Ang crowdsourced mapping ay mahabang panahon ay nakakaranas ng tensyon sa pagitan ng pagiging kapaki-pakinabang at pagiging pribado. Mas detalyado at kapaki-pakinabang ang footage, mas mataas ang posibilidad na ito ay naglalaman ng mga impormasyon na makakakilala sa mga tao o sasakyan. Ang mga sentralisadong paraan ay kadalasang i-upload ang raw video at i-blur mamaya, na nagdadala ng parehong panganib sa pribado at responsibilidad sa storage. Ang @vangrid_io ay gumagawa ng privacy filtering sa edge. Ang mga mukha at numero ng plaka ng sasakyan ay kinukubli sa device habang nakuha at binabawasan. Hindi naglalabas ang mga unblurred frames mula sa telepono, hindi ito i-upload sa anumang server, at hindi ito maaaring makuha muli. Ang lumalabas sa device ay ang naka-filter na video sa pribado kasama ang cryptographic fingerprint ng nilalaman. Ang pagpili sa arkitekturang ito ang nagiging dahilan kung bakit isang global, permissionless sensor swarm ay maaaring maging viable sa malaking iskala. Ang mga tagapag-ambag ay makakapag-ambag nang hindi ipinapakita ang mga bystander. Ang mga bumibili ay nakakatanggap ng gamit na spatial data nang hindi sumasalamin sa komplikasyon ng compliance ng raw na identifiable footage. Ang edge-computed privacy ay hindi isang pagkakalimutan o isang pangako sa marketing. Ito ang dahilan kung bakit maaaring lumawak ang network sa pamamagitan ng karaniwang telepono habang nananatiling maipagtatanggol mula sa pananaw ng pribado at data-governance. Ang disenyo ay binabaligtad ang karaniwang cloud-first model.