expor imagens brutas.
4. Framework Unificado: A combinação de aprendizado de métrica, topologia de grafos e privacidade em um único sistema end-to-end, validado em cenários de oclusão, mudança de domínio e ataques adversariais.

4. Resultados Experimentais

Os experimentos foram realizados em benchmarks padrão (Market-1501, MARS, MSMT17, SYSU-MM01, etc.) e cenários de banco de dados em escala.

• Desempenho de Precisão: O CityGuard superou consistentemente os baselines mais fortes (incluindo TransReID, OAT e ChatReID).
  • No Market-1501, alcançou 97.5% de Rank-1 e 96.5% de mAP.
  • No MARS (vídeo), alcançou 95.7% de Rank-1 e 91.6% de mAP.
• Robustez:
  • Oclusão e Parcialidade: Desempenho superior em datasets como Occluded-REID e Partial-REID.
  • Domínio Cruzado: Em testes Zero-Shot (treinado em Market-1501, testado em MSMT17), o modelo demonstrou menor gap de transferência quando comparado a métodos sem priores geométricos.
  • Adversarial: Sob ataques FGSM e PGD, o CityGuard manteve significativamente mais precisão (ex: 68.7% Rank-1 sob FGSM vs. 12.3% do baseline TransReID).
• Privacidade vs. Utilidade:
  • Mesmo com orçamentos de privacidade rigorosos ($\epsilon = 2.0$), o sistema manteve Rank-1 > 90%.
  • Ataques de inferência de membro (MIA) foram reduzidos drasticamente: a precisão do ataque caiu de 81.5% (sem privacidade) para 54.3% (com proteção forte), tornando-o estatisticamente indistinguível do acaso.
• Eficiência: O sistema demonstrou baixa latência e tamanho de índice reduzido em testes de integração com banco de dados (PostgreSQL + PG-Strom), permitindo busca em tempo real.

5. Significado e Impacto

O CityGuard representa um avanço significativo para a implementação de sistemas de vigilância urbana inteligentes que respeitam a privacidade.

• Viabilidade Prática: Demonstra que é possível alcançar alta precisão em reidentificação sem violar regulamentos de proteção de dados, eliminando a necessidade de compartilhar imagens brutas.
• Resiliência: A abordagem é robusta contra falhas de calibração (usando apenas GPS grosseiro) e contra ataques adversariais, o que é crucial para ambientes de segurança reais.
• Equidade: O modelo também mostrou redução nas disparidades de desempenho entre subgrupos demográficos (raça, gênero), indicando um aprendizado de representação mais justo.

Em suma, o CityGuard fornece uma fundação técnica para a busca de identidade em larga escala que é simultaneamente precisa, eficiente e eticamente alinhada com as demandas modernas de privacidade e segurança.