यह शोधपत्र 3D बिंदु बादलों की गोपनीयता के मुद्दे पर विचार करता है। मौजूदा 2D छवि गोपनीयता अनुसंधान के विपरीत, हम बनावट रहित 3D बिंदु बादलों की 3D ज्यामितीय संरचना पर ध्यान केंद्रित करते हैं। हम PointFlowGMM नामक एक कुशल गोपनीयता-संरक्षण ढाँचा प्रस्तावित करते हैं, जो मूल डेटा तक पहुँच के बिना वर्गीकरण और विभाजन जैसे अनुवर्ती कार्यों का समर्थन करता है। प्रवाह-आधारित जनरेटिव मॉडल का उपयोग करते हुए, हम बिंदु बादल को एक सुप्त गौसियन मिश्रण वितरण उप-स्थान में प्रक्षेपित करते हैं। फिर हम मूल ज्यामिति को अस्पष्ट करने और मॉडल के आकार को 767 एमबी से घटाकर 120 एमबी करने के लिए एक नवीन कोणीय समानता हानि फलन डिज़ाइन करते हैं। सुप्त स्थान में प्रक्षेपित बिंदु बादल को ऑर्थोगोनल घूर्णन के माध्यम से और अधिक संरक्षित किया जाता है, और पहचान कार्यों का समर्थन करने के लिए घूर्णन के बाद भी अंतर-वर्ग संबंधों को संरक्षित रखा जाता है। हमने अपने दृष्टिकोण का मूल्यांकन कई डेटासेट पर किया, और मूल बिंदु बादल के समान पहचान परिणाम प्राप्त किए।
