Bài báo này đề cập đến vấn đề riêng tư của đám mây điểm 3D. Không giống như các nghiên cứu về quyền riêng tư của hình ảnh 2D hiện có, chúng tôi tập trung vào cấu trúc hình học 3D của đám mây điểm 3D không có kết cấu. Chúng tôi đề xuất một khuôn khổ bảo vệ quyền riêng tư hiệu quả có tên là PointFlowGMM, hỗ trợ các tác vụ tiếp theo như phân loại và phân đoạn mà không cần truy cập vào dữ liệu gốc. Sử dụng mô hình sinh dựa trên luồng, chúng tôi chiếu đám mây điểm vào một không gian con phân phối hỗn hợp Gauss tiềm ẩn. Sau đó, chúng tôi thiết kế một hàm mất tương tự góc mới để làm tối nghĩa hình học gốc và giảm kích thước mô hình từ 767 MB xuống còn 120 MB. Đám mây điểm được chiếu trong không gian tiềm ẩn được bảo vệ hơn nữa thông qua phép quay trực giao, và các mối quan hệ giữa các lớp được bảo toàn ngay cả sau khi quay để hỗ trợ các tác vụ nhận dạng. Chúng tôi đã đánh giá phương pháp tiếp cận của mình trên nhiều tập dữ liệu, đạt được kết quả nhận dạng tương đương với kết quả của đám mây điểm gốc.
