该论文研究了客户端内容扫描系统在物理监控方面的风险。内容扫描系统使用感知哈希算法扫描用户内容中的非法材料（如儿童色情或恐怖主义招募传单），旨在在保护输入图像隐私的同时确定图像是否视觉相似。由于端到端加密的即将普及使得服务器端扫描困难，工业和学术界提出了在客户端设备（如智能手机）上进行扫描的方案。但这些方案因可能被滥用于审查而受到强烈批评。然而，该技术在监控背景下的风险尚未得到充分理解。本文通过实验表征了一种特定类型的滥用可能性——攻击者操纵内容扫描系统对目标地点进行物理监控。主要贡献包括：（1）在客户端图像扫描系统的背景下给出了物理监控的定义；（2）通过实验表征了这种风险，并创建了一种监控算法，通过投毒0.2%的感知哈希数据库实现了超过30%的物理监控成功率；（3）实验研究了客户端图像扫描系统的鲁棒性与监控之间的权衡，表明在大多数情况下，对非法材料的更鲁棒检测会增加物理监控的潜力。该研究适合安全研究人员、系统设计者以及关注隐私与监控平衡的从业者阅读。

本文提出一种隐私保护的智能监控框架，旨在解决传统集中式监控系统中证据管理权限过度集中、隐私泄露风险高的问题。该框架将事件检测与证据披露分离：使用轻量级MobileNetV2-based视频分类器实时检测暴力事件，检测到的片段立即加密，只有通过基于阈值的多方审批流程才能解密访问。解密密钥采用Shamir秘密共享拆分，成员份额使用公钥密码保护，投票过程结合限时令牌、双因素认证、数字签名和审计日志。实验部分在SCVD、RWF-2000和Real-Life Violence Situations三个数据集上，评估了MobileNetV2+LSTM、MobileNetV2+BiLSTM和MobileNetV2+temporal CNN三种模型，涵盖7种域内和跨数据集场景。最佳模型MobileNetV2+BiLSTM在合并保留集上达到93.5%测试准确率和0.980的ROC-AUC，但RWF-2000子集上的较低性能表明了数据集偏移的持续性。该工作适合关注隐私保护监控系统、分布式证据治理和轻量级暴力检测的研究人员和工程师。