論文の概要: Differential Privacy for Eye Tracking with Temporal Correlations
- arxiv url: http://arxiv.org/abs/2002.08972v3
- Date: Mon, 20 Dec 2021 09:18:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 07:33:56.906399
- Title: Differential Privacy for Eye Tracking with Temporal Correlations
- Title（参考訳）: 時間相関による視線追跡のための微分プライバシー
- Authors: Efe Bozkir and Onur G\"unl\"u and Wolfgang Fuhl and Rafael F. Schaefer
and Enkelejda Kasneci
- Abstract要約: VRやARメガネなどのヘッドマウントディスプレイは、すでに統合されたアイトラッキングによって市場に出回っている。
眼球運動特性には生体情報が含まれているため、プライバシー上の懸念を適切に扱う必要がある。
本稿では、眼球運動特徴データの統計にさらなる適応を図るために、新しい変換符号化に基づく差分プライバシー機構を提案する。
- 参考スコア（独自算出の注目度）: 30.44437258959343
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: New generation head-mounted displays, such as VR and AR glasses, are coming
into the market with already integrated eye tracking and are expected to enable
novel ways of human-computer interaction in numerous applications. However,
since eye movement properties contain biometric information, privacy concerns
have to be handled properly. Privacy-preservation techniques such as
differential privacy mechanisms have recently been applied to eye movement data
obtained from such displays. Standard differential privacy mechanisms; however,
are vulnerable due to temporal correlations between the eye movement
observations. In this work, we propose a novel transform-coding based
differential privacy mechanism to further adapt it to the statistics of eye
movement feature data and compare various low-complexity methods. We extend the
Fourier perturbation algorithm, which is a differential privacy mechanism, and
correct a scaling mistake in its proof. Furthermore, we illustrate significant
reductions in sample correlations in addition to query sensitivities, which
provide the best utility-privacy trade-off in the eye tracking literature. Our
results provide significantly high privacy without any essential loss in
classification accuracies while hiding personal identifiers.
- Abstract（参考訳）: VRやARメガネなどの次世代ヘッドマウントディスプレイは、すでに統合されたアイトラッキングによって市場に登場しており、多くのアプリケーションで人とコンピュータのインタラクションの新しい方法が期待されている。
しかし、眼球運動特性には生体情報が含まれているため、プライバシーの懸念を適切に扱う必要がある。
近年,ディファレンシャルプライバシ機構などのプライバシ保護技術が,ディスプレイから得られるアイムーブメントデータに適用されている。
標準的な差分プライバシー機構は、眼球運動観察の時間的相関により脆弱である。
本研究では,眼球運動特徴量の統計にさらに適応し,様々な低複雑さ手法を比較するための,新しい変換符号化に基づく微分プライバシー機構を提案する。
我々は、微分プライバシー機構であるフーリエ摂動アルゴリズムを拡張し、その証明においてスケーリングの誤りを修正する。
さらに, 眼球追跡文献において, 有効性とプライバシのトレードオフを提供するクエリ感度に加えて, サンプル相関の大幅な低減について述べる。
本結果は,個人識別を隠蔽しながら,分類精度を著しく低下させることなく,極めて高いプライバシーを提供する。
関連論文リスト
- Masked Differential Privacy [64.32494202656801]
本稿では,差分プライバシーを適用した機密領域を制御できる「マスク型差分プライバシー(DP)」という効果的なアプローチを提案する。
提案手法はデータに基づいて選択的に動作し,DPアプリケーションや差分プライバシーをデータサンプル内の他のプライバシー技術と組み合わせることなく,非感性時間領域を定義できる。
論文 参考訳（メタデータ） (2024-10-22T15:22:53Z) - EyeTrAES: Fine-grained, Low-Latency Eye Tracking via Adaptive Event Slicing [2.9795443606634917]
EyeTrAESは、自然眼球運動の高忠実度追跡のためのニューロモルフィックイベントカメラを用いた新しいアプローチである。
その結果,EyeTrAESの瞳孔追跡精度は6+%向上し,IoU=92%,IoU=32%向上した。
頑健なユーザ認証のために,短期瞳孔運動学の特徴ベクトルを用いて,ユーザ当たりの軽量なランダムフォレスト分類器を訓練する。
論文 参考訳（メタデータ） (2024-09-27T15:06:05Z) - Privacy-Preserving Gaze Data Streaming in Immersive Interactive Virtual Reality: Robustness and User Experience [11.130411904676095]
アイトラッキングデータが露出すれば、再識別攻撃に使用できる。
対話型VRアプリケーションのためのリアルタイムプライバシメカニズムを評価する手法を開発した。
論文 参考訳（メタデータ） (2024-02-12T14:53:12Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。
具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。
本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
論文 参考訳（メタデータ） (2023-09-11T09:26:07Z) - Multimodal Adaptive Fusion of Face and Gait Features using Keyless
attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。
本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文 参考訳（メタデータ） (2023-03-24T05:28:35Z) - Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。
本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。
提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
論文 参考訳（メタデータ） (2023-03-23T13:50:46Z) - On the Privacy Effect of Data Enhancement via the Lens of Memorization [20.63044895680223]
我々は,記憶化という新たな視点からプライバシを調査することを提案する。
記憶のレンズを通して、以前デプロイされたMIAは、より高いプライバシーリスクを持つサンプルを特定する可能性が低いため、誤解を招く結果をもたらすことがわかった。
一般化ギャップとプライバシリークは, これまでの結果に比べて相関が低いことを示す。
論文 参考訳（メタデータ） (2022-08-17T13:02:17Z) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳（メタデータ） (2022-07-15T07:15:36Z) - Robustness Threats of Differential Privacy [70.818129585404]
我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。
本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
論文 参考訳（メタデータ） (2020-12-14T18:59:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。