本文针对无线边缘网络中语义通信的隐私泄露问题，提出了一种基于视觉语言模型（VLM）的隐私保护语义通信框架。传统语义通信通过传输高层语义特征而非原始比特来提升频谱效率，但多设备协作和跨模态传输会通过设备间语义融合和跨模态表示泄露敏感信息。为此，作者设计了一个边缘服务器维护的隐私数据库，VLM从中提取图像中的文本语义并识别隐私敏感实体。每个设备在传输图像前，先移除被标记的隐私区域，同时保留有用语义内容；服务器端则利用文本嵌入和VLM语义先验，从接收到的掩码图像中重建被移除的区域。为了保护文本信息，作者利用无线信道的互易性生成物理层密钥，设计了无需预共享密钥的加密语义信道收发机。此外，引入语义信息瓶颈来抑制多设备间的冗余信息。评估部分针对一个强大的模型感知对手（可窃听无线传输并获取边缘设备模型参数，但无法访问服务器端数据）进行了仿真。结果表明，与无隐私保护的语义通信方案相比，该方法将隐私泄露降低了50%以上；同时，授权服务器在感知重建质量上比攻击者提高了48%。估计的传输表示与原始数据的互信息接近0比特，说明有效抑制了跨设备的语义冗余。该研究为无线边缘网络中的多模态语义通信提供了隐私保护新思路，适合语义通信、边缘智能和隐私计算方向的研究人员阅读。