该论文关注智能眼镜持续录像带来的「旁观者隐私」问题，指出人脸脱敏远不足以保护路人隐私：连续视频会暴露步态、体态、体型轮廓等全身生物特征，攻击者据此仍可完成人员再识别（ReID）。作者提出 MIRAGE，一个面向智能眼镜的三层架构，目标是实现全身隐私保护、支持合成人体替换（把真实人体区域替换为生成的人体），并保留加密的恢复素材，以便在被拍摄者事后同意的情况下还原原始画面，从而在隐私与可用性之间取得平衡。系统实现运行在树莓派 5（作为智能眼镜算力的纯 CPU 代理环境）、配套手机端以及云端生成式后端之上，说明其设计考虑了端侧算力受限的现实约束。实验方面，MIRAGE 在完整可见人体的检测上达到 0.948 AP 与 0.976 AR；经其边界框掩蔽处理后，基于剪影的学习式 ReID 精度降至接近随机猜测水平，Rank-1 为 10.86%，而实测随机基线为 11.12%。论文还考虑了自适应攻击者——即使用 MIRAGE 脱敏后的姿态信号重新训练模型的对手——在此设定下步态识别的 Rank-1 从 90.25% 降至 26.20%，即消除了攻击者 72.5% 的识别优势。整体上，该工作把「旁观者隐私」的防护对象从面部扩展到整个人体生物特征，并给出可部署的三层工程方案与量化评估，属于隐私增强技术（PET）与端侧视觉系统交叉方向的研究。适合隐私工程、智能穿戴/边缘计算、以及负责视频监控合规与去标识化的安全从业者阅读。
💡 推荐理由: 面部模糊等于匿名化这一常见假设被证伪：仅凭步态与轮廓即可完成再识别。可穿戴摄像头与公共监控日益普及，该研究提示现有视频脱敏流程与合规评估需覆盖全身生物特征，并给出了端侧可行的缓解思路与量化基线。
🎯 建议动作: 研究跟进：将全身生物特征纳入本单位视频脱敏与旁观者隐私评估基线，并在自有数据上复现其 ReID 残余风险评估方法。